宇宙线较长周期变化研究

杜一帅，代武春，周虹君

(重庆文理学院电子电气工程学院，重庆 永川 402160)

宇宙线强度随时间的变化关系是宇宙线物理、太阳地球物理和天体物理等交叉学科中的重要问题之一［1-3］．关于宇宙线随时间变化的短周期情况，有人已经进行了详细讨论和研究，并发现了宇宙线1日和半日的周期变化［4］．但从已有研究看，对宇宙线变化的较长周期还没有进行过仔细研究，尤其是能量在TeV以上的宇宙线变化，主要原因是受到观测设备、技术水平和数据统计量的限制．

羊八井宇宙线观测站Tibet ASγ阵列是世界著名的广延大气簇射探测阵列，海拔高度处于超高能宇宙线空气簇射发展极大附近，使在该处探测的簇射粒子密度高，阵列的观测阈能低，宇宙线事例触发率高，并已稳定运行了十几年，积累了大量的宇宙线触发率数据，特别适合研究甚高能宇宙线的时间变化．羊八井ASγ实验还自动连续采集气象参量，记录了大气压力、室内外温度、探测器温度等参数．本文采用羊八井宇宙线观测站Tibet ASγ阵列 1994年11月到2003年11月共9年的能量为1-10TeV的宇宙线数据及气象数据，对宇宙线触发率数据进行气象修正后，研究大气影响以外的宇宙线较长周期变化．

1 数据处理方法

本文采用小波变换和数学统计方法分析宇宙线实验数据中的周期．小波变换(Wavelet Transform，WT)是一种信号的时间-尺度(时间-频率)分析方法，它具有多分辨率分析的特点，可以由粗及精逐步观察分析信号，克服了傅里叶变换在时域上无任何定位性的不足，在时、频两域都具有表征信号局部特征的能力［5-7］．因此，先利用小波变换将被分析数据按不同频率(周期)区间进行分解，再对分解后的信号分别进行周期分析，可以很好地解决宇宙线变化中多个弱周期信号的提取问题．

2 结果及讨论

2．1 1994～2003年 ASγ数据

选取羊八井宇宙线观测站Tibet ASγ阵列1994年11月至2003年11月观测记录的每20 min的宇宙线触发事例数，计算每日平均值来研究宇宙线的中长周期．9年间，实验设备及其运行情况经过了几次变化，宇宙线观测触发率数据分阶段有差异，所以先求各阶段数据的平均值，然后计算每个数据相对于平均值变化的百分比，也就是将几个阶段的数据标准化．经标准化处理后的宇宙线触发率R随时间MJD(约简儒略日)的变化如图1所示．由图1可以看出，宇宙线触发率有着明显的年周期变化．

图1 1994年11月～2003年11月的宇宙线触发率

2．2 对宇宙线数据进行气象修正

气象参量数值的变化在物理上会影响测量到的宇宙线流强，这种影响称之为气象效应．仔细研究这些效应有助于我们对观测数据进行可靠的气象修正，从而使我们有可能发现大气影响以外的宇宙线变化．

整理与宇宙线触发率数据相对应的1994年11月至2003年11月的气象数据，均取其每日的平均值，各气象参量随时间变化如图2所示．由图2可以看出，气压、室外温度、室内温度、电缆沟温度都有与宇宙线触发率数据类似的年周期变化．

计算宇宙线数据与各气象参量的相关系数：气压与触发率的相关系数r1=-0．908 92，P＜0．000 1;室内温度与触发率的相关系数 r2=-0．781 63，P ＜0．000 1;室外温度与触发率的相关系数 r3=-0．669 5，P ＜0．000 1;电缆沟温度与触发率的相关系数 r4=-0．721 09，P ＜0．000 1．结果表明：触发率与这些气象参量都有明显负关联．气压、温度等气象参量通过对EAS发展的影响，影响了宇宙线的观测数据．

利用多元线性回归法对1994～2003年宇宙线触发率数据进行气象修正，修正后气压与触发率的相关系数 r1=-1．464 29E-6，P=0．999 94;室内温度与触发率的相关系数r2=-8．941 95E-7，P=0．999 97;室外温度与触发率的相关系数 r3=-1．741 17，P=0．999 93;电缆沟温度与触发率的相关系数r4=-0．007 17，P=0．731 42．结果表明：触发率与这些气象参量都不再有关联，说明修正是有效的．我们认为修正后的触发率数据中不再包含气象效应因素．

图2 宇宙线触发率R以及各气象参量随时间变化情况

2．3 分析气象修正后的宇宙线周期变化

气象修正后宇宙线触发率随时间变化如图3所示．与气象修正前的宇宙线触发率比较可以看出，修正后的宇宙线数据不再有明显的年变化．

图3 气象修正前后宇宙线触发率R随时间变化情况

对进行过气象效应修正后的1994年11月至2003年11月的宇宙线触发率数据进行db9小波分解，小波变换系数结果如图4所示．

其中：(a)、(c)中信号无确定周期，(b)是7日左右的周期信号．即我们在气象修正后的宇宙线触发率数据中没有发现确定的几日周期，在小波分解第2层存在7日左右周期信号．因此，不能利用统计折叠法作出信号的周期图和位相图，只能统计其中存在各个周期的数量．

图4 气象修正后宇宙线触发率的小波分解结果

取气象修正后宇宙线触发率小波分解第2层进行数学统计．首先按信号中的波峰统计：如果信号中的某个数据点比两侧的4个数据点都大，并且是向两侧递减，那么我们认为这个数据点是一个波峰，两个波峰间的距离为一个周期．按照波峰统计的信号中存在的各个周期结果如图5(a)所示，信号中的4日周期最多，其次是6日、5日、7日和8日周期．然后再按照波谷统计：如果信号中的某个数据点比两侧的4个数据点都小，并且是向两侧递增，那么我们认为这个数据点是一个波谷，两个波谷间的间距为一个周期．按照波谷统计的信号中存在的各个周期结果如图5(b)所示，信号中的4日周期最多，其次是6日、5日、7日和8日周期．由此我们得出：宇宙线周期变化中4日和6日周期较多，其次是5日、7日和8日周期．

图5 气象修正后宇宙线触发率小波分解第2层周期统计结果

3 结论

收集整理Tibet ASγ阵列1994～2003年间记录的宇宙线触发率数据，对各个阶段的数据标准化后衔接起来，发现1994～2003年的宇宙线触发率存在明显的年周期变化;对1994～2004年间的气象数据进行整理分析，气压、室内温度、室外温度与宇宙线触发率有着相似的年变化，计算各气象参量与触发率的关联系数，发现宇宙线触发率与各气象参量都存在较强关联;对宇宙线触发率进行多元气象参量修正，修正后宇宙线触发率不再有明显的年变化;对修正后的触发率数据进行db9小波分解，小波分解第2层统计结果显示：宇宙线周期变化中4日和6日周期较多，其次是5日、7日和8日周期．

［1］张亮，王赤，傅绥燕．太阳活动与全球气候变化［J］．空间科学学报，2011，31(5)：549-566．

［2］黄永年．我国宇宙线空间物理学的进展［J］．地球物理学进展，2007，22(4)：1046-1051．

［3］虞震东．应对流感大流行威胁继续的一项对策［J］．前沿科学，2011，5(2)：37-47．

［4］贾焕玉，王顺金．10TeV宇宙线时间变化研究［J］．高能物理与核物理，2001，25(4)：277-282．

［5］杨福生．小波变换的工程分析与应用［M］．北京：科学出版社，1999：29-31．

［6］王红秋，陈燕黎．小波分析在1-10TeV宇宙线时间变化研究中的应用［J］．西南民族大学学报：自然科学版，2008，34(4)：767-771．

［7］刘贵忠，邸双亮．小波分析及其应用［M］．西安：西安电子科技大学出版社，1997：67-70．