利用一般框架理解太阳循环可预测性的机制
机器人学
2026-04-16 v1
摘要
太阳表面观察到的大尺度磁场由内部 dynamo 过程产生。然而,该表面磁场是否也为随后的 dynamo 循环提供主要种子因素仍存争议,这对太阳 dynamo 模型的预测能力具有重要影响。我们在一般框架内研究此类可预测性物理条件。通过对磁力学方程应用 Stokes 定理,我们建立了表面磁场与随后 dynamo 过程之间的直接物理联系。表面磁感应积分在净螺旋磁通产生率中的占主导地位,提供了量化评估 dynamo 可预测性的标准。我们将该框架应用于五个典型 dynamo 模型。该一般框架表明,当表面极化场通过如孕育循环等 flux 输运过程高效地反馈至 dynamo 环路时,表面磁场便获得可预测性,这一条件在 Babcock-Leighton(BL)类型和 平均场 dynamo 模型中均可满足。该框架进一步识别了另一条件:表面磁场代表内部极化场的径向分量(如原始 BL 类型 dynamo 场景中所示),此时表面磁场才具备可预测性。此外,不同 dynamo 模型中的非零净螺旋磁通支持将其作为连接内部螺旋场与表面 flux 现现象的代理变量。
引用
@article{arxiv.2604.13584,
title = {UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry},
author = {Jui-Te Huang and Tinashu Huang and Anthony Rowe and Michael Kaess},
journal= {arXiv preprint arXiv:2604.13584},
year = {2026}
}