We are searching data for your request:
Upon completion, a link will appear to access the found materials.
Die direkte Wirkung von Magnetfeldern auf die Dynamik (wie auf die Bewegungen, Flugbahnen usw. der Körper selbst, anstatt auf niedere Phänomene wie Sternwinde und atmosphärische Degradation) von astronomischen Körpern an Orten wie dem Sonnensystem sind so schwach, dass sie ohne wirkliche Konsequenzen ignoriert werden. Es scheint jedoch intuitiv, dass in der Nähe von Körpern mit extrem hohen Magnetfeldern - wie Magnetaren - solche Felder dynamisch einen signifikanten oder sogar dominierenden Effekt haben, so dass neben der Schwerkraft auch der Elektromagnetismus berücksichtigt werden muss, um eine genaue dynamische Beschreibung der System.
In Anbetracht der Tatsache, dass die Magnetfelder solcher Körper über 100 Milliarden Telsa reichen, die Tatsache, dass die Kopplungskonstante für den Elektromagnetismus etwa 40 Größenordnungen größer ist als die der Schwerkraft, und die Tatsache, dass die magnetische Kraft mit dem Quadrat der Entfernung abnimmt genau wie die Schwerkraft scheint es seltsam, dass solche Magnetfelder keine solche Wirkung haben (zumindest auf andere Körper mit Magnetfeldern sowie Körper mit einem hohen Anteil an ferromagnetischen Materialien), aber ich habe noch nie eine Erwähnung gehört von so etwas. Ich frage mich also, ob ein solches Verhalten in der Nähe von hochmagnetisierten astronomischen Körpern zu erwarten ist, und wenn nicht, was übersehe ich hier?
Dies beantwortet nicht das, was um Magnetare herum passiert, aber es beantwortet, wenn Magnetfelder einen signifikanten dynamischen Effekt auf große Körper haben können, vergleichbar mit der Gravitation.
Magnetfelder im interstellaren Medium spielen eine wichtige Rolle für die Dynamik von Gaswolken. Diese Wolken sind viel größer als das Sonnensystem. So können auch vergleichsweise geringe Magnetfelder (6 bis 40 $mu$G im Durchschnitt in unserer Galaxie) kann einen signifikanten Effekt haben und kann bei der Untersuchung der Struktur der Galaxie nicht ignoriert werden.
Wichtig wird ein solcher Effekt bei der Anlagerung von Materie von einem regulären (mehr oder weniger) Hauptreihen-Donorstern auf einen magnetisierten Neutronenstern.
Hier kann das Magnetfeld an der NS etwa 10 . erreichen$^{12}$ G und die Akkretionsrate etwa 10$^{13}$kg/s. Auf seinem Weg nach unten durch die Gravitationssenke in Richtung NS wird das Material, inzwischen größtenteils ein Plasma, einen Punkt erreichen, an dem die Lorentz-Kraft es zwingt, sich spiralförmig zu drehen und den magnetischen Feldlinien zu folgen. Von diesem Punkt an wird seine Dynamik also durch die Struktur des Magnetfelds bestimmt, und das Material wird schließlich auf die Magnetpole fallen und Pulsare erzeugen. Dieses Aufzwingen auf die magnetischen Feldlinien geschieht ungefähr dann, wenn der magnetische Druck den Staudruck des Materials überschreitet. So, $$ P_{mathrm{ram}}=P_{mathrm{B}}
ho(r)cdot(dot{vec{r}})^{2} = frac{B(r )^{2}}{2 mu_{0}} $$ Hier ist B(r) ein Dipolfeld um die NS, das als r . abfällt$^{-3}$ und so P$_mathrm{B}$ fällt schnell ab als r$^{-6}$, wie Rob Jeffries bereits in seinem Kommentar erwähnt. Der Radius, bei dem das Magnetfeld dominant wird, wird Alfven-Radius genannt und liegt in der Größenordnung von einigen 1000 km.
Das sieht dann in etwa so aus (Filippus et al., 2008): 
Ich bin mir jedoch nicht sicher, ob dies als astronomischer Maßstab gilt, aber dies ist der dramatischste Effekt von Magnetfeldern, den ich mir vorstellen kann.
Magnetfelder in Spiralgalaxien – endlich erklärt?
[/Bildbeschriftung]
Dass Spiralgalaxien Magnetfelder haben, ist seit weit über einem halben Jahrhundert bekannt (und Vorhersagen, dass es sie mehrere Jahre vor der Entdeckung geben sollte), und die Magnetfelder einiger Galaxien wurden sehr detailliert kartiert.
Aber wie kam es dazu, dass diese Magnetfelder die Eigenschaften haben, die wir von ihnen beobachten? Und wie bleiben sie bestehen?
Ein kürzlich erschienenes Papier der britischen Astronomen Stas Shabala, James Mead und Paul Alexander könnte Antworten auf diese Fragen enthalten, wobei vier physikalische Prozesse eine Schlüsselrolle spielen: Einfall von kaltem Gas auf die Scheibe, Supernova-Feedback (diese beiden erhöhen die magnetohydrodynamische Turbulenz), Sternentstehung (dies entzieht dem kalten Gas Gas und damit turbulente Energie) und differenzielle galaktische Rotation (diese überträgt kontinuierlich Feldenergie aus dem inkohärenten Zufallsfeld in ein geordnetes Feld). Allerdings ist mindestens ein weiterer wichtiger Prozess erforderlich, da die Modelle der Astronomen nicht mit den beobachteten Feldern massereicher Spiralgalaxien übereinstimmen.
“Die Radio-Synchrotron-Emission hochenergetischer Elektronen im interstellaren Medium (ISM) weist auf das Vorhandensein von Magnetfeldern in Galaxien hin. Rotationsmessungen (RM) von im Hintergrund polarisierten Quellen weisen auf zwei Arten von Feldern hin: ein zufälliges Feld, das auf Skalen größer als die Turbulenz des ISM nicht kohärent ist, und ein spiralförmig geordnetes Feld, das großräumige Kohärenz aufweist, schreiben die Autoren author . “Für eine typische Galaxie haben diese Felder Stärken von einigen &muG. In einer Galaxie wie M51 wird beobachtet, dass das kohärente Magnetfeld mit den optischen Spiralarmen verbunden ist. Solche Felder sind wichtig für die Sternentstehung und die Physik der kosmischen Strahlung und könnten sich auch auf die Entwicklung von Galaxien auswirken, doch trotz ihrer Bedeutung bleiben Fragen zu ihrer Entstehung, Entwicklung und Struktur weitgehend ungelöst.”
Dieses Feld in der Astrophysik macht schnelle Fortschritte, wobei das Verständnis dafür, wie das Zufallsfeld erzeugt wird, erst in den letzten zehn Jahren einigermaßen gut etabliert wurde (es wird durch Turbulenzen im ISM erzeugt, modelliert als einphasige magnetohydrodynamische ( MHD) Flüssigkeit, in der magnetische Feldlinien eingefroren sind). Andererseits ist die Erzeugung des großflächigen Feldes durch das Wickeln der Zufallsfelder zu einer Spirale, durch Differentialrotation (ein Dynamo) schon viel länger bekannt.
Die Details darüber, wie sich das geordnete Feld in Spiralen bildete, als sich diese Galaxien selbst bildeten – innerhalb weniger hundert Millionen Jahre nach der Entkopplung von baryonischer Materie und Strahlung (die den kosmischen Mikrowellenhintergrund hervorbrachte, den wir heute sehen) – werden durch Tests klar diese Hypothese ist aus Beobachtungssicht noch nicht möglich (sehr wenige hochrotverschobene Galaxien wurden in der optischen und NIR-Periode untersucht, geschweige denn ihre Magnetfelder wurden detailliert kartiert).
“Wir präsentieren den (nach unserem Kenntnisstand) ersten Versuch, Magnetfelder in ein selbstkonsistentes Modell der Galaxienentstehung und -entwicklung einzubeziehen. Eine Reihe von Galaxieneigenschaften werden vorhergesagt, und wir vergleichen diese mit verfügbaren Daten, sagen Shabala, Mead und Alexander. Sie beginnen mit einem analytischen Modell zur Galaxienentstehung und -entwicklung, das Gaskühlung, Sternentstehung und verschiedene Rückkopplungsprozesse im kosmologischen Kontext verfolgt. Das Modell reproduziert gleichzeitig die lokalen Galaxieneigenschaften, die Sternentstehungsgeschichte des Universums, die Entwicklung der stellaren Massenfunktion zu z
1.5, und der frühe Aufbau massereicher Galaxien.” Im Zentrum des Modells steht die turbulente kinetische Energie des ISM und die zufällige Magnetfeldenergie: die beiden werden auf Zeitskalen gleich, die auf kosmologischen Zeitskalen augenblicklich sind.
Die Treiber sind somit die physikalischen Prozesse, die Energie in das ISM einspeisen und ihm Energie entziehen.
“Eine der wichtigsten Quellen der Energieinjektion in das ISM sind Supernovae”, schreiben die Autoren. “Die Sternentstehung entfernt turbulente Energie,”, wie Sie es erwarten würden, und Gas, das aus dem Halo der Dunklen Materie “anreichert, lagert seine potentielle Energie in Turbulenz ab.” In ihrem Modell gibt es nur vier freie Parameter – drei beschreiben Effizienz der Prozesse, die dem ISM Turbulenzen hinzufügen oder entfernen, und wie schnell geordnete Magnetfelder aus zufälligen entstehen.
Sind Shabala, Mead und Alexander von ihren Ergebnissen begeistert? Beurteilen Sie selbst: “Zwei lokale Muster werden verwendet, um die Modelle zu testen. Das Modell reproduziert gut magnetische Feldstärken und Radioleuchtkräfte über einen weiten Bereich von Galaxien mit niedriger und mittlerer Masse.”
Und was ist ihrer Meinung nach erforderlich, um die detaillierten astronomischen Beobachtungen von massereichen Spiralgalaxien zu erklären? “Der Einschluss des Gasausstoßes durch leistungsstarke AGNs ist notwendig, um die Gaskühlung abzuschrecken.” 
SKA-Zentralbereich mit getrennten Kernstationen für die beiden Apertur-Arrays für tiefe und mittlere Frequenzen und für das Dish-Array. Grafik: Xilostudios und SKA Project Development Office
Es versteht sich von selbst, dass die nächste Generation von Radioteleskopen – EVLA, SKA und LOFAR – alle Modelle von Magnetfeldern in Galaxien (nicht nur Spiralen) viel strengeren Tests unterziehen (und sogar Hypothesen über die Entstehung dieser Felder vor über 10 Milliarden Jahren, getestet werden).
1. Einleitung
[2] Magnetische Wiederverbindung ist ein wichtiger Mechanismus, durch den magnetische Energie in Plasmaflüsse und Teilchenenergie in verschiedenen Weltraum- und astrophysikalischen Plasmen umgewandelt wird. Die jüngste Aufmerksamkeit in der Forschung zur magnetischen Wiederverbindung konzentrierte sich auf magnetische Inseln (in einigen Literatur auch als Plasmoide bezeichnet), eine natürliche Folge der Reißinstabilität [ Furth et al., 1963]. Sekundäre magnetische Inseln wurden in Particle-in-Cell (PIC)-Simulationen von langgestreckten Stromschichten beobachtet, bei denen die Wiederverbindung platzt, wenn ein Leitfeld eingeführt wird [ Drakeet al., 2006a]. Die Elektronenstromschicht verlängert sich in der Nähe der x-Linie und wird instabil gegenüber der Bildung von Sekundärinseln, die wiederum wachsen und miteinander verschmelzen. In zahlreichen anderen kinetischen Simulationen wurde auch ohne Leitfeld eine Plasmoidbildung beobachtet [ Daughtonet al., 2006 Fujimoto, 2006 Karimabadiet al., 2007 Klimaset al., 2008 Daughtonet al., 2009 ] und auch in MHD-Simulationen für ausreichend hohe Lundquist-Zahlen S = LcEIN/η (wo L ist eine Längenskala vergleichbar mit der Systemgröße, cEIN ist die stromaufwärts gelegene Alfvén-Geschwindigkeit und η ist der spezifische Widerstand) [ Biskamp, 1986 Lapenta, 2008 Samtaneyet al., 2009 Cassaket al., 2009 Huang und Bhattacharjee, 2010 ].
[3] Es gibt auch viele Beobachtungen für magnetische Inseln, die in einem 3D-Bild die Form von Flussseilen annehmen. Die lückenhafte Natur der Wiederverbindung wurde durch frühe Satellitenbeobachtungen in der Magnetopause unterstützt, wo diese Flussseile die Form von Flusstransferereignissen (FTEs) annehmen [ Russell und Elphic, 1978 Lee und Fu, 1985 Farrugiaet al., 1988]. In jüngerer Zeit wurden ähnliche plasmoide Strukturen auch im Magnetoschwanz beobachtet [ Elphic et al., 1986 Slavinet al., 1993 , 2003 Eastwoodet al., 2007]. In koronalen Bildern von Sonneneruptionen wurden kaulquappenartige, nach unten fließende Strukturen als Flussröhren interpretiert, die mit einer Wiederverbindung verbunden sind [ Sheeleyet al., 2004 Linet al., 2005 Linton und Longcope, 2006 ].
[4] Das jüngste Interesse an magnetischen Inseln ist teilweise auf einen Zusammenhang mit der Teilchenenergetisierung und der möglichen Erhöhung der effektiven Wiederverbindungsrate zurückzuführen. Simulationen legen nahe, dass ein Fermi-Mechanismus erster Ordnung Elektronenbeschleunigung auf sehr hohe Energien innerhalb kontrahierender Inseln ermöglicht [ Drakeet al., 2006b ]. Clusterbeobachtungen hochenergetischer Elektronen, die mit Inseln im Magnetschweif korreliert sind, unterstützen diese Theorie [ Chenet al., 2008 ], obwohl gegenteilige Beobachtungsdaten [ Egedalet al., 2010 ] verdeutlicht, dass dies eine wichtige und offene Frage bleibt. Eine Neuskalierung der Sweet-Parker-Wiederverbindung, die das Vorhandensein sekundärer Inseln berücksichtigt, deutet auch darauf hin, dass die Wiederverbindungsrate mit der Quadratwurzel der Anzahl der Inseln skalieren könnte [ Cassaket al., 2009]. Eine lineare MHD-Theorie der plasmoiden Instabilität sagt die Anzahl der zu skalierenden Inseln voraus als S 3/8 [ Loureiroet al., 2007]. Diese Theorie wird durch MHD-Simulationen von . unterstützt Samtaneyet al. [2009] , jedoch nur während des linearen Stadiums, bevor Verschmelzung und plasmoide Konvektion wichtig werden. Eine Theorie von Huang und Bhattacharjee [2010] schlägt vor, dass im nichtlinearen Regime Plasmoide dominieren, bis die effektive Lundquist-Zahl für die verkürzte Stromschicht zwischen den Plasmoiden klein genug wird, um die Plasmoid-Instabilität zu unterdrücken (Slokal < Skrit 10 4 ). Vollständig kinetische Simulationen, die einen Fokker-Planck-Kollisionsoperator beinhalten, haben auch die plasmoide Instabilität und verbesserte Wiederverbindungsraten gezeigt, wenn sich die aktuelle Schichtdicke der Ioneneindringtiefe nähert dich = c/ωPi = (ichichc 2 /4ne 2 ) 1/2 [ Daughtonet al., 2009 ].
[5] Eine grundlegende Frage bezüglich der Dynamik magnetischer Inseln, die als Ergebnis der Wiederverbindung entstehen, ist, wie sie sich von ihrer Geburt auf kleinen räumlichen Skalen zu Objekten auf Makroebene entwickeln. Ihre Dynamik in sehr langen Stromschichten ist jedoch nur mit Simulationen schwer zu untersuchen. Rechenressourcen begrenzen die Fähigkeit von PIC-Simulationen, Skalengrößen zu erreichen, die mit den fraglichen Systemen vergleichbar sind (L ∼ 800dich für einige der größten 2D-PIC-Simulationen, die bisher durchgeführt wurden [ Daughtonet al., 2009 ], aber L ∼ 4000dich für die Magnetopause und L ∼ 10 6 dich für die Sonnenkorona). Globale Fluidsimulationen erreichen diese Größenordnungen [ Raeder, 2006 Dorelli und Bhattacharjee, 2009 ], aber möglicherweise nicht die kleinräumige Physik der Wiederverbindung und Inselbildung. Resistive MHD-Simulationen haben das sehr frühe lineare Stadium der plasmoiden Instabilität untersucht [ Samtaneyet al., 2009 ], reichen jedoch nicht aus, um die Langzeitdynamik von Plasmoiden in großem Maßstab zu untersuchen. Dementsprechend wird neben Simulationen ein alternativer Ansatz benötigt. Ein solcher Ansatz von Uzdensky et al. [2010] basierend auf einem Modell der fraktalen Wiederverbindung [ Shibata und Tanuma, 2001 ] bis zu den Skalen, wo die plasmoide Instabilität unterdrückt ist [ Huang und Bhattacharjee, 2010 ] sagt eine verstärkte Wiederverbindung und eine Potenzgesetzverteilung von Plasmoiden voraus. In diesem Beitrag diskutieren wir einen weiteren theoretischen Ansatz, der entwickelt wurde, bei dem die magnetischen Inseln statistisch modelliert werden [ Fermoet al., 2010 ].
[6] Inseln entstehen aufgrund der Instabilität des Tearing-Modus bei Wellenlängen 2π/k, mit k der Wellenvektor, so dass kλ ≤ 1, wo λ ist die charakteristische transversale Skala der Stromschicht, die das magnetische Wiederverbindungsfeld unterstützt. Der lineare Tearing-Modus sättigt bei kleiner Amplitude, wenn die Inselbreite vergleichbar ist mit λ. Ausgehend von diesen kleinen Skalen wurden zuvor zwei verschiedene Mechanismen identifiziert, die es Inseln ermöglichen, zu Makroskalen zu wachsen. Diese Mechanismen können quantifiziert werden, indem die Insel an Fluss und Fläche gewinnt. Im ersten Fall nimmt die Insel durch quasi-stetige Wiederverbindung an beiden Enden der Insel an Größe zu, was dazu führt, dass sowohl die Fläche als auch der Fluss der Insel zusammen zunehmen [ Fermoet al., 2010 Uzdensky et al., 2010]. Im zweiten Fall können zwei Inseln zu einer einzigen größeren Insel verschmelzen [ Finn und Kaw, 1977 Pritchett und Wu, 1979]. In diesem Fall ist die Fläche der resultierenden Insel die Summe der beiden Flächen, während ihr Fluss gleich dem der Insel mit dem größeren Fluss ist. Die Konkurrenz zwischen diesen beiden unterschiedlichen Mechanismen um das Inselwachstum, ausgeglichen mit konvektiven Verlusten, steuert letztendlich die Verteilung der magnetischen Inseln, die sich in großräumigen Stromschichten entwickeln. Obwohl die Dynamik magnetischer Inseln in bereits vorhandener Literatur untersucht wurde (Inselbildung [ Furth et al., 1963 Loureiroet al., 2007 ], Wachstum [ Hessen und Birn, 1991 Angelopouloset al., 1995 ], Konvektion [ Daileyet al., 1985 Birnet al., 1996 ], Koaleszenz [ Pritchett und Wu, 1979 Dorelli und Birna, 2001 ]), erst kürzlich wurden diese Prozesse in der Studie von Fermoet al. [2010] , wo wir eine Gleichung hergeleitet haben, die die Dynamik dieser konkurrierenden Prozesse auf statistischer Basis beschreibt. Im vorliegenden Manuskript untersuchen wir die Konkurrenz zwischen den beiden Inselwachstumsmechanismen mit Hall-MHD-Simulationen in einer sehr langen Stromschicht und testen und vergleichen dann unser statistisches Modell durch Vergleich mit den Simulationen. Schließlich vergleichen wir die Vorhersagen des statistischen Modells mit THEMIS-Beobachtungen von Flusstransferereignissen (FTEs) an der Magnetopause.
2. Datenquellen
[10] Am 12. März 2001 lieferten die Raumsonden ACE und Wind Messungen des Sonnenwinds und des IMF an GSE-Standorten von (227, −38, −5) RE und (−37, −162, −30) RE, beziehungsweise. Am ACE maß der Solar Wind Electron, Proton, and Alpha Monitor (SWEPAM) die Sonnenwindgeschwindigkeit und -dichte [ McComas et al., 1998 ] während ein triaxiales Fluxgate-Magnetometer die drei Komponenten (X, Ja, und Z) des IWF-Vektors [Smithet al., 1998]. Wind-gemessene Ionendichten und -geschwindigkeiten mit dem Instrument Three-Dimensional Plasma and Energetic Particle Investigation (3DPL) [ Linet al., 1995 ] und IMF mit Fluxgate-Magnetometern des Magnetic Field Investigation (MFI) [ Lepping et al., 1995]. Die vorgestellten Elektronenwärmeflüsse und Protonentemperaturanisotropien stammen aus dem Solar Wind Experiment (SWE) on Wind [ Ogilvieet al., 1995]. Aus den Datensätzen jedes Satelliten, β wurde aus den Ionenmessungen berechnet.
[11] Im März 2001, während Polars Apogäum (9 RE) befand sich in der Nähe der Äquatorebene, seine Flugbahn strich über lange Intervalle entlang der tagesseitigen Magnetopause und bewegte sich von Süden nach Norden. Aus diesem Blickwinkel überwachte Polar die Magnetopause-Reaktionen auf zeitliche Veränderungen des Sonnenwinds/IMF. Am 12. März um 1230 UT befand es sich an den GSE-Koordinaten (8,36, 3,57, 2,56) RE. Diese Studie verwendet Daten von drei Sensoren von Polar. Das Hydra Duo Deca-Ionen-Elektronenspektrometer (DDIES) besteht aus sechs Paaren elektrostatischer Analysatoren, die in verschiedene Richtungen schauen, um hochauflösende Energie- und Neigungswinkelspektren zu erfassen [ Scudderet al., 1995]. Verteilungen von Elektronen mit Energien zwischen 1 eV und 10 keV und Ionen mit Energien pro Ladungsverhältnis von 10 eV q −1 bis 10 keV q −1 werden alle 2,3 s bereitgestellt. Das elektrische Feldinstrument (EFI) verwendet eine vorgespannte Doppelsonde, um elektrische Vektorfelder aus Potenzialunterschieden zwischen drei orthogonalen Paaren kugelförmiger Sensoren zu messen [ Harveyet al., 1995]. Hier verwenden wir Daten der beiden Antennenpaare in der Spinebene des Satelliten. Das Magnetic Field Experiment (MFE) besteht aus zwei orthogonalen triaxialen Fluxgate-Magnetometern, die auf nichtleitenden Auslegern montiert sind [ Russellet al., 1995]. Die Digitalisierungsgenauigkeit beträgt ±0,09 nT bei einer Standardabtastrate von 9 Hz.
[12] Die Cluster-Konstellation befand sich in einer tetraedrischen Konfiguration mit nominellen Abständen zwischen den Raumfahrzeugen von 600 km, als sie um etwa 1210 UT die Magnetopause in den Magnetosheath über der Spitze verließ. Um 1230 UT befand sich Cluster 3 an den GSE-Koordinaten (4.43, 2.56, 8.37) RE. Magnetosheath-Magnetfeldmessungen wurden mit triaxialen Fluxgate-Magnetometern an den vier Cluster-Raumfahrzeugen durchgeführt [ Balogh et al., 2001]. Das Instrument für elektrische Felder und Wellen (EFW) überwachte elektrische Feldkomponenten in der Ekliptikebene unter Verwendung von zwei Paaren vorgespannter Doppelsonden [ Gustafsson et al., 1997]. Die dritte Komponente wurde mit dem E · B = 0 Näherung. Das Cluster-Ionen-Spektrometer (CIS)-Experiment lieferte dreidimensionale (3-D) Ionenverteilungen mit Masse-pro-Ladung-Zusammensetzung unter Verwendung des Composition and Distribution Function (CODIF)-Analysators oder 3-D-Ionenverteilungen unter Verwendung des Hot Ion Analyzer (HIA) [ Rème et al., 2001]. Ionenmessungen sind nur von Cluster 1, 3 und 4 während des interessierenden Zeitraums verfügbar. Abbildung 1 zeigt schematisch die relativen Positionen der Cluster-Konstellation und der Polar.
[13] Die Satelliten des Defense Meteorological Satellites Program (DMSP) sind dreiachsig stabilisierte Raumfahrzeuge, die in kreisförmigen, sonnensynchronen, 98,7° geneigten Umlaufbahnen in einer Höhe von 840 km fliegen. Die Orbitalebene von DMSP F13 befand sich in der Nähe des Meridians zwischen 1800 und 0600 Ortszeit. Seine wissenschaftliche Nutzlast umfasst Sensoren zur Überwachung des Flusses von Polarlichtpartikeln und der Driftbewegungen von Umgebungsionen. Die Polarlicht-Partikelsensoren sind auf den oberen Oberflächen von DMSP-Satelliten montiert, um die Flüsse nach unten gerichteter Elektronen und Ionen in 19 logarithmisch beabstandeten Energieschritten zwischen ∼30 eV und 30 keV zu messen [ Hardyet al., 1984]. Jede Sekunde wurden vollständige Ionen-/Elektronenspektren erstellt. Ionendriftmeter befinden sich an der Vorderseite des DMSP-Raumfahrzeugs, wo sie die horizontale (VH) und vertikal (VV) Komponenten von Cross-Track-Plasmadriften. Obwohl die Driftmeter messen VH sechsmal pro Sekunde werden die Daten hier als 4 s-Mittelwerte dargestellt [Reich und Hairston, 1984].
3 Bau von EMVIM
(1) Hier r ist ein Vektor von Raumkoordinaten, p fasst die Kontrollvariablen zusammen (IWF und F10.7), und Βich(r) sind Basisfunktionen. Die Koeffizienten Ŝich der Expansion werden auch Amplituden oder Scores genannt und aus den Daten unter Verwendung einer linearen Regression, wie unten beschrieben, abgeleitet.
Lineare Darstellungen von Magnetfeldern in Form von Basisfunktionen und Amplituden sind im planetarischen Magnetismus und in der Weltraumphysik weit verbreitet. Die Standarddarstellung des inneren Erdmagnetfeldes erfolgt in Form von Kugelharmonischen als Basisfunktionen. Ein weiterer Ansatz zur Konstruktion von Basisfunktionen im Raummagnetismus wurde realisiert von Tsyganenko und Kollegen, die eine Reihe von Modellen für die Magnetosphäre der Erde unter Verwendung von Basisfunktionsformen wichtiger Stromsysteme im Georaum entworfen haben [z. Tsyganenko und Sitnov, 2007]. Hier im Aufbau von EMVIM die Basisfunktionen Βich(r) werden aus den Daten abgeleitet. Genauer gesagt führen wir eine empirische orthogonale Funktionsanalyse (EOF) durch, bei der die Basisfunktionen auch als EOFs bezeichnet werden. Die EOF-Analyse wird häufig in den ozeanographischen und atmosphärischen Wissenschaften verwendet. In der Weltraumphysik wurde die EOF-Analyse bei der Ionosphärenmodellierung, beim Studium von Polarlichtfeld-ausgerichteten Strömen und bei Untersuchungen des elektrischen Feldes in großen Breiten und geomagnetischen Variationen angewendet [Er et al., 2011 , 2012 , 2014 Matsuo et al., 2002 Xu und Kamide, 2004 ].
Die Konstruktion von EMVIM umfasst mehrere Schritte, die im Flussdiagramm von Abbildung 4 zusammengefasst sind. Nach dem Abrufen der Daten aus dem Planetary Science Archive der ESA wird für jede Umlaufbahn ein magnetisches Profil der Polarkappenüberquerung mithilfe von VEX MAG-Vektordaten extrahiert und die entsprechenden Sonnenwind-Magnetfeld IMF wird geschätzt, siehe Abschnitte 3.1 und 3.5 für Details. Die extrahierten Profile werden in der EOF-Zerlegung verarbeitet, was eine Menge von EOFs als gegenseitig unkorrelierte Basisfunktionen ergibt, die eine (in Bezug auf die Varianzverteilung) wirtschaftlichste Darstellung der Messungen ermöglichen, siehe Abschnitt 3.2. In der anschließenden Regression werden die Koeffizienten Sich der einzelnen Profile in Bezug auf die EOF-Basisfunktionen werden als abhängige Variablen behandelt und durch die unabhängigen Variablen ausgedrückt IWF und F10.7. Die Regression ergibt dann Amplitudenfunktionen ŜŜich(IWF, F10.7), die zusammen mit den EOFs die Konstruktion des Modells gemäß Abschnitt 3.4 ermöglichen.
3.1 Daten und Umlaufbahn
Die Raumsonde Venus Express (VEX) operierte in einer stark elliptischen polaren Umlaufbahn mit etwa 12 Planetenradien (RV) Apoapsis und 250–350 km Periapsis bei 78°N und einer Umlaufzeit von 24 h [Svedhem et al., 2007 Titov et al., 2006]. Im Weltraum bedeckte die Umlaufbahn die nördliche Magnetosphäre und den mittleren Magnetschweif. Während der ersten acht venusischen Betriebsjahre sammelte die Raumsonde mehr als 2000 Umlaufbahnen und lieferte damit eine vollständige Abdeckung der Ortszeit und der Sonnenwindbedingungen. Diese Studie verwendet die ersten 2314 Umlaufbahnen von 4 s gemittelten MAG-Vektordaten [Zhang et al., 2006]. Die nördlichen Polarübergänge (höher als 63° Breite im Venus Solar Orbital Koordinatensystem) sind in Abbildung 5a projiziert und gestapelt. Die beiden Farben zeigen unterschiedliche Orientierungsgruppen des Bahndrehimpulses an, wie in Abbildung 5b verteilt. Bahnübergänge in Blau sind in Richtung Morgendämmerung-Untergang, während die Übergänge in Rot in Richtung Mittag-Mitternacht verlaufen. Wir definieren Orbitphase Φ als VSO-Breite im Mittags- oder Morgendämmerungssektor und als Kolatitude plus 90° im Mitternachts- oder Abenddämmerungssektor. Jedes der magnetischen Vektorprofile B(Φ) wird innerhalb eines Gleitfensters von 1° Breitengrad über der Polkappe gemittelt, was zu einem Vektorprofil führt B(ΦGitter) auf dem Gitter ΦGitter = 65, 66…, 88, 92, 93… und 115. Dann gilt für jede VEX-Polkappenkreuzung der B(Φ) Profil wird durch 144 Skalare (drei Komponenten auf 48 Gittern) dargestellt. Das B(ΦGitter)-Profile werden verwendet, um EMVIM getrennt im Mittag-Mitternachts-Sektor und im Morgendämmerungs-Sektor zu konstruieren.
Aufgrund der stark exzentrischen Umlaufbahn von VEX sind räumliche Variablen wie Breite, Höhe und Sonnenzenitwinkel (SZA) entlang der Umlaufbahn wechselseitig korreliert. Abbildung 6a zeigt die SZA-Verteilung der in Abbildung 5 gestapelten roten Bahnen als Funktion der Bahnphase Φ. Die durchgezogene Linie zeigt den Median, der Schatten das obere und das untere Quartil und die gestrichelten Linien das 5. und 95. Perzentil. Die Medianlinie zeigt an, dass die SZA im ausgewählten Bereich 65° < = Φ < = 115° nahezu linear mit der Bahnphase zunimmt. Abbildung 6b ist die gleiche Darstellung wie Abbildung 6a, jedoch für die Verteilung mit der Höhe. Der Höhenmittelwert reicht von 260 km über dem Pol bis 550 km an der unteren Breitengrenze. Abbildung 6c zeigt den Mittelwert (rote durchgezogene Linie) des Abstands von VEX zur Ionenzusammensetzungsgrenze (ICB) gemäß dem empirischen Modell von Martinecz et al., [ 2008 ] zusammen mit Perzentilen (schattierter Bereich und gestrichelte Linien) der Distanzverteilung. ICB ist definiert als die Grenze, die das heiße magnetisierte Plasma der Magnethülle vom Sonnenwindplasma und dem planetarischen Ionosphären-Ion trennt und ungefähr der inneren Grenze der Magnethülle entspricht [Martinecz et al., 2008]. Negative Distanzwerte zeigen an, dass VEX auf der der Venus zugewandten Seite des ICB umkreist. Auf der Tagseite ist es wahrscheinlicher, dass VEX den ICB, die Magnetopause und den MPR überquert als auf der Nachtseite. Um uns auf die innere Magnetosphäre zu konzentrieren, schließen wir hier in Abbildung 6 und in der folgenden EOF-Analyse die Profile aus, die sich mehr als 100 km über die ICB hinaus erstrecken.
Die entsprechenden Verteilungen für den blauen Sektor in Abbildung 5 werden angezeigt und später in Abschnitt 5 erörtert.
3.2 EOF-Analyse
Im Prinzip besteht eine Möglichkeit, ein empirisches Modell zu konstruieren, darin, jede der drei Magnetfeldkomponenten auf jedem der 48 Gitter von Φ zu modellierenGitter Verwendung einer Regressionsanalyse mit einem Satz von Kontrollvariablen (auch als unabhängige Variablen bezeichnet). Diese Methode umfasst insgesamt 144 einzelne Regressionen und führt zu 144 Gruppen von Koeffizienten. Die diesem Ansatz entsprechenden Basisfunktionen sind Deltafunktionen für jede an den einzelnen Gitterpunkten zentrierte Magnetfeldkomponente, was zu einer hinsichtlich der Varianzverteilung ineffizienten Darstellung führt. Um die Effizienz der Datenanalyse zu verbessern und das endgültige Modell durch eine effektive Reduzierung der Anzahl der erforderlichen Koeffizienten zu vereinfachen, implementieren wir vor der Regressionsanalyse die EOF-Analyse, eine kompakte Darstellung der Daten. Die EOF-Analyse ist im Wesentlichen eine orthogonale Transformation, bei der der größte Teil der Varianz von nur wenigen Basisfunktionen beigetragen wird. Die EOF-Analyse liefert eine niederrangige Approximation der Datenmatrix und reduziert den Datenanalyseaufwand erheblich. Anstelle von 144 Skalaren werden am Ende nur noch drei Skalare benötigt, um jeden der B(Φ) Profile, was zu einem empirischen Modell führt, das nur drei Gruppen von Regressionskoeffizienten umfasst. Siehe Anhang A für die Grundsätze und die Methodik der EOF-Analyse. Der aktuelle Abschnitt stellt seine Anwendung auf VEX-Daten vor.
(2) Hier ⟨B(ΦGitter)⟩ ist der Durchschnitt aller Profile B(ΦGitter), Sich ist die Punktzahl für ichEOF-Basis BEOFich(ΦGitter), die nach den Gleichungen 2 und 3 bestimmt wird. Der Beitrag der ichBasisfunktion zur Gesamtvarianz, nämlich 
, wird durch die roten Balken in Abbildung 7 angezeigt. 
hier ist die Varianz von soj. Der kumulierte Beitrag wird durch die durchgezogene rote Linie dargestellt. Nur wenige EOFs sind für den größten Teil der Varianz verantwortlich, z. B. trägt der erste EOF mehr als 50% der gesamten Varianz bei und die drei wichtigsten EOFs tragen mehr als 70% bei. Das mittlere Vektorprofil ⟨B(ΦGitter)⟩ und die ersten vier EOFs sind in Abbildung 8 dargestellt und werden in Abschnitt 4 diskutiert.
Der EOF-Zerlegung folgen typischerweise zwei weitere Verarbeitungsschritte.
Der erste Schritt beschäftigt sich mit der Natur und der Interpretation von EOF-Basisfunktionen im Hinblick auf physikalische Prozesse. EOFs wurden entwickelt, um dominante kohärente Variabilität zu extrahieren, die nicht unbedingt mit einem bestimmten physikalischen Phänomen verbunden ist. Mehrere EOFs können zu einem physikalischen Prozess beitragen und ein EOF kann mehrere physikalische Merkmale darstellen, die korreliert sind. Dementsprechend muss nach Interpretationen von EOFs in Bezug auf bekannte physikalische Prozesse gesucht werden.
Der zweite Verarbeitungsschritt befasst sich mit den EOF-Scores. Potenzielle Korrelationen zwischen EOF-Werten und anderen Faktoren zeigen die potenzielle Kausalität zwischen diesen Faktoren und den physikalischen Phänomenen, die durch den entsprechenden EOF repräsentiert werden. Dementsprechend besteht die zweite Aufgabe darin, die potenzielle Assoziation durch Korrelations- oder Regressionsanalyse zu untersuchen.
In der Praxis können diese beiden Schritte gekoppelt werden. Die EOF-Interpretation schlägt potenzielle Kontrollvariablen für die Korrelationsanalyse der EOF-Scores vor, während die Korrelationsanalyse oder Regressionsanalyse die EOF-Interpretation durch die Identifizierung von Kontrollvariablen berät und testet. Der folgende Abschnitt 3.3 stellt die Korrelationsanalyse und Regression dar, während die Interpretation von EOFs in den Abschnitten 4 und 5 diskutiert wird.
3.3 Lineare Regression: Amplituden
(3) 
(4) Die resultierenden Regressionskoeffizienten βs sind in Abbildung 10 dargestellt und werden im folgenden Abschnitt 4.2 diskutiert. Folge Er et al. [ 2014 ], Ridge Regression (auch bekannt als Tikhonov L2-Norm-Regularisierung) wird durchgeführt, um die Regression zu stabilisieren und die potenzielle Multikollinearität zu behandeln, in der die Kontrollvariablen miteinander korreliert sind. Die Regression liefert einen Bestimmungskoeffizienten R 2 für jeden der EOF-Werte. R 2 misst das Verhältnis des Anteils der erklärten Varianz zur Gesamtsumme. In Fig. 7 sind die erläuterten Teile mit dunkler Farbe gefüllt, wobei die dunkle Linie den angesammelten Teil darstellt. Der kumulierte erklärte Anteil stabilisiert sich bei ca. 37 % und Ordnung ich = 3 und wird als Summe bezeichnet R 2 später. Die Summe R 2 ist aufgrund kleiner und schneller Schwankungen relativ niedrig, die nicht mit den großräumigen und langsam variierenden physikalischen Prozessen korrelieren, die von EMVIM als statistisches Modell erfasst werden. Daher sollte EMVIM eher als erklärendes Werkzeug denn als Vorhersagemodell verstanden werden. Zu beachten ist auch die Unsicherheit bei den Kontrollvariablen. Wie in Abschnitt 3.5 erläutert, beziehen sich die IMF-Bedingungen auf die nächste ankommende oder abgehende Bogenstoßüberquerung, die typischerweise etwa 30 Minuten vor oder nach der Pfahlüberquerung liegt. Unter Verwendung von IMF-Messungen bei 1 AE vom 24. April 2006 bis 28. Dezember 2012, die vom OMNI-Archiv der NASA bereitgestellt wurden, berechnen wir einen Korrelationskoeffizienten von 0,78 aus der IMF-Autokorrelationsfunktion bei 30 Minuten Verzögerung. Ein weiterer Faktor, der für den insgesamt niedrigen Bestimmungskoeffizienten verantwortlich ist, ist das Fehlen wichtiger Kontrollvariablen wie SZA und Höhe. Wie aus Abbildung 6 hervorgeht, sind die Höhen- und SZA-Änderungen signifikant, und diese Variablen sind bei der Steuerung der magnetischen Parameter wichtig. Aufgrund der begrenzten Umlaufbahn kann die Regression jedoch nicht auf einem unabhängigen Satz von Höhen- und SZA-Variablen aufbauen. Der letzte Faktor ist die nichtlineare Variabilität. The magnetic variability in the inner magnetosphere is not necessarily linear and neither its response to the solar wind conditions. Hence, both the linear decomposition and linear regression in previous procedures are not perfect in capturing the variance. Obwohl die R 2 is low, the small p value (<<0.01) indicates a statistical significance on how changes in the control variables are associated with changes in the dependent variables.
3.4 Orbit Mapping
(5) Taking the three most important EOFs in both sectors into account, we obtain a model explaining 29% of the total variance. At this stage, the model function B(ΦGitter|p) covers only two curves representing the noon-midnight crossing (ja = 0) and dawn-dusk crossing (SZA = 0).
Since Venus is an unmagnetized planetary body, the geometry of the Venusian magnetosphere is organized by the cross-flow IMF component and the motional electric field. The resulting symmetries of the magnetic configuration with regard to the Sun-Venus axis allow to extend the model B(ΦGitter|p) from the noon-midnight and dawn-dusk curves to the two model surfaces. The extension of the noon-midnight curve comprises the surface shown in Figure 1 while the extension of the dawn-dusk curve comprises the surface shown in Figure 2. Accordingly, B(ΦGitter|p) in equation 5 is extended to Β(r|p) in equation 1. The r is constrained on the two surface shown in Figures 1 and 2.
3.5 IMF Estimation
(6) Inbound and outbound crossings are determined visually by checking for jumps in energetic electron density (E > 20 eV) and in the magnetic field strength as detailed by Rong et al. [ 2014 ]. At this stage, 61 orbits are removed as outliers due to extreme disturbance characterized by 
and 19 orbits are removed due to missing IMF data.
Mercury Transit Science
The distribution of equivalent width of sodium absorption around the disk of Mercury during the 8 November 2006 transit. Noise outside the region of sodium absorption is the result of fluc-tuations in solar intensity. The strongest absorption is found over Mercury’s north and south poles, without the dawn/dusk terminator difference found in the previous transit (Schleicher et al. 2004). From Potter et al. 2013, Icarus (reproduced with permission copyright 2013 Elsevier).
What can we learn about Mercury’s atmosphere and its seasonl variations from DKIST observations of Mercury’s transit across the Sun? Can the resonance absorption lines of K and Ca be observed at DKIST sensitivities?
There was some hope that early DKIST observations might overlap with the 11 November 2019 Mercury transit. Unfortunately, it was not possible to meet that aggressive goal which lay outside of the nominal DKIST construction timeline. We include a brief description of the science goals of Mercury transit observations here to illustrate the scientific flexibility of the DKIST observing system and to point to future possibilities within the DKIST lifetime. The next partial Mercury transits visible from Haleakalā are one ending in the early morning of 7 May 2049 and one midday to sunset on 8 November 2052. (https://eclipse.gsfc.nasa.gov/transit/catalog/MercuryCatalog.html, https://www.timeanddate.com/eclipse/in/usa ).
Mercury has a non-spherical seasonally varying exosphere (e.g., Domingue et al. 2007, McClintock et al. 2008, Cassidy et al. 2015, Vervack et al. 2016, Merkel et al. 2017) and a dynamic magnetosphere with dayside reconnection and magnetotail activity resembling that found at Earth (Slavin et al. 2009, 2010 Bagenal 2013). Full characterization of this unique atmosphere is challenging. Traditional remote sensing techniques are difficult due to the Sun’s proximity and downlink limitations led to NASA’s MESSENGER orbiter carrying a single point rather than slit scanning spectrometer. To date, observations of absorption by Mercury’s atmospheric constituents during rare solar transits has offered some of the highest spatial, temporal and spectral resolution observations (Figure 30, Schleicher et al. 2004, Potter et al. 2013, Schmidt et al. 2018). So far only sodium in Mercury’s atmosphere has been measured via its absorption signature, but with DKIST’s sensitivity, observations of the K and Ca atomic resonance absorption lines may be possible. The distribution of these in the Mercury atmosphere would constrain source and loss processes (Burger et al. 2012). It may also be possible to use broad-band absorption measurements to determine the dust density distribution around the planet.
Scientific use of Mercury transit measurements has progressed rapidly despite the rarity of transit events. Detection of Na I absorption in transit spectroscopy was first made by Schleicher et al. (2004). This provided convincing evidence for a dawn-side enhancement in Mercury’s exosphere. Sodium absorption as measured by Potter et al., 2013 was markedly different because of what is now understood as seasonal variation also seen in MESSENGER orbiter data. This was confirmed by later observations (Schmidt et al. 2018) which showed nearly identical Na distribution as the earlier 2004 observations taken during the same Mercury season. Further, the quality of the 2018 observations allowed measurements that spatially resolved the Mercury atmospheric scale height (
100 km) and enabled study of the exospheric time-dependence induced by solar wind interactions. During future transits, DKIST capabilities will enable spectral analysis of Doppler velocities,
90 km resolution of the atmospheric stratification and temporal resolution of solar wind and interplanetary magnetic field angle influences.
Critical science to address
Relevant Science Use Cases
Can K and Ca atomic resonance absorption be measured along with Na in the Mercury exosphere during transit?
Can broad-band dust absorption be used to characterize the dust distribution around Mercury?
Can Doppler shifts due to exospheric motions be detected?
Core Dynamics
8.03.2.1 Pre-Maxwell Theory
Magnetohydrodynamics is the study of the flow of electrically conducting fluids in the presence of magnetic fields. It has significant applications in technology and in the science of planets, stars, and galaxies. In this volume, its main focus is on its role in explaining the origin and properties of the geomagnetic field.
MHD is based on the equations governing fluid motion in the presence of magnetic fields and the equations governing EM fields in moving fluids. Nearly always, and invariably in geomagnetic studies, the nonrelativistic form of MHD is employed. This is appropriate when conditions are changing slowly, that is, when the characteristic velocity U of the conductor is small compared with the velocity of light c and when the time L /c taken by light to cross the system is small compared with all time scales T of interest. The EM fields are governed by the equations that were in use before Maxwell introduced displacement currents, and are therefore called the ‘pre-Maxwell equations’. Unlike full Maxwell theory, in which the electric field E und das Magnetfeld B are on an equal footing, E plays a subsidiary role in pre-Maxwell theory. This is why the magnetic field is usually referred to simply as ‘the field’. The aim of this subsection is to review pre-Maxwell theory briefly.
The pointwise form of the pre-Maxwell EM equations are, in SI units,
wo J is the current density and ϑ is the volume charge density. Equations [1a] and [1b] are, respectively, Ampère’s law and Faraday’s law. The sources on the right-hand sides of [1a] and [1d] must satisfy charge conservation and, in pre-Maxwell theory, this requires
which is consistent with [1a] . If [1c] holds for any t, it holds for all t by [1b] . The CMB, and the ICB, is represented by a ‘discontinuity surface’, S, across which material properties change abruptly. The same integral laws that led to [1a]–[1e] imply that
Here Θ is the surface charge density, C is the surface current density, ∇S is the two-dimensional surface divergence, nein is the unit vector to S, du is the velocity of a point P on S, and [Q] is the difference in limiting values of a quantity Q at P, evaluated on opposite sides of S.
Geodynamo theory is mainly concerned with timescales much shorter than those over which the Earth evolves. It is then a good approximation to take nein · du=0 on the CMB and ICB, and to assume that these surfaces are spherical, of constant radii rc und rich. Conditions [2] are simplified in Section 8.03.3.1 below.
Turbulent Pumping of a Magnetic Field in the Solar Convection Zone
As discussed in Section 5.5, for buoyant flux tubes with significantly super-equipartition field strength B ≳ (H p/ein) 1/2 B eq, wo B eq is in equipartition with the kinetic energy density of the convective downflows, the magnetic buoyancy of the tubes dominates the hydrodynamic force from the convective downflows and the flux tubes can rise unaffected by convection. On the other hand if the field strength of the flux tubes is comparable to or smaller than the equipartition value B eq, the magnetic buoyancy is weaker than the hydrodynamic force from the convective downflows and the evolution of the tubes becomes largely controlled by the convective flows. In this regime of convection dominated evolution, due to the strong asymmetry between up- and downflows characteristic of stratified convection, it is found that magnetic flux is preferentially transported downward against its magnetic buoyancy out of the turbulent convection zone into the stably stratified overshoot region below. This process of “turbulent pumping” of a magnetic field has been demonstrated by several high resolution 3D compressible MHD simulations (see Tobias et al., 1998, 2001 Dorch and Nordlund, 2001).
Tobias et al. (2001) carried out a series of 3D MHD simulations to investigate the turbulent pumping of a magnetic field by stratified convection penetrating into a stably stratified layer. A thin slab of a unidirectional horizontal magnetic field is introduced into the middle of an unstably stratified convecting layer, which has a stable overshoot layer attached below. It is found that the fast, isolated downflow plumes efficiently pump flux from the convecting layer into the stable layer on a convective time scale. Tobias et al. (2001) quantify this flux transport by tracking the amount of flux in the unstable layer and that in the stable layer, normalized by the total flux. Within a convective turnover time, the flux in the stable layer is found to increase from the initial value of 0 to a steady value that is greater than 50% of the total flux (reaching 80% in many cases), i.e. more than half of the total flux is settled into the stable overshoot region in the final steady state. Moreover the stable overshoot layer is shown to be an effective site for the storage of a toroidal magnetic field. If the initial horizontal magnetic slab is put in the stable overshoot layer, the penetrative convection is found to be effective in pinning down the majority of the flux against its magnetic buoyancy, preventing it from escaping into the convecting layer. It should be noted however that the fully compressible simulations by Tobias et al. (2001) assumed a polytropic index of ich = 1 for the unstable layer which corresponds to a value for the non-dimensional superadiabaticity δ of 0.1. Thus the convective flow speed v c for the strong downdrafts is on the order of (sqrt
The turbulent pumping of magnetic flux with field strength B ≲ B eq out of the convection zone into the stable overshoot region demonstrated by the high resolution 3D MHD simulations has profound implications for the working of the interface mean field dynamo models (Parker, 1993 Charbonneau and MacGregor, 1997) as discussed by Tobias et al. (2001). The interface dynamo models require efficient transport of the large scale poloidal field generated by the α-effect of the cyclonic convection out of the convection zone into the stably stratified tachocline region where strong rotational shear generates and amplifies the large scale toroidal magnetic field. Turbulent pumping is shown to enhance both the transport of magnetic flux into the stable shear layer and the storage of the toroidal magnetic field there. It further implies that the transport of magnetic flux by turbulent pumping should not be simply treated as an enhanced isotropic turbulent diffusivity in the convection zone as is typically assumed in the mean field dynamo models. Tobias et al. (2001) noted that a better treatment would be to add an extra advective term to the mean field equation characterizing the effect of turbulent pumping, which would correspond to including the antisymmetric part of the α-tensor known as the γ-effect (see Moffatt, 1978).
The Outer Heliosphere: The Next Frontiers
M.A. Lee , H. Fichtner , in COSPAR Colloquia Series , 2001
1 INTRODUCTION
There are two populations of cosmic rays in the outer heliosphere: galactic cosmic rays and anomalous cosmic rays. Both interact strongly with the solar wind. The two populations are shown in Figure 1 which is a schematic diagram of the heliosphere including the Sun, a radially outflowing solar wind with embedded magnetic irregularities, the solar wind termination shock where the solar wind is deflected toward the heliospheric tail (solid circle), the heliopause separating solar and interstellar plasma (inner dashed line), and a possible bow shock where the interstellar plasma flow is decelerated to flow around the heliopause (outer dashed line).
Abbildung 1 . A schematic diagram of the heliosphere showing the solar wind termination shock (solid line), heliopause (inner dashed line), a possible interstellar bow shock (outer dashed line), anomalous cosmic rays (small dots extending out to the heliopause), high-energy galactic cosmic rays (large dots), and low-energy galactic cosmic rays (small dots outside the heliopause).
The galactic cosmic rays (GCR) are denoted by small dots mostly outside the heliopause (low-energy GCRs with energies ≲ 300 MeV/nucleon) and large dots throughout space (high-energy GCRs with energies ≲ 300 MeV/nucleon). Outside the heliopause the intensity of low-energy GCRs should dominate that of higher-energy GCRs since the GCR differential intensity in the several-GeV energy range is proportional to E −2.7 . The GCRs originate from outside the heliosphere at supernova shock waves throughout the Galaxy, and also possibly at stellar wind termination shocks, pulsars, or other more exotic objects. They form a sea of energetic particles throughout the Galaxy with a pressure comparable to that of the interstellar plasma and magnetic field. They are partially expelled from the heliosphere by the “sweeping” action of the solar wind in the process known as solar modulation. As shown in Figure 1 , the low energy GCRs barely penetrate the heliosheath, that region of space between the termination shock and the heliopause, due to modulation effects. The high energy GCRs penetrate all the way to Earth’s orbit and bombard the upper atmosphere, creating the “showers” of nuclear interactions and secondary particles which led to the discovery of cosmic rays and the existence of a modulating environment about the Sun now known as the heliosphere.
The so-called anomalous cosmic rays (ACR) are denoted by small dots mostly within the heliopause in Figure 1 . The ACRs should perhaps better be called heliospheric cosmic rays since they owe their existence to the heliosphere. The ACRs originate at the solar wind termination shock in the process of diffusive shock acceleration. They are swept into the heliosheath by the subsonic solar wind flow and may leak across the heliospheric magnetic field at the heliopause into interstellar space. Due to their lower energies of 300 MeV/ion, in spite of their being mostly singly charged ions, they are strongly modulated but do reach Earth orbit during periods of minimum solar activity. Prior to acceleration they arrive in the heliosphere as interstellar neutral gas which flows into the inner heliosphere (shown in Figure 1 as dashed horizontal lines) and is ionized to form interstellar pickup ions, which are advected with the solar wind to the termination shock. At the termination shock the pickup ions, with their suprathermal halo distribution in velocity space, are favored in their injection into the process of shock acceleration.
This paper serves as an Introduction to the Sessions on Galactic and Anomalous Cosmic Rays: Messengers from Outside the Heliosphere.
7 Conclusions
- The five hydrothermal vent fields of the back-arc spreading region in the SMT are characterized by low-intensity magnetization generally lower than 5 A/m in the off-axis area. The hydrothermal alteration of magnetic minerals present in the extrusive lavas and/or the deposits of nonmagnetic hydrothermal material is responsible for the reduced magnetization of these zones.
- The MADAM estimates are generally consistent with the NRM values of rock samples from the seafloor of the same region, although the NRM values tend to be larger than the MADAM estimates for higher values and smaller for lower values. The former difference might reflect variations in magnetic grain size: fast cooling results in smaller grain size, and therefore, stronger NRM is observed for the outcropping rock samples with respect to the bulk MADAM estimates. The latter difference might reflect the difference in degree of low-temperature oxidation: indeed, the low-temperature oxidation of outcropping rock is higher than that of the subseafloor therefore, the NRM values could be weaker than the MADAM values.
- The distribution of MADAM estimates is generally consistent with equivalent magnetizations deduced from AUV surveys, although the resolution of the former is higher than the latter. For instance, the individual magnetic signatures of the Pika and Urashima sites could only be detected using high-resolution near-seafloor measurements undertaken by the HOV.
- Basalt to andesite and andesite-hosted hydrothermal systems of the southern Mariana back arc are characterized by low magnetization, as are the andesite to rhyodacite-hosted hydrothermal systems of the Marsili back-arc, Izu-Ogasawara back-arc rift, and Kermadec arc. This suggests that lava-hosted hydrothermal sites in arc/back-arc hydrothermal fields have a magnetic signature similar to the basalt-hosted sites in MOR setting.
- The off-axis hydrothermal vent sites are larger than the on-axis sites, reflecting the longevity of the hydrothermal activity. The Snail and Yamanaka sites, both located in the axial area, are likely controlled by dike intrusions over decadal timescales, whereas the Archean, Pika, and Urashima sites are likely controlled by off-axis magmatic activity over thousands of years.
Near-seafloor magnetic imaging of submarine hydrothermal systems provides important constraints to detect and study present and past hydrothermal activity, both in back-arc basins and at MORs.
