ULF Wave Driven Radial Diffusion During Geomagnetic Storms: A Statistical Analysis of Van Allen Probes Observations
Notice bibliographique
Résumé
Abstract The impact of radial diffusion in storm time radiation belt dynamics is well‐debated. In this study we quantify the changes and variability in radial diffusion coefficients during geomagnetic storms. A statistical analysis of Van Allen Probes data (2012–2019) is conducted to obtain measurements of the magnetic and electric power spectral densities for Ultra Low Frequency (ULF) waves, and corresponding radial diffusion coefficients. The results show global wave power enhancements occur during the storm main phase, and continue into the recovery phase. Local time asymmetries show sources of wave power are both external solar wind driving and internal sources from coupling with ring current ions and substorms. Wave power enhancements are also observed at low L values ( L < 4). The accessibility of wave power to low L is attributed to a depression of the Alfvén continuum. The increased wave power drives enhancements in both the magnetic and electric field diffusion coefficients by more than an order of magnitude. Significant variability in diffusion coefficients is observed, with values ranging over several orders of magnitude. A comparison to the Kp parameterized empirical model of Ozeke et al. (2014) is conducted and indicates important differences during storm times. Although the electric field diffusion coefficient is relatively well described by the empirical model, the magnetic field diffusion coefficient is approximately ∼10 times larger than predicted. We discuss how differences could be attributed to data set limitations and assumptions. Alternative storm‐time radial diffusion coefficients are provided as a function of L * and storm phase.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».