日冕物质抛射(CME)是从太阳抛入行星际空间的大尺度等离子体团,是太阳系内最银河集团网址登录大尺度的能量释放活动,也是灾害性空间天气的主要驱动源。了解CME在日冕以及行星际的传播以及演化过程,预报CME是否以及何时到达地球轨道,是空间天气领域关注的重要课题。
根据搭载于太阳与日光层观测台(SOHO)卫星上的LASCO日冕仪的数据,NASA CDAW数据中心的研究人员手工整理了自1996年至今的CME观测目录,该目录记载了每一次CME事件的时间、位置角、角宽度、速度等物理量,给CME的相关研究提供了重要的基础数据。但面对海量的数据,手工识别存在着耗时费力的缺点,CME的自动识别成为领域内较为活跃的研究方向。
中国科学院国家空间科学中心太阳活动与空间天气重点实验室沈芳研究员团队研发了基于机器学习的CME识别与参数获取方法。首先,团队基于LASCO望远镜的图像数据,训练了一个能够判别图像内是否有CME的卷积神经网络模型。再利用主成分分析(PCA)方法提取神经网络的特征图中的信息,获取能够展示每一张观测图像中CME位置的共定位图。接着,根据不同图像中CME区域的形状、位置等特征,利用轨迹匹配方法跟踪CME轨迹,展示CME在日冕仪视野中传播的过程,获取速度、角宽度以及中央位置角等物理量。
与CME手工目录以及部分经典自动识别方法相比,基于机器学习的CME识别与参数自动获取方法的效率高、速度快,能够识别较为微弱的CME信号,给出准确的CME形态信息。其跟踪方法比较贴合直观,获取得到的参数接近人类手工识别的结果。此外,该方法探测到的CME结构还可用于CME到达时间预测、CME三维重构等其他方面的工作中。