Corrélation des observations OVNI avec le Soleil

L'objectif de cet article consiste à évaluer l'importance et la nature des fonctions de corrélation liant l'activité du soleil et les observations d'OVNI.

J'avais déjà eu l'occasion d'évoquer ce sujet sur U-Sphere il y a quatre ans de cela: il est central dans les sujets ici développés dans la mesure ou il s'inscrit en conjonction de plusieurs autres aspects traités sur les pages de ce site. Pris séparément ce sont des pointeurs "faibles", néanmoins observés conjointement ils font émerger un tableau cohérent par:

• l'existence d'une forte corrélation entre les prophéties ou mythes et le soleil: pour ceux présentés sur ce site, ils peuvent s'interpréter comme une super explosion solaire. Le cas échéant, cet aspect "mythique" signifie peut-être qu'il s'agit d'un phénomène récurrent dans l'histoire de l'humanité,

• les crops-circles makers nous rappellent combien l'émergence de nos civilisations n'a été rendue possible que grâce au contrôle environnemental et à la stabilisation des températures et donc ... aussi à la qualité du flux solaire. Ce lien Crop-Circle-Champs-Symboles retrace l'importance du lien qui existe entre l'émergence de l'agriculture, des symboles et enfin des civilisations. Quels que soient leurs créateurs, les crops-circles, paraissent réaliser une forme de "Near Death Experiment(1)" à l'échelle des civilisations humaines: ils nous refont vivre de manière accélérée et métaphorique notre histoire symbolique et culturelle. Réalisés dans des champs de blé, ils nous parlent implicitement du contrôle environnemental et de notre propre conquête de l'espace et du temps et les constructions syntoniques (culture) qui en émerge. Par l'homme, avec la naissance de l'agriculture, au delà de l'homme, avec une stabilisation des températures sans précédent vis à vis des autres ages interglaciaires et tout au long de l'holocène : 10000 ans couverts par les Crops Circles, globalement, depuis le dernier "accident" climatique.

• une brique dans l'hypothèse "U-Sphere" qui s'inscrit dans l'idée d'une surveillance GENERALISEE des sphères environnementales par des intelligences exotiques. Dans ce contexte, il serait TRES réducteur de ne penser qu'au nucléaire: bien qu'important, il n'est qu'un aspect parmi d'autres composantes telles que le volcanisme, les failles sismiques (litho-sphère), la pollution (anthropo-sphère), ... Et de fil en aiguille, et en amont, la question se pose aussi pour le soleil (helio-sphère):

Ci-dessus, l'hypohtèse du projet U-Sphere (j'ai réalisé ce schéma en anglais, mais normalement cela doit se comprendre !...). Les sphères environnementales jouent un rôle sensiblement différent en fonction de leur nature et des échelles de temps des phénomènes qui leur sont associés

• l'importance croissante attribuée au soleil dans l'histoire climatique de la terre, l'organisation en puissances de 2 des éruptions solaires. Cela parait étrange, mais cela semble avoir un lien avec l'auto-organisation des systèmes dissipatifs pris à différentes échelles. Cela semble indiquer que quelque chose est susceptible d'arriver à l'échelle de dizaines d'années (peu précis), et cela n'a rien de très rassurant non plus (article toujours en cours: je suis hélas "noyé" sous les données et il y a des incohérences entre les ratios isotopiques du carbone et de l'oxygène qui m'ont fait perdre pas mal de temps...)

• la très forte sous-estimation du risque solaire par la NASA et les pouvoirs publics, (quels que soient les pays), notamment à l'époque d'une société de l'information, (voir les échelles de notations associées): non seulement la probabilité du risque est importante, mais les résultats seraient aujourd'hui DÉSASTREUX,

Toutes ces raisons font qu'il me paraissait important de revenir sur ce lien OVNI-Soleil.

Jeu de données

J'aurais pu utiliser les données recensées sur U-Sphere (sourcées par Luc Chastan et le NUFORC essentiellement, soit 4988 cas) toutefois elles restent encore trop peu nombreuses. Aussi, l'analyse qui suit a été conduite avec les données de Larry Hatch dont le site web, (U-Database, 17774 cas), n'existe aujourd'hui malheureusement plus (cherchant à avoir des nouvelles, Jacques Vallée m'a appris, il y a environ trois ans de cela, que Larry Hatch avait eu un AVC...)
Toutefois, à partir d'une disquette DOS envoyée par D. Weinstein, sans pouvoir le faire tourner, j'ai pu extraire et analyser le fichier de données binaire lié qui était crypté sous MS-DOS (programme en C). Le programme de L Hatch n'avait été malheureusement jamais été converti pour un système Windows... L'objectif ici n'est cependant pas de publier ses données, (il en fait un usage commercial), mais simplement de présenter les résultats extraits.

Page d'interface fonctionnelle de la base de données de Larry Hatch que je me suis ici amusé à reprendre à l'identique sous Access (le côté austère de MS-DOS est bien là !). Je lui avait à l'époque proposé de reprendre ce bout petit programme Access.

Finalement, après pas mal de soucis, j'ai pu reconstituer un fichier Excel, puis projeter toutes ces données dans un graphique; la densité des points est telle qu'il n'est même pas nécessaire de tracer les contours des continents:

La position géographique des 17774 observations dans un simple graphique Excel. Pour comparaison, j'ai superposé deux images issues des anciennes pages du site web de Larry Hatch, pour l'Europe et les Etats-Unis.

Son jeu de données reste intéressant et unique au monde dans la mesure où il s'appuie sur 50 années d'observations référencées par des ouvrages "classiques", ainsi que plus de 20 années de travail et d'extraction pointilleuse. Souvent les cas relevés sont connus et ont été enquêtés.

Il existe toutefois un biais dans la dimension spatiale, car ce jeu de données couvre essentiellement les pays anglo-saxons; cela étant ce n'est pas gênant pour une analyse en fréquence comme nous allons la faire.

Résultats préliminaires

Les deux premiers graphiques étaient déjà présentés par Larry Hatch.

Le premier résultat consiste à extraire le nombre d'observations par mois sur 54 ans (1946-2000). Les 17774 observations ont été préalablement consolidées par mois:

Des "vagues" d'observations sont observées. Toutefois, correspondent-elles à un intérêt accru de la part des ufologues, des medias ou du public ?

Le deuxième résultat est exprimé par le graphique suivant, fréquentiel, il correspond au nombre de couples d'observations séparées exactement de x semaines, x étant porté en abscisse. Là également, ce graphique est similaire à celui qui avait été originellement proposé sur le site de Larry Hatch:

J'ai ici noté X1, X2, X3, etc... les pics de fréquences les plus représentés, exprimés en semaines.

A noter que j'ai eu un peu de mal à retrouver ce graphique : Larry Hatch expliquait qu'il avait été réalisé suivant une idée originale de Jacques Vallée, qui lui-même, lorsque je lui ait demandé ne se souvenait plus (cela devait être il y a plus de 20 ans!) Après de nombreux d'essais, j'ai fini par retrouver l'algorithme:

// Le nombre d'observations par semaine sur 50 années est préalablement calculé (N semaines couvertes)
// L'algorithme parcours l'ensemble des k semaines d'observation (Xn[k] = nb evts )
// et observe s'il existe, pour chacune d'elle, une autre observation située 
// à 1 période i, où l'on fait varier i de 1 à N. Xk[] est le tableau des résultats. 
 
for ($i=0;$i<$N;$i++) $Xk[$i] = 0;			
  			
for ($k=0;$k<$N;$k++) {			
	$k_val = $Xn[$k];		
	// teste l'existence de valeurs à différents écarts de période		
	// et par rapport au point courant. $i fait varier la période.		
	for ($i=$k+1;$i<$N;$i++) {		
		if ($Xn[$i]>0)	
			$Xk[$i-$k] = $Xk[$i-$k] + $Xn[$i]*$k_val;
	}		
}			

Au fond, quand l'on connait la méthode, il reste assez simple, et à l'évidence, il ne s'agit pas d'une transformée de fourier (TF): d'un certain point de vue, cet algorithme est plus sensible car il accepte plus facilement des fréquences qu'une TF; à contrario, il conserve plus de bruit de fond.

Quelques éléments de réflexion ...

Essayons de trouver une fonction d'approximation qui permette d'obtenir la position des pics du graphique précédent.
Les principaux pics sont notés : X1, X2, ..., X12. La position de ceux ci est :

Nom	Semaines	Années
X1	116	2,223182322
X2	161	3,08562374
X3	264	5,059656319
X4	379	7,263673276
X5	540	10,34929702
X6	679	13,01328273
X7	831	15,92641818
X8	993	19,03120729
X9	1099	21,06273596
X10	1370	26,25654984
X11	1883	36,088382
X12	2260	43,31372455

Ce qu'il y a ici d'intéressant, c'est qu'il est possible de fournir une approximation par valeurs quasi-entières des points X3, X4, X5, X9, X12. La fonction exponentielle trouvée est  :
f(x)=10,351e^0,3573x avec un coeff de correlation k=0,999993308.

x	f(x)	valeur réelle	Xn	Erreur
-2	5,065653405	5,059656319	X3	0,12%
-1	7,241172446	7,263673276	X4	-0,31%
0	10,351	10,34929702	X5	0,02%
2	21,15091429	21,06273596	X9	0,42%
4	43,2191262	43,31372455	X12	-0,22%

Les valeurs entières de la fonction d'approximation sont tracées ci-après dans le graphe fréquentiel:

Les principaux pics sont notés X1, X2, ..., X12: ils correspondent aux écarts de temps privilégiés entre des couples d'observations indépendantes. Nous retrouvons ces pics en mesurant les écarts de temps entre les "vagues" d'observation les plus importantes du premier graphique.

Peut-être moins convaincant, mais remarquable tout de même, si nous utilisons la même fonction, mais en appliquant un offset -δ_x=0.37 aux valeurs des x choisis (meilleur offset trouvé) nous trouvons là également une bonne corrélation (k=0,999163557) avec la plupart des pics restant (X1, X2, X6, X10 et dans une moindre mesure X8, X11):

x+δx	f(x+δx)	valeur réelle	Xn	Erreur
-4	2,172073266	2,223182322	X1	-2,35%
-3	3,104901939	3,08562374	X2	0,62%
0	12,96407582	13,01328273	X6	-0,38%
2	18,53168803	19,01204192	X8	-2,59%
3	26,49039285	26,25654984	X10	0,88%
4	37,86708001	36,088382	X11	4,70%

Ayons à l'esprit que ce résultat NE DEPEND PAS D'UN OBSERVATEUR INDIVIDUEL.

Toutefois, quel rapport avec le soleil ici ?

Eh bien, notons pour commencer que la fonction exponentielle retenue précédemment est facteur d'un terme q0 = 10,351 ≈ X3. Exprimé en années, nous ne sommes pas très loin de la durée moyenne des cycles du soleil sur la période. En effet, si l'on considère le début d'un cycle 1, en l'année 1944,25 et l'achèvement du cycle 5 en l'année 1996,75, nous avons pratiquement sur la durée d'observation une moyenne de 10,5 années / cycle. Ennoncé différemment, la fonction de puissance qui décrit les intervalles X3, X4, X5, X9, X12 peut-être facteur des cycles du soleil.

Et, effectivement, si nous tentons d'observer plus directement ce qu'il se passe, en superposant l'activité OVNI à celle du soleil sur 50 ans, au moins 7 pics sont remarquablement corrélés avec des demi-périodes d'activité du soleil:

Dans ce graphique les demi-périodes du soleil sont de 5,25 années, elles sont indiquées par les barres pointillées. L'initialisation se fait avec la premier vague en juin 1947.

Il faut avoir à l'esprit qu'il s'agit là d'une MOYENNE pour les cycles du soleil qui restent éminemment variables sur la période considérée (=> C1 9.92, C2 10.83, C3 11.58, C4 9.83, et C5 10.33 années). Ce résultat pourrait être plus précisément vérifié en tenant compte des propriétés de chaque cycle : étendue et position du maxima. De même, le graphe reportant le nombre d'observations OVNI ne peut prétendre à être exhaustif !

Exemple "local": la vague belge de 1990

A noter que le schéma ci-dessus ne parait pas fournir une très bonne corrélation avec les événements du début des années 90. Toutefois, si nous observons en détail la répartition des événements de la vague belge, sa distribution parait être un exemple archétype qui confirme l'hypothèse précédente.:

La courbe violette correspond aux nombre d'observations relevées entre janvier 1988 et décembre 1990 pour la vague belge. Résultats partiels extraits du Catalogue des Observations Belges.

Pourquoi le Soleil ?

Pour peut-être fournir un élément de réponse à cela, il faut en revenir aux aspects systémiques environnementaux et à une vision élargie de l'impact d'une catastrophe solaire.

En effet, contrairement à ce qui est habituellement compris, l'aspect le plus terrible d'une catastrophe solaire pourrait être non pas ses effets électromagnétiques, certainement désastreux pour notre économie, mais bien bien plutôt ses effets photo-chimiques sur la haute atmosphère qui correspondrait à la destruction de la couche d'izone au détriment de la production de NO3 qui diffuserait dans lentement dans l'environnement : pluies acides puis par les nappes phréatiques polluées, ... Des effets qui seraient perceptibles plusieurs années.

Philosophiquement, lorsque l'on cherche à réaliser un système de suivi et de contrôle qui a pour objectif de prévoir et d'anticiper des événements d'ordre climatique (écosystémique): on construit un modèle qui correspond à un "système de poursuite", c'est à dire dont l'on adapte régulièrement les données d'entrées pour les faire coller à la réalité, ce qui passe par une collecte régulière d'information. Certains des points de collectes pouvant être choisis dans l'environnement sont listés dans le graphique au début de cet article: ils correspondent à des sites "naturels" ou "artificiels" de stockage de l'information. Dans la nature, d'excellents paleosites accessibles du ciel peuvent être les tourbières ou les zones de marécages.

Il est là également possible de détailler et de fournir quelques exemples.

Projections 2035 et 2071

---

(1) Consistant à revoir à l'accéléré ce qui a fait de nous ce que nous sommes. Une forme d'intégration/compilation de l'information.