利用 SDO/HMI 与 BBSO 数据通过深度学习方法生成 SOHO/MDI 太阳活动区光球矢量磁图
太阳与恒星天体物理
2023-07-26 v1 机器学习
摘要
太阳活动通常由太阳磁场的演化引起。由太阳活动区光球矢量磁图导出的磁场参数已被用于分析和预报诸如太阳耀斑和日冕物质抛射等爆发事件。遗憾的是，最近的太阳第 24 活动周相对较弱、大耀斑极少，尽管它是自 2010 年发射以来通过太阳动力学天文台(SDO)上的日震与磁成像仪(HMI)获得一致时间序列矢量磁图的唯一太阳活动周。在本文中，我们考察另一主要仪器，即 1996 至 2010 年太阳与日球层观测台(SOHO)上的迈克尔逊多普勒成像仪(MDI)。SOHO/MDI 的数据档案涵盖了活动更强的太阳第 23 活动周，包含许多大耀斑。然而，SOHO/MDI 数据仅有视线(LOS)磁图。我们提出一种名为 MagNet 的新深度学习方法，从 SDO/HMI 获取的 LOS 磁图、Bx 与 By 以及大熊太阳天文台(BBSO)收集的 H-alpha 观测中学习，并生成矢量分量 Bx' 和 By'，从而与观测到的 LOS 数据构成矢量磁图。借此，我们可将矢量磁图的可用时段扩展至 1996 年至今。实验结果表明所提方法的良好性能。据我们所知，这是首次使用深度学习通过 SDO/HMI 与 H-alpha 数据为 SOHO/MDI 生成太阳活动区光球矢量磁图。
引用
@article{arxiv.2211.02278,
title = {A Deep Learning Approach to Generating Photospheric Vector Magnetograms of Solar Active Regions for SOHO/MDI Using SDO/HMI and BBSO Data},
author = {Haodi Jiang and Qin Li and Zhihang Hu and Nian Liu and Yasser Abduallah and Ju Jing and Genwei Zhang and Yan Xu and Wynne Hsu and Jason T. L. Wang and Haimin Wang},
journal= {arXiv preprint arXiv:2211.02278},
year = {2023}
}
备注
15 pages, 6 figures