综述：预测太阳高能粒子：太阳风暴监测——为空间奥德赛做准备

《SPACE SCIENCE REVIEWS》：Predicting Solar Energetic Particles: Solar Storm Watch - Preparing for Space Odyssey

本文系统回顾了太阳高能粒子（SEP）事件的预测方法，涵盖了从基于太阳耀斑、日冕物质抛射（CME）等前兆现象的实证模型，到结合粒子加速与传播物理过程的数值模型，乃至利用多元统计和机器学习（ML）的前沿技术。文章强调了为保障未来载人登月（如阿尔忒弥斯计划）和火星探测任务安全，发展可靠SEP预警系统的紧迫性与挑战，并指出整合多源观测数据与先进建模是提升预测准确性的关键。

　　

引言

太阳高能粒子（SEP）是由太阳上的爆发性现象（如太阳耀斑和日冕物质抛射）产生的高能粒子（质子、电子和重离子），其能量范围可从数十keV到数GeV。SEP事件对星际空间中的航天器设备、宇航员以及地球磁层和大气层（通过次级效应）构成直接的辐射危害。随着人类计划重返月球并前往火星，准确预测SEP事件变得至关重要。

关键依赖关系

SEP事件的发生和特性与母体太阳活动密切相关。研究表明，SEP峰值强度与CME速度之间存在合理的相关性。快速且宽的CME有利于产生大范围的“缓变型”SEP事件，因为它们是形成能够有效加速粒子的激波的必要条件。SEP的观测还强烈依赖于母体太阳爆发的位置（日面经度）。由于行星际磁场（IMF）的阿基米德螺旋结构，位于太阳西半球的活动区通常与地球有更好的磁连接，因此更易产生被近地空间观测到的SEP事件。然而，STEREO等任务的多点观测表明，SEP事件可以广泛传播，甚至覆盖近360度经度范围。此外，太阳射电暴（如III型和II型射电暴）为粒子加速和注入行星际空间提供了关键的时间标记。

预测SEP事件

SEP预测可分为短期临近预报（Nowcasting）和长期预报（Forecasting）。

临近预报-短期预测

此类方法通常利用太阳爆发事件的参数进行实时或准实时预测。

• •
  经验与多元统计方法：早期模型主要利用GOES卫星观测的太阳耀斑软X射线（SXR）流量等参数。例如，PROTONS和PPS系统以及UMASEP模型利用耀斑SXR流量与粒子流量之间的滞后相关性进行预测。基于CME参数（如速度、宽度）的概率函数也被开发并集成到FORSPEF等工具中。SEPSTER模型则利用CME速度和观测器与爆发源之间的磁连接角距离来预测质子峰值流量。
• •
  机器学习方法：机器学习技术被广泛应用于SEP事件的二元分类（是/否）预测。研究比较了逻辑回归（LR）、支持向量机（SVM）、神经网络（NN）、随机森林（RF）等多种算法，发现CME速度和SXR fluence等特征是预测SEP发生的关键因子。例如，随机森林模型在不平衡数据集上实现了约76%的概率检测（POD）和34%的虚警率（FAR）。时间序列分析模型（如使用双向长短期记忆网络BiLSTM）则尝试预测未来数小时的SEP流量剖面。

预报-长期预测

长期预测旨在提供数小时至数天的预警时间。

• •
  物理模型：这类模型试图从物理原理出发模拟SEP的加速和传播过程。例如，PARADISE模型结合背景太阳风的磁流体力学（MHD）模拟（如EUHFORIA）和粒子传播模型，在三维空间中模拟SEP事件。SOLPENCO模型则结合激波模拟和沿单根帕克场线的粒子传输，来预测SEP流量和累积注量剖面。这些模型能够考虑非帕克场背景、粒子散射、垂直于场线的扩散等复杂物理过程，但计算成本高且输入参数（如种子粒子种群、湍流条件）往往难以实时精确获取。
• •
  机器学习与数据融合：一些方法利用磁图等数据先预测太阳爆发事件（耀斑、CME），再进一步预测SEP事件。也有模型尝试将物理模型与机器学习结合，以降低不确定性。

SEP加速与传播的物理机制

SEP事件的预测困难源于其复杂的物理过程。

• •
  加速机制：SEP主要在太阳耀斑的磁重联过程和CME驱动的激波处被加速。激波加速机制如扩散激波加速（DSA）和激波漂移加速（SDA）的效率取决于粒子能量、质量、电荷以及局地激波特性（如马赫数、取向）。粒子在传播过程中还会自生湍流，进一步影响加速效率。
• •
  传播机制：粒子在行星际空间中传播时，会受到聚焦效应、投掷角散射、垂直于场线的扩散、漂移等过程的影响。这些过程显著改变了SEP的强度-时间剖面、能谱和各向异性。行星际磁场结构、太阳风状态以及瞬变结构（如ICMEs）都会调制SEP的传播。

当前现状与未来挑战

当前的研究趋势是开发集成的、多层次的SEP预测系统，例如SPRINTS、MEMPSEP和ASPECS。ASPECS是一个模块化的预警系统，它耦合了数据驱动概念和物理模型，能够提供SEP事件发生概率、预期峰值流量以及完整的强度-时间剖面预测。

未来面临的挑战包括：对SEP加速和传播的基本物理过程理解仍需深化；需要更多、更精确的多点观测数据（特别是来自Solar Orbiter、Parker Solar Probe等新任务的数据）来约束模型；需要发展计算效率更高的模型以满足实时操作需求；以及需要建立持续稳定的空间天气观测网络（例如在日地L4/L5点部署探测器）以实现对太阳的全局监测。

结论

预测SEP事件对于未来的“空间奥德赛”（如载人登月和火星探测）至关重要。尽管过去几十年取得了显著进展，但准确的预测仍然是一个巨大的挑战。未来的发展依赖于对SEP加速和传播物理的进一步理解、多视角和多波段观测数据的融合、先进数值模型与机器学习方法的结合，以及将研究模型有效转化为业务化预报系统。跨学科的合作和持续的国际努力是应对这一挑战、确保深空探索安全的关键。