Accurate predictions of the properties of interplanetary coronal mass ejection (ICME)-driven disturbances are a key objective for space weather forecasts. The ICME's time of arrival (ToA) at Earth is an important parameter, and one that is amenable to a variety of modeling approaches. Previous studies suggest that the best models can predict the arrival time to within an absolute uncertainty of 10–15 h. Here, we investigate the main sources of uncertainty in predicting a CME's ToA at Earth. These can be broken into two main categories: (a) the initial properties of the ejecta, including its speed, mass, and direction of propagation and (b) the properties of the ambient solar wind into which it propagates. To estimate the relative contribution to ToA uncertainties, we construct a set of numerical experiments of cone-model CMEs, where we vary the initial speed, mass, and direction at the inner radial boundary. Additionally, we build an ensemble of 12 ambient solar wind solutions using realizations from the ADAPT model. We find that each component in the chain contributes between ±2.5 and ±7 h of uncertainty to the estimate of the CME's ToA. Importantly, different realizations of the synoptic produce the largest uncertainties. This suggests that estimates of ToA will continue to be plagued with intrinsic uncertainties of ±10 h until tighter constraints can be found for these boundary conditions. Our results suggest that there are clear benefits to focused investigations aimed at reducing the uncertainties in CME speed, mass, direction, and input boundary magnetic fields.

中文翻译：

---

使用全球 MHD 模型预测行星际日冕物质抛射到达时间的不确定性来源和大小

准确预测行星际日冕物质抛射 (ICME) 驱动的扰动的特性是空间天气预报的关键目标。ICME 到达地球的时间 (ToA) 是一个重要参数，并且适用于各种建模方法。先前的研究表明，最好的模型可以在 10-15 小时的绝对不确定性内预测到达时间。在这里，我们调查了在地球上预测 CME 的 ToA 时不确定性的主要来源。这些可以分为两大类：（a）喷射物的初始特性，包括其速度、质量和传播方向；（b）它传播到的环境太阳风的特性。为了估计对 ToA 不确定性的相对贡献，我们构建了一组锥形模型 CME 的数值实验，我们改变了内部径向边界处的初始速度、质量和方向。此外，我们使用来自 ADAPT 模型的实现构建了 12 个环境太阳风解决方案的集合。我们发现链中的每个组件对 CME 的 ToA 的估计贡献了 ±2.5 到 ±7 小时的不确定性。重要的是，天气的不同实现会产生最大的不确定性。这表明 ToA 的估计将继续受到 ±10 小时内在不确定性的困扰，直到可以为这些边界条件找到更严格的约束。我们的结果表明，旨在减少 CME 速度、质量、方向和输入边界磁场的不确定性的集中研究有明显的好处。我们使用来自 ADAPT 模型的实现构建了 12 个环境太阳风解决方案的集合。我们发现链中的每个组件对 CME 的 ToA 的估计贡献了 ±2.5 到 ±7 小时的不确定性。重要的是，天气的不同实现会产生最大的不确定性。这表明 ToA 的估计将继续受到 ±10 小时内在不确定性的困扰，直到可以为这些边界条件找到更严格的约束。我们的结果表明，旨在减少 CME 速度、质量、方向和输入边界磁场的不确定性的集中研究有明显的好处。我们使用来自 ADAPT 模型的实现构建了 12 个环境太阳风解决方案的集合。我们发现链中的每个组件对 CME 的 ToA 的估计贡献了 ±2.5 到 ±7 小时的不确定性。重要的是，天气的不同实现会产生最大的不确定性。这表明 ToA 的估计将继续受到 ±10 小时内在不确定性的困扰，直到可以为这些边界条件找到更严格的约束。我们的结果表明，旨在减少 CME 速度、质量、方向和输入边界磁场的不确定性的集中研究有明显的好处。CME 的 ToA 估计存在 5 小时和 ±7 小时的不确定性。重要的是，天气的不同实现会产生最大的不确定性。这表明 ToA 的估计将继续受到 ±10 小时内在不确定性的困扰，直到可以为这些边界条件找到更严格的约束。我们的结果表明，旨在减少 CME 速度、质量、方向和输入边界磁场的不确定性的集中研究有明显的好处。CME 的 ToA 估计存在 5 和 ±7 小时的不确定性。重要的是，天气的不同实现会产生最大的不确定性。这表明 ToA 的估计将继续受到 ±10 小时内在不确定性的困扰，直到可以为这些边界条件找到更严格的约束。我们的结果表明，旨在减少 CME 速度、质量、方向和输入边界磁场的不确定性的集中研究有明显的好处。