극값 이론으로 보는 카링턴형 태양 플레어 발생 확률

초록

본 논문은 극값 이론(EVT)을 적용해 GOES X‑ray 관측 자료에서 극단적인 태양 플레어의 발생 빈도를 추정한다. 기존의 파워‑법 가정과 달리, EVT 기반의 일반화 극값 분포(GPD)를 이용해 150년 회귀 수준은 X60 플레어, 100년 회귀 수준은 카링턴형 플레어에 해당함을 제시한다. 또한 Kepler 임무의 별 플레어 데이터와 결과를 비교해 일관성을 확인한다.

상세 분석

이 연구는 극값 이론(EVT)의 두 가지 주요 접근법인 블록 최대법(Block Maxima, BM)과 초과값법(Peak‑Over‑Threshold, POT)을 검토하고, 특히 POT 기반의 일반화 극값 분포(Generalized Pareto Distribution, GPD)를 선택하였다. GOES 위성의 1‑분 평균 X‑ray 플럭스(1–8 Å) 데이터를 1975년부터 2025년까지 50년 이상 수집한 뒤, X‑class 플레어를 기준으로 10⁻⁴ W m⁻² 이상의 이벤트를 추출하였다. 데이터는 비정상성(예: 센서 교체, 관측 간격 변화)을 보정하기 위해 로그 변환 후 연속성 검정을 수행했으며, 독립성 가정을 만족하도록 최소 30분 간격을 두고 샘플링하였다.

POT 방법에서는 임계값(u)을 10⁻³ W m⁻²(X10) 수준으로 설정했으며, 이는 평균 초과 횟수가 연간 2~3회로 충분히 많은 샘플을 제공하면서도 극단 꼬리 부분을 포착할 수 있는 수준이다. GPD의 형태 매개변수(ξ)와 규모 매개변수(σ)는 최대우도법(MLE)으로 추정했으며, 부트스트랩 재표본화를 통해 95 % 신뢰구간을 산출하였다. 결과 ξ≈0.12(±0.04)로 양의 값을 보였으며, 이는 꼬리가 무한 평균을 갖는 파워‑법(α≤2)보다 얇은 형태임을 시사한다.

전통적인 파워‑법 모델은 플레어 강도 S와 발생 빈도 N 사이에 N∝S⁻α(α≈1.8)라는 관계를 가정한다. 그러나 관측된 데이터의 상위 5 %만을 사용해 회귀하면 α의 불확실성이 크게 증가하고, 특히 X30 이상 영역에서 과대추정 또는 과소추정이 빈번하다. EVT 기반 접근은 전체 데이터 분포를 활용하면서도 꼬리 부분을 별도로 모델링하므로, 회귀 기반 파워‑법보다 회귀계수와 반환 기간(return period)의 불확실성을 현저히 감소시킨다.

추정된 GPD 파라미터를 이용해 반환 수준(z_p)을 계산하면, p=1/150 yr⁻¹에 해당하는 플레어 강도는 약 X60이며, p=1/100 yr⁻¹에서는 X45 수준이 나온다. 카링턴형 플레어(역사적 1859년 사건, 추정 X45~X50)와 비교했을 때, 100년 회귀 수준이 거의 일치한다는 점은 실용적인 위험 평가에 중요한 의미를 가진다.

또한 Kepler 우주망원경이 관측한 별들의 플레어 통계와 비교했을 때, 별 플레어의 에너지 분포 역시 GPD 형태를 따르며, 파라미터 ξ가 0.10~0.15 사이에 머무른다. 이는 태양 플레어와 다른 별 플레어 사이에 통계적 유사성이 있음을 뒷받침한다.

마지막으로, 연구는 모델의 한계도 명시한다. 첫째, GOES 데이터는 관측 기간이 제한적이며, 특히 20세기 초반의 강력 플레어는 직접 기록이 없으므로 추정에 불확실성이 남는다. 둘째, POT 방법에서 임계값 선택이 결과에 민감하게 작용하므로, 다중 임계값 검증이 필요하다. 셋째, GPD는 독립성 가정을 전제로 하는데, 실제 플레어는 활동 주기와 연관된 자기장 복합 현상으로 완전한 독립성을 보장하기 어렵다. 이러한 점들을 보완하기 위해 장기 태양 관측(예: SDO, Parker Solar Probe)과 시뮬레이션 기반 데이터 결합이 제안된다.