Caracterización del comportamiento fractal de BH adquirida en el Observatorio Geoelectromagnético de Juriquilla durante tormentas geomagnéticas de 2005. Ana Gabriela Bravo Osuna. Centro de Geociencias, Campus Juriquilla Universidad Nacional Autónoma de México Querétaro, México. Mayo, 2011 Resumen El conocimiento detallado del campo magnético durante una tormenta geomagnética puede ser útil para determinar su efecto en las actividades humanas que involucran cierto tipo de tecnologías. En este artículo se analizan algunas tormentas magnéticas, elegidas por su índice Dst, del año 2005 para caracterizar el comportamiento de la componente BH del campo geomagnético registrado en Juriquilla, a través del análisis que proporciona el programa Benoit 1.3 para la estimación del coeficiente de Hurst. El valor estimado de H permitió encontrar la firma de cada tormenta analizada y mostró que las firmas son muy similares debido a que las tormentas siguen una secuencia de fases. 1. Introducción. Una potente tormenta magnética es capaz de paralizar telecomunicaciones y redes de suministro eléctrico durante muchos días. Las tormentas magnéticas pueden originar incendios y causan interferencia en las señales de radio, afectan los sistemas de navegación aéreos e inducir corrientes eléctricas en tuberías. El conocimiento detallado de ellas puede ayudar a estimar sus efectos sobre diferentes tecnologías. La interacción entre el viento solar y la magnetosfera incrementa el número de partículas cargadas. Estas partículas andan a la deriva alrededor de la Tierra creando una corriente de anillo que produce una depresión en el campo magnético horizontal durante la fase principal (Gustavsson, 2006). Es por esta razón que se ha elegido la componente horizontal del campo magnético registrado por los magnetómetros. Una tormenta magnética pasa por tres etapas principales: 1. Una fase inicial causada por el incremento de la presión del plasma asociado con un incremento en densidad y velocidad. Esta etapa se caracteriza por un impulso súbito (Sudden Impulse, SI) medible a nivel de terreno (Rostoker et al., 1997). 2. Una fase principal, en donde el valor de la componente BH tiene un pico hacia valores negativos. 3. Una fase de recuperación con duración de horas o días. Durante esta fase la componente BH recupera sus valores pre-tormenta gracias a una combinación de procesos de pérdida de partículas energéticas. La intensidad de una tormenta magnética se mide comunmente por el índice Dst durante la tormenta, este índice (Sigiura, 1964) fue desarrollado como una medida de la componente simétrica de la corriente de anillo. El análisis fractal se puede aplicar a cualquier sistema complejo autoorganizado, es decir, una serie de tiempo resultante de un proceso que obedezca a una ley de potencias. Es, por tanto, aplicable al estudio de fenómenos geofísicos para los que se ha utilizado en la predicción de éstos (Gotoh, et al., 2003; Anh et al.,2005). En este artículo se analizaron las series de tiempo de cinco tormentas de 2005, series de once días (cinco días antes de la tormenta, más el día de la tormenta, más cinco días después de la tormenta). Esto permite conocer la evolución de una tormenta en términos de dimensión fractal. Las series de tiempo son analizadas día a día mediante el software Benoit 1.3 para obtener el índice H, o exponente de Hurst. Se grafican los puntos obtenidos para cada uno de los días analizados. Los once puntos estimados de cada tormenta describen a la misma a modo de “firma”. Finalmente se comparan las firmas de las cinco tormentas para observar la similitud de las firmas. La sección 2 describe la metodología seguida desde la selección de los datos, descripción de índices y el método de análisis. La sección 3 muestra los resultados obtenidos a través de los análisis de series de tiempo, gráfica de índices H y comparación entre firmas de tormentas. En la sección 4 se discuten los resultados y se comparan con los resultados obtenidos por otros autores utilizando métodos diferentes. 2. Método. De acuerdo con los registros de Dst de Kyoto, se han elegido tormentas del año 2005 (año con mínima actividad solar) cuyos “picos” rebasan el umbral de -100 nT, éstas ocurrieron los días 8 de mayo (Dst≈ -127), 15 de mayo (Dst≈-263), 30 de mayo(Dst≈-138), 12 de junio (Dst≈-105)y 24 de agosto (Dst≈-216). Se seleccionó un análisis basado en Wavelet para estimar un índice de Hurst, mismo que indica qué tan predecible es un valor a partir del valor anterior en la serie. La transformada Wavelet tiene una base fractal y es útil al aplicarse a series no periódicas multiescaladas, a series no estacionarias. Los datos analizados corresponden a la componente BH del campo magnético registrada en el Observatorio Geoelectromagnético del Campus Juriquilla de la UNAM (Cruz-Abeyro et al.,2005). El campo magnético es medido mediante magnetómetros fluxgate con una frecuencia de muestreo de 1 Hz, es decir, la serie de tiempo es discreta y, por su naturaleza, cumple con una ley de potencias. Wavelet. El análisis wavelet es una herramienta para analizar las variaciones de una serie de tiempo cuya frecuencia varía en el tiempo, no estacionarias.Es la forma más satisfactoria de medir la fuerza de la persistencia en estas series no estacionarias. Wavelet no presenta los problemas del análisis espectral de Fourier (Malamud y Turcotte, 1999). Las propiedades fractales se hacen presentes ahí donde el espectro de potencia de la ondeleta es una ley de potencia de la frecuencia. El método Wavelet está basado en la propiedad de que las transformadas Wavelets de series de tiempo autoafines tienen propiedades auto-afines. Considerando n transformadas wavelet cada una con un coeficiente de escalado diferente ai , donde S1, S2 ,… Sn , son las desviaciones estándar de cero de los coeficientes de escalado respectivos ai . € € € Al€definir la razón de las desviaciones estándar G1, G2 , …, Gn−1 como: € € € € G1 = € € S1 S S , G2 = 2 ,…, Gn−1 = n−1 . Al estimar el valor promedio de Gi como: S2 S3 Sn € G prom ∑ = n−1 i=1 Gi n −1 € El exponente de Hurst (H) es H = f (G prom ) , donde f es una función heurística la cual aproxima el exponente Hurst usando G prom para € series de tiempo auto-afines. € Índice de Hurst. El análisis wavelet que realiza el programa Benoit € 1.3 permite estimar el índice Hurst y la dimensión fractal. Ya que el análisis wavelet analiza variaciones en la potencia al descomponer una serie de tiempo en un espacio tiempo frecuencia para determinar tanto los modos dominantes de la variabilidad y el modo en que éstos varían con el tiempo. Benoit usa n = 4 y ai= 2i para i = 0,1,2,3. La dimensión fractal es Dw = 2 − H y la ondeleta madre es una función escalón. € El significado € € del índice Hurst se resume de la siguiente € del valor manera: H > 1: Auto-afín con fuerte persistencia H=0: Ruido blanco H < 1: No persistente Las series de tiempo de la componente BH adquirida en el Observatorio Geoelectromagnético de Juriquilla fueron analizadas de la siguiente manera: 1. Abriendo en excel el archivo del día o segmento a analizar y corriendo el punto cinco decimales . En el programa Benoit 1.3 se elige la opción wavelet y se copia el segmento de datos a analizar. El programa Benoit mostrará una ventana con el exponente H estimado y la dimensión fractal. 2. Se analiza una serie de tiempo de un día y se estima un coeficiente H. El análisis se aplica al día de la tormenta y a los cinco días previos y cinco posteriores a ella. 3. Análisis de la serie de tiempo iniciando cinco días antes del día de la tormenta, el día de la tormenta y los cinco días siguientes, en segmentos de tres horas, lo cual permite llevar una secuencia más detallada del comportamiento de H al obtener ocho análisis de tres horas para cada día que permiten calcular una desviación estándar que se muestra en barras de incertidumbre para cada uno de los días analizados. 3. Resultados. Los resultados descritos en la metodología se muestran en esta sección. Tormenta del 8 de mayo, 2005. La tormenta del 8 de mayo aparece señalada con una flecha roja indicando el valor del índice Dst. El pico más bajo ocurre tras una caída previa y la fase de recuperación se muestra perturbada (Figura 1). Figura 1. Índice Dst para Mayo de 2005. El comportamiento de BH cinco días previos, durante la tormenta y cinco días después, se muestra en la figura 2, y está acorde a las principales etapas del índice Dst, aunque la perturbación durante la recuperación se aprecia mejor en la gráfica de BH. Figura 2. Gráfica de BH del día 3 al 13 de Mayo. El desarrollo de la tormenta del 8 de mayo en términos de H cada 24 horas puede describirse como una firma que tiene un valor cercano a 0.5 (ruido blanco), seguido de un máximo valor, cercano a la unidad el día de la caída de BH, y una caída del valor de H durante los dos días siguientes que corresponden a una fase de recuperación. Se muestran los resultados del análisis con el programa Benoit con sus barras de incertidumbre obtenidas según punto 3 de sección “Índice de Hurst”. *Día de la tormenta. Figura 3. Comportamiento de H a lo largo de 11 días, analizado en segmentos de 24 horas. Tormenta del 15 de mayo, 2005. La tormenta se caracteriza por tener un inicio súbito antes de que una tormenta anterior (8 de mayo) lograra su recuperación a niveles pre-tormenta, de modo que el impulso súbito de la tormenta del 15 de mayo se da en un ambiente perturbado seguido de la caída del índice Dst y la fase de recuperación con duración de cuatro días. Figura 4. Comportamiento del índice Dst para la tormenta del 15 de Mayo. El comportamiento de la componente BH registrado en Juriquilla se muestra en la figura 5. Corresponde con el índice Dst observado. La rugosidad es evidenciada en la figura 5. Figura 5. Componente BH registrada en Juriquilla. La evolución de la tormenta, en términos de coeficiente H a lo largo de 24 horas se muestra en la figura 6. Se nota una elevación en el valor de H el día 13, seguido de una caída cercana a 0.6 para después alcanzar su máximo cercano a la unidad, también correspondiente a la caída de índice Dst y de BH; los dos días siguientes el valor de H vuelve a descender hasta ser casi ruido blanco en la fase de recuperación. La figura 6 muestra la evolución de H con barras de incertidumbre obtenidas según punto 3 de sección “Índice de Hurst”. Figura 6. Evolución de H analizado por día para la tormenta del 15 de Mayo. Tormenta del 30 de Mayo. Esta tormenta se caracteriza por iniciar durante ambiente perturbado magnéticamente. El impulso súbito ocurre en nivel negativo, la caída es amortiguada y la recuperación no es suave. La tormenta en cuestión está señalada en la figura 7. Figura 7. Tormenta del 30 de mayo. La figura 8 muestra el comportamiento de la componente BH medida en Juriquilla, donde los valores de BH se muestran perturbados mientras ocurre la caída del índice Dst. Los picos de BH no coinciden a la perfección con los picos de Dst. Figura 8. Comportamiento de BH durante la tormenta del 30 de mayo. Los coeficientes H estimados para cada uno de los días alrededor de la tormenta del 30 de mayo se pueden ver en la figura 9. En ésta se aprecian valores de H cercanos a 0.5 antes del impulso súbito, H toma un valor más alto un día antes de la caída del índice Dst. El máximo valor de H ocurre con la caída de los valores de BH (o Dst) para caer al día siguiente. Conforme al punto 3 de la sección “Índice de Hurst”, la figura 9 muestra la evolución de la tormenta. Figura 9. Gráfica de H para cada día alrededor de la tormenta del 30 de mayo. Tormenta del 12 de junio, 2005. Se trata de una tormenta moderada con un impulso súbito muy pequeño en Dst (figura 9) pero notable en BH (figura 10). Figura 9. Índice Dst para la tormenta del 12 de junio. En la figura 10 se aprecia mejor la rugosidad de la serie. Figura 10. Comportamiento de BH alrededor de la tormenta del 12 de junio. La figura 11 muestra los valores de H estimados para cada análisis diario alrededor de la tormenta del 12 de junio. A diferencia de las otras tormentas analizadas en este artículo, el análisis de la tormenta del 12 de junio proporciona valores de H menores a 0.5 (antipersistencia). La figura 11 muestra la evolución de la tormenta del 12 de junio con barras de incertidumbre obtenidas según punto 3 de sección “Índice de Hurst”. Figura 11. Valores de H estimados diariamente alrededor de la tormenta del 12 de junio. Tormenta del 24 de agosto, 2005. Esta tormenta se caracteriza por una fase pre-tormenta poco perturbada, un impulso súbito muy pequeño y una caida seguida de una fase de recuperación de seis días. Figura 12. Comportamiento del índice Dst para la tormenta del 24 de Agosto. El comportamiento de BH registrado en Juriquilla se muestra en la figura 13. La fase previa al impulso súbito está perturbada. El impulso muestra varios picos y, finalmente una caída a la que sigue una fase de recuperación perturbada. Figura 13. Componente BH registrado en Juriquilla para la tormenta del 24 de Agosto. El análisis wavelet de Benoit para la tormenta del 24 de agosto. Los coeficientes H son resultado de analizar 24 horas. La figura 14 muestra el comportamiento de H para los once días, donde se observa un incremento del valor de H dos días previos a la tormenta, seguido de un decremento cercano a 0.6 y un pico en el valor de H cercano a la unidad en la fase de la caída de BH. La fase de recuperación muestra valores de H decrecientes con el tiempo. Figura 14. Comportamiento de H en el análisis diario de cinco días previos, día de la tormenta y cinco días posteriores, donde las barras de incertidumbre se obtuvieron según punto 3 de sección “Índice de Hurst”. Los resultados de los análisis para estimar H a lo largo de once días para las cinco tormentas se encuentran graficados en la figura 15, éstos muestran patrones o “firmas”. Puede observarse que, en general, la forma de las firmas es muy similar, porque a medida que se acerca el momento de la caida en la componente BH, el comportamiento de los valores de la serie de tiempo está fuertemente influenciado. Se aprecia un pico en el valor de H el cual coincide en cuatro de las cinco series. Tormenta 8 de Mayo: rojo; tormenta 15 de mayo: verde; tormenta 30 de mayo: azul; tormenta 12 de junio: cyan; tormenta 24 de agosto: magenta. Figura 15. Firmas de las cinco tormentas analizadas. Los valores estimados para H a lo largo del periodo seleccionado tienen un comportamiento fractal que es muy similar para cuatro de las cinco tormentas analizadas. En otras palabras, las tormentas tienen firmas similares debido a que su desarrollo presenta tres fases bien definidas. 4. Discusión. Los estudios de las tormentas magnéticas han sido enfocados a la predicción de éstas a partir de métodos estadísticos aplicados a los índices Dst y Kp y también a la caracterización de las tormentas con base en estudios fractales de índice Dst (Balasis, 2008). Mediante métodos estadísticos se ha encontrado una fuerte correlación entre pendientes de la ley de potencias de las distribuciones de Dst y Kp, y la intensidad de la tormenta. También se ha observado que a medida que se acerca la tormenta los resultados son más confiables, lo cual confirma un comportamiento de componente BH o índice Dst muy influenciado por la tormenta. Los resultados encontrados en el presente estudio coinciden con los resultados encontrados por estudios del índice Dst de largo periodo realizados por Balasis (2008), quien en sus estudios de índice Dst encontró una transición de un estado poco ordenado a uno más ordenado (H cercana a 1), un comportamiento con carácter antipersistente (H) en una etapa de 32 a 1 días antes de una fuerte tormenta magnética que tiende a la persistencia conforme pasa el tiempo. 5. Conclusión. El análisis del índice H arroja información acerca del comportamiento de una serie de tiempo. En el caso de este estudio, las series de tiempo analizadas muestran un comportamiento fractal claramente influenciado por una tormenta magnética, que se refleja en una firma, los valores en la serie correlacionan con sus adyacentes exhibiendo una fuerte persistencia en un lapso bien definido. El estudio de un número mayor de tormentas permitiría clasificar las tormentas magnéticas por sus firmas ya que no todas tienen un mismo patrón de evolución. El estudio de fenómenos como las tormentas magnéticas puede lograrse con relativa facilidad mediante métodos fractales que permiten entender la dinámica del fenómeno estudiado a través de los cambios en H a lo largo del tiempo. Agradecimientos. Se agradece al Dr. Román Pérez Enríquez el aporte de los datos, su guía, sus comentarios y sugerencias; a la Maestra Rebeca López y al Dr. Mario Rodríguez por sus comentarios; a la Dra. Klavdia Oleschko por la asesoría con los métodos fractales, y al Dr. Anatoliy Kotsarenko por la información y asesoría sobre Matlab. Bibliografía y Referencias. Anh, V.V., Yu, Z.G., Wanliss, J.A., Watson, S.M. Prediction of magnetic storm events using the Dst index. 2005 Balasis, Georgios. From normal state to magnetic storms in terms of fractal dynamics. 2008. Gotoh, K., Hayakawa, M., Smirnova, N., Hattori, K., Fractal analysis of seismogenic ULF emissions. Physics and chemistry of the Earth. 2003. Gustavsson, Anna. Magnetic Storms:Measurement and forecasting. 2006. Introduction to Space Physics. Editado por Margaret Kivelson y Christopher Russell. Cambridge University Press. 1995. Magnetic Storms. Editado por Bruce Tsurutani, Walter Gonzalez, Yohsuke Kamide y John Arballo. American Geophysical Union. 1997. Malamud, B.D, Turcotte, D.L. Self affine time series: measures of weak and strong persistance. Journal of Statistical Planning and Interference 80 (1999). Primeras observaciones de micropulsaciones en el Observatorio Geomagnético del Campus Juriquilla de la UNAM, Querétaro: Instalación y calibración de los Magnetómetros Fluxgate. J. A. L. Cruz-Abeyro, R. Pérez Enríquez y A. Kotsarenko. Bol-e, Vol. 1, No. 1, 2005. Rostoker, G., Friedrich, Erena and Dobbs, Matthew. Physics of Magnetic Storm. Magnetic Storms. Geophysical Monograph 98. AGU. Sugiura, M., Hourly values of the equatorial Dst for IGY, in Ann.Int. Geophys. Year 35,945, Pergamon Press, Oxford, 1964.