留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

太阳黑子自动识别与特征参量自动提取

李泠 崔延美 刘四清 雷蕾

李泠, 崔延美, 刘四清, 雷蕾. 太阳黑子自动识别与特征参量自动提取[J]. 空间科学学报, 2020, 40(3): 315-322. doi: 10.11728/cjss2020.03.315
引用本文: 李泠, 崔延美, 刘四清, 雷蕾. 太阳黑子自动识别与特征参量自动提取[J]. 空间科学学报, 2020, 40(3): 315-322. doi: 10.11728/cjss2020.03.315
LI Ling, CUI Yanmei, LIU Siqing, LEI Lei. Automatic Detection of Sunspots and Extraction of Sunspot Characteristic Parameters[J]. Chinese Journal of Space Science, 2020, 40(3): 315-322. doi: 10.11728/cjss2020.03.315
Citation: LI Ling, CUI Yanmei, LIU Siqing, LEI Lei. Automatic Detection of Sunspots and Extraction of Sunspot Characteristic Parameters[J]. Chinese Journal of Space Science, 2020, 40(3): 315-322. doi: 10.11728/cjss2020.03.315

太阳黑子自动识别与特征参量自动提取

doi: 10.11728/cjss2020.03.315
基金项目: 

北京市科技重大专项项目资助(Z181100002918004)

详细信息
    作者简介:

    李泠,E-mail:liling163@mails.ucas.ac.cn

  • 中图分类号: P353

Automatic Detection of Sunspots and Extraction of Sunspot Characteristic Parameters

  • 摘要: 日面上黑子数目反映了太阳活动水平的高低.黑子形态的复杂性和磁场的非势性与太阳活动爆发密切相关.随着高时空精度的太阳观测数据量的急剧增长,快速准确地自动识别日面上的黑子以及对黑子群特征自动提取已成为太阳活动预报的现实需求.本文针对SDO/HMI的活动区白光数据,利用数学形态法开展黑子自动识别研究,并在黑子识别基础上对黑子群的面积和黑子数进行了计算.通过对利用2011-2017年HMI活动区数据计算得到的黑子群面积和黑子数与NOAA/SWPC发布的活动区相应参量进行比较,发现本文计算结果与SWPC发布数据的变化趋势基本一致,相关性较好.其中黑子群面积的相关系数为0.77,黑子数的相关系数为0.79.研究结果表明,利用本文方法对SDO/HMI数据进行处理,能够得到高时间分辨率的黑子群特征参量,可为太阳活动预报提供及时准确的输入.

     

  • [1] GIBSON E G, CHAPMAN R D. The quiet sun[J]. Phys. Today, 1974, 303(1):69-72
    [2] HARVEY K L, ZWAAN C. Properties and emergence of bipolar active regions[J]. Sol. Phys., 1993, 148(1):85-118
    [3] ZHARKOV S, ZHARKOVA V, IPSON S, et al. Technique for automated recognition of sunspots on Full-Disk solar images[J]. Eurasip. J. Adv. Signal Proc., 2005, 15:2573-2584
    [4] CURTO J J, BLANCA M, MARTINEZ E. Automatic sunspots detection on full-disk solar images using mathematical morphology[J]. Sol. Phys., 2008, 250(2). DOI: 10.1007/s11207-008-9224-6
    [5] DJAFER D, IRBAH A, MEFTAH M. Identification of sunspots on full-disk solar images using wavelet analysis[J]. Sol. Phys., 2012, 281(2):863-875
    [6] FOZZANI P, VANDAME B, BIJAOUI A, et al. A multiscale vision model applied to analyze EIT images of the solar corona[J]. Sol. Phys., 2001, 201(2):271-287
    [7] TURMON M, PAP J M, MUKHTAR S. Statistical pattern recognition for labeling solar active regions:application to SOHO/MDI imagery[J]. Astrophys. J., 2008, 568(1):396-407
    [8] COLAK T, QAHWAJI R. Automated McIntosh-based classification of sunspot groups using MDI images[J]. Sol. Phys., 2008, 248(2):277-296
    [9] JIAO Weixin. Science of Space Weather[M]. Beijing:China Meteorological Press, 2003(焦维新. 空间天气学[M]. 北京:气象出版社, 2003)
    [10] 578.DOI:10. 1007/s11207-014-0529-3
    [11] SERRA J. Image Analysis and Mathematical Morphology[M]. New York:Academic Press, 1983
    [12] MAJED S F, ABDUL M A, ZHARKOVA V. Automated detection of sunspots and sunspot groups in full-disk solar images[J]. Technol. Dev. Netw., 2010:297-301.DOI: 10.1007/978-90-481-9151-2_52
    [13] HARALICK R M, STEMBERG S R, ZHUANG X. Image analysis using mathematical morphology[J]. IEEE Trans. Pattern Anal. Mach. Intel., 1987, 9:532-550
  • 加载中
计量
  • 文章访问数:  1033
  • HTML全文浏览量:  119
  • PDF下载量:  103
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-04-15
  • 修回日期:  2019-11-22
  • 刊出日期:  2020-05-15

目录

    /

    返回文章
    返回