This paper describes the design of a candidate secular variation model for the 13th generation of the International Geomagnetic Reference Field. This candidate is based upon the integration of an ensemble of 100 numerical models of the geodynamo between epochs 2019.0 and 2025.0. The only difference between each ensemble member lies in the initial condition that is used for the numerical integration, all other control parameters being fixed. An initial condition is defined as follows: an estimate of the magnetic field and its rate-of-change at the core surface for 2019.0 is obtained from a year (2018.5–2019.5) of vector Swarm data. This estimate (common to all ensemble members) is subject to prior constraints: the statistical properties of the numerical dynamo model for the main geomagnetic field and its secular variation, and prescribed covariances for the other sources. One next considers 100 three-dimensional core states (in terms of flow, buoyancy and magnetic fields) extracted at different discrete times from a dynamo simulation that is not constrained by observations, with the time distance between each state exceeding the dynamo decorrelation time. Each state is adjusted (in three dimensions) in order to take the estimate of the geomagnetic field and its rate-of-change for 2019.0 into account. This methodology provides 100 different initial conditions for subsequent numerical integration of the dynamo model up to epoch 2025.0. Focussing on the 2020.0–2025.0 time window, we use the median average rate-of-change of each Gauss coefficient of the ensemble and its statistics to define the geomagnetic secular variation over that time frame and its uncertainties.

本文介绍了第13代国际地磁参考场的候选长期变化模型的设计。该候选者基于纪元2019.0和2025.0之间的100个土工发电机数值模型的集成。每个集合成员之间的唯一区别在于用于数值积分的初始条件，所有其他控制参数都是固定的。初始条件定义如下：从向量Swarm数据的年（2018.5–2019.5）获得2019.0处磁场及其在核心表面的变化率的估计值。此估算值（对所有合奏成员都通用）受先前的约束：主要地磁场及其长期变化的数字发电机模型的统计特性，并规定了其他来源的协方差。下一步考虑从不同的时间从不受观察约束的发电机仿真中提取的100个三维核心状态（在流量，浮力和磁场方面），每个状态之间的时间距离超过发电机去相关时间。每个状态都进行了调整（在三个维度上），以便考虑到地磁场及其2019.0的变化率的估计值。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。下一步考虑从不同的时间从不受观察约束的发电机仿真中提取的100个三维核心状态（在流量，浮力和磁场方面），每个状态之间的时间距离超过发电机去相关时间。每个状态都进行了调整（在三个维度上），以便考虑到地磁场及其2019.0的变化率的估计值。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。下一步考虑从不同的时间从不受观察约束的发电机仿真中提取的100个三维核心状态（在流量，浮力和磁场方面），每个状态之间的时间距离超过发电机去相关时间。每个状态都进行了调整（在三个维度上），以便考虑到地磁场及其2019.0的变化率的估计值。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。浮力和磁场）是在不受观测约束的发电机模拟的不同离散时间提取的，每个状态之间的时间距离超过了发电机的去相关时间。每个状态都进行了调整（在三个维度上），以便考虑到地磁场及其2019.0的变化率的估计值。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。浮力和磁场）是在不受观测约束的发电机模拟的不同离散时间提取的，每个状态之间的时间距离超过了发电机的去相关时间。每个状态都进行了调整（在三个维度上），以便考虑到地磁场及其2019.0的变化率的估计值。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。每个状态之间的时间距离超过了发电机去相关时间。每个状态都进行了调整（在三个维度上），以便考虑到地磁场及其2019.0的变化率的估计值。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。每个状态之间的时间距离超过了发电机去相关时间。每个状态都进行了调整（在三个维度上），以便考虑到地磁场及其2019.0的变化率的估计值。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。这种方法为发电机模型的后续数值积分提供了100种不同的初始条件，直到时期2025.0。着眼于2020.0–2025.0时间窗口，我们使用集合的每个高斯系数的中位数平均变化率及其统计数据来定义该时间范围内的地磁长期变化及其不确定性。