Il progetto ADA è composto da una rete di rivelatori di raggi cosmici fondata nel 2013. La rete è costituita prevalentemente da rivelatori AMD5 e altri rivelatori costruiti autonomamente. Questa serie di dati è una delle più lunghe attualmente custodite da ADA. Il rivelatore AMD5 ha prodotto costantemente otto anni di dati, da aprile 2015 a fine giugno 2022. In realtà il rivelatore era in funzione anche nei due anni precedenti (2013 e 2014), dove però il funzionamento non era costante in quanto tutto il sistema era ancora ai suoi albori e in fase di avviamento.
Questo AMD5 in sostanza funziona da dieci anni (con alcune pause di manutenzione) e i suoi dati sono stati già utilizzati in altri articoli e anche pubblicati su qualche rivista. In questo spazio cerchiamo di fare un'analisi complessiva e generale su questo periodo ininterrotto di otto anni, prima vediamo però la situazione dell'attività solare.

Il ciclo solare 25

Per chi studia i raggi cosmici il ciclo solare è sempre sotto sorveglianza, questo perchè l'intensità dei raggi cosmici che penetrano nel sistema solare dipende dalla "forza" dell'eliosfera che è direttamente proporzionale al campo magnetico solare, il quale dipende dall'attività della stella. Maggiore è l'attività del Sole e minori sono i raggi cosmici che piovono sulla Terra. La previsione sul venticinquesimo ciclo solare è stata sbagliata, chiaro sintomo che la nostra comprensione sul funzionamento del Sole è modesta. Nessuno infatti si aspettava un così alto numero di macchie solari (indice dell'attività del Sole) come quelle apparse finora, numero che è stato di gran lunga più alto del previsto.

Ciclo solare 24 e previsione sbagliata per il 25 (NOAA).

I dati di ADA

Come al solito la prima cosa da fare con una serie di dati è quella di ricavare un grafico dell'andamento e cercare di interpretarlo.

ADA - otto anni di dati sui raggi cosmici.

Il grafico rappresenta in ordinate la media di muoni rivelati e in ascisse il tempo in giorni. Ogni punto della griglia (366, 731...) corrisponde circa a inizio aprile di ogni anno. Durante il corso degli anni si notano diverse oscillazioni rappresentate dalla media mobile (linea in rosso) e un evidente picco negativo. Le cause delle oscillazioni periodiche sono note e dipendono prevalentemente dall'effetto stagionale meteorologico e dall'attività solare. Il motivo del periodo di forte diminuzione (2017) è già stato interpretato come l'effetto cumulativo della calda estate di agosto-settembre 2017, in concomitanza con un imprevisto risveglio dell'attività solare di settembre dello stesso periodo.

Un'altra cosa semplice da verificare è la tendenza generale. Questo si può fare con l'analisi di regressione lineare. Da questi dati - nell'insieme - dal 2015 ad oggi i raggi cosmici risultano in leggero aumento. La retta ha infatti equazione di circa Mu= 1.8 + 5e^-5*num (giorni). Questo può essere utile per avere appunto un'idea della tendenza cumulativa che quasi sicuramente dipende dalla situazione spaziale (eliosfera).

Tendenza lineare (minimi quadrati) dell'andamento generale.

Per verificare i nostri risultati solitamente facciamo riferimento alla rete NMDB (rivelatori di neutroni cosmici). A tale scopo abbiamo estratto un grafico relativo al rivelatore JUNG1 (Jungrfaujoch CH) nello stesso periodo temporale considerato. Dal grafico risulta evidente la tendenza positiva, anche senza applicare l'analisi di regressione.

Tendenza del rivelatore di neutroni dello Jung, sovrapposto al ciclo solare.

Lo stesso tipo di analisi di regressione si può ripetere anche anno per anno, questo è stato fatto, ad esempio analizzando i primi sei mesi di giugno, si scopre che i raggi cosmici sono in diminuzione, questo vale sia per i nostri dati, sia per il nostro riferimento NMDB. Sapendo che il Sole ha ripreso il suo ciclo di undici anni proprio intorno all'inizio del 2022 è facile mettere in relazione l'aumento dell'attività magnetica del Sole (che funziona da schermo) con il calo dei raggi cosmici galattici che arrivano al suolo.

Dati dei primi sei mesi di giugno di AMD5

Dati dei primi sei mesi di giugno di JUNG1

Di seguito la stessa analisi per gli altri anni, tuttavia la regressione lineare in se non è particolarmente significativa, in quanto elimina gli effetti oscillatori.

Tendenza lineare per anno.

Per noi la cosa più intrigante riguarda proprio i periodi di oscillazione e trovare una relazione con gli effetti fisici che li provocano. Uno studio sull'effetto stagionale atmosferico è utile se si vuole trovare una relazione tra meteorologia e raggi cosmici. Se invece si vuole trovare una relazione tra la "meteorologia cosmica" (spaceweather) e la radiazione cosmica a terra, gli effetti atmosferici di temperatura e soprattutto di pressione andrebbero eliminati. I nostri rivelatori attualmente non hanno la possibilità di essere corretti automaticamente, dato che servirebbe un sensore per valutare la pressione atmosferica e la temperatura giorno per giorno, quindi questo tipo di compensazione va fatto manualmente prelevando i dati meteo da qualche parte (ARPA) ed è un lavoro piuttosto oneroso in termini di tempo. In sostanza nella serie di dati in oggetto abbiamo due effetti di oscillazione sovrapposti, quello stagionale (atmosferico) e quello solare (spaceweather).

Analisi frequenza-temporale con metodo Wavelet Morlet

Sull'analisi di lunghe serie di dati (la nostra in realtà non è nemmeno così lunga) ci sono diverse tecniche. Una di queste è quella chiamata "Morlet Wavelet", questa fu ideata da Jean Morlet un geofisico francese ed è basata sulle trasformate di Fourier e sulla curva gaussiana. Essa viene utilizzata in diversi ambiti per analizzare onde non stazionarie e quindi dati che si ripetono in modo irregolare. Ad esempio in musica per identificare note che si ripetono in un pattern oppure negli elettrocardiogrammi per identificare pulsazioni patologiche che si ripetono al di fuori del ritmo normale di pulsazione. L'analisi di Morlet Wavelet è stata utilizzata anche per calcolare e prevedere la comparsa del Niño [Il Niño e La Niña sono due fasi opposte di un fenomeno oscillatorio delle temperature del Pacifico tropicale noto come El Niño Southern Oscillation (ENSO), di cui rappresentano la fase calda (El Niño) e quella fredda (La Niña)]. Su un segnale stazionario (che si ripete periodicamente con andamento regolare) le trasformate di Fourier sono utili per identificare le componenti oscillatorie, tuttavia su segnali non stazionari (che non si ripetono periodicamente e regolarmente) bisogna usare le wavelet transform che non solo danno indicazioni sulle frequenze delle singole componenti (come le FT), ma in più forniscono il tempo di ripetizione di tali componenti. Nonostante non abbiamo una conoscenza approfondita di questa tecnica di analisi, abbiamo provato a utilizzare un codice python messo a disposizione per poter fare questo tipo di indagine (lo strumento esiste anche per altri sistemi: mathlab, scilab, anche R ...). Il risultato si può vedere nel prossimo grafico.

Analisi di Morlet wavelet.

Il grafico colorato (b) riporta sulle ordinate la frequenza in anni e sulle ascisse il tempo (2015-2022). Dal risultato emerge il periodo predominante di mezzo anno che riguarda l'oscillazione stagionale e che compare in tutti gli anni, tranne nel 2017 (probabilmente per i motivi già esposti), mentre nel 2021 sembra sciftato verso il 2022. A quanto pare emergono poi altre caratteristiche. Un ciclo oscillatorio sembra centrato su un periodo inferiore a 2 anni e riguarda in particolare 2015, 2019, 2020. Altre "anomalie" appaiono per un periodo di 3 anni (2015, 2020) e anche 4 anni. Valutare i motivi di queste oscillazioni è speculativo e potrà essere fatto quando la serie di dati sarà ancora più lunga.

Infine, quello che salta all'occhio nel grafico dei dati generali è il picco del 18 febbraio 2022, dove la media raggiunta è stata la più alta in assoluto di tutto il periodo (3.480860517). Picchi di questo tipo (e oltre) nella rete di ADA ce li attendiamo nel caso di una supernova, ma questa è un'altra storia...

To the top