Animation comparant l'apparition prévue de la couronne solaire le 2 juillet 2019, éclipse avec une photo de l'événement réel. Crédit :Prédiction d'éclipse (image bleue) :Predictive Science Inc. ; Photographie de l'éclipse :Williams College/NSF Atmospheric and Geospace Sciences Division/Jay Pasachoff/David Sliski/Alan Sliski/Christian Lockwood/John Inoue/Erin Meadors/Aris Voulgaris/Kevin Reardon
Alors que le coucher du soleil approchait le 2 juillet, 2019, des milliers le long d'un ruban de terre s'étendant à travers le Chili et l'Argentine regardaient le ciel, attendant que l'ombre de la Lune les jette dans l'obscurité momentanée. Ils savaient qu'une éclipse solaire totale allait arriver, et compté les secondes.
Mais un petit groupe de scientifiques observait avec impatience pour une raison différente. Ils avaient déjà une idée de ce à quoi ressemblerait l'éclipse elle-même :quelques jours auparavant, en utilisant les données de la NASA, ils ont prédit comment la couronne - l'atmosphère extérieure nacrée du Soleil - apparaîtrait réellement depuis le sol. Ils étaient impatients de voir la tenue de leur prédiction.
Prédire quand et où une éclipse totale se produira est simple. Mais les éclipses sont aussi l'occasion de tester la capacité de faire des prédictions beaucoup plus complexes de la structure en constante évolution de la couronne, qui envoie des gaz super chauds – appelés vent solaire – en rafales dans tout le système solaire. Ce flux sortant constant façonne les conditions spatiales dynamiques que nous appelons météo spatiale. La modélisation de la couronne est un élément crucial pour mieux comprendre et éventuellement prédire la météo spatiale, qui affecte les satellites, astronautes, et la technologie du quotidien, comme la radio et le GPS.
En comparant leur prédiction à des photographies d'éclipses du sol, les chercheurs pourraient évaluer et améliorer les performances de leurs modèles. Leurs prédictions ont également permis à certains scientifiques de l'éclipse de cibler à l'avance les cibles de leurs expériences.
Predictive Science Inc.—une société privée de recherche en physique informatique basée à San Diego, Californie, et soutenu par la NASA, la National Science Foundation et l'Air Force Office of Scientific Research — ont utilisé les données de l'observatoire de la dynamique solaire de la NASA, ou SDO, pour développer leur prédiction. Pendant environ deux jours, le groupe a principalement exécuté le modèle sur le supercalculateur Pleiades de la division Advanced Supercomputing de la NASA au centre de recherche Ames de l'agence dans la Silicon Valley, Californie.
Predictive Science Inc. a affiné son modèle numérique pour simuler l'apparition de la couronne le 2 juillet Éclipse solaire totale de 2019. Crédit :Predictive Science Inc.
Leur modèle utilise les mesures des champs magnétiques de SDO à la surface du Soleil pour prédire comment le champ magnétique façonne la couronne au fil du temps. La version de cette année était un raffinement du modèle numérique complexe utilisé par le groupe pour prédire l'éclipse d'août 2017.
La prédiction 2019 des chercheurs présente une couronne nébuleuse, avec deux larges, des banderoles brumeuses l'une en face de l'autre, et des panaches plus petits jaillissant des pôles magnétiques nord et sud. Le manque de définition de la couronne simulée est probablement le résultat de l'état actuel du champ magnétique du Soleil, qui est caractéristiquement plus faible pendant sa marche actuelle vers le minimum solaire, la relative accalmie dans son cycle naturel de 11 ans, a déclaré Cooper Downs, chercheur en sciences prédictives.
Photo prise le jour de l'éclipse depuis le Chili, 2 juillet 2019. Crédit :Williams College/NSF Division des sciences atmosphériques et géospatiales/Jay Pasachoff/David Sliski/Alan Sliski/Christian Lockwood/John Inoue/Erin Meadors/Aris Voulgaris/Kevin Reardon
"Je suis ravi, " Downs a dit après l'éclipse. " Le Soleil a coopéré, et les banderoles étaient au bon endroit. Bien sûr, en tant que scientifique, Je regarde déjà les détails sur lesquels nous nous sommes trompés et où nous pouvons nous améliorer. Mais c'est fantastique de voir qu'il y aura des mesures scientifiques de qualité auxquelles nous pouvons comparer en détail, et beaucoup à apprendre de cette comparaison."
Downs s'est senti en confiance après que son équipe a publié sa prédiction finale de l'éclipse le 25 juin, une semaine avant l'éclipse :Pendant le minimum solaire, le Soleil évolue lentement, et l'équipe a bénéficié d'observations solides en temps réel sur lesquelles baser leurs modèles.
Cette année, l'équipe s'est en partie concentrée sur l'amélioration de sa modélisation du champ magnétique polaire du Soleil, qui influence fortement la forme de la couronne pendant le minimum solaire. Les scientifiques utilisent des modèles pour estimer le champ magnétique aux pôles du Soleil, car ils n'ont pas actuellement de mesures là-bas.
La prédiction résultante arborait de fines caractéristiques de type jet, jaillissant des pôles nord et sud du Soleil comme des poils fins. L'orbiteur solaire de l'Agence spatiale européenne, lancement prévu en 2020, aura une vue unique sur les pôles, combler une lacune importante dans notre compréhension du Soleil.
Un autre vaisseau spatial plonge déjà dans la couronne, cherchant à répondre à des questions fondamentales sur le Soleil, comme pourquoi la couronne flamboie beaucoup, beaucoup plus chaud que la surface solaire en dessous, ou ce qui alimente le vent solaire à des vitesses supersoniques.
La sonde solaire Parker de la NASA a terminé sa deuxième approche rapprochée du Soleil en avril, et se prépare pour un autre en septembre. Heures supplémentaires, Parker Solar Probe se rapproche de notre étoile, collecter des données précieuses qui fonctionnent de pair avec les modèles solaires. La science prédictive fait également des prédictions sur ce que le vaisseau spatial voit pendant les survols solaires.
"Chaque fois que Parker fait un périhélie, on obtient des mesures du champ magnétique, vitesse du vent plasma et solaire, " a déclaré Downs. De bonnes observations améliorent les modèles et vice versa. " Les modèles seront un moyen essentiel d'interpréter ces données, et ces données seront essentielles pour contraindre et affiner les modèles."