通过自动检测算法比较对活动区和太阳黑子的多波段分析
太阳与恒星天体物理
2011-09-05 v1
摘要
自太阳动力学观测站（SDO）开始每天记录约 1 TB 的数据以来，自动提取特征和事件以进行进一步分析的需求日益增加。本文比较了四种太阳特征检测算法的整体检测性能、提取属性之间的相关性以及用于特征跟踪的可用性：太阳监测活动区跟踪器（SMART）在视线磁图中检测活动区；自动太阳活动预测代码（ASAP）在白光连续谱图像中检测太阳黑子和微孔；太阳黑子跟踪与识别算法（STARA）在白光连续谱图像中检测太阳黑子；空间可能性聚类算法（SPoCA）自动将太阳极紫外图像分割为活动区（AR）、冕洞（CH）和宁静太阳（QS）。分析了 2003 年 5 月 12 日至 6 月 23 日期间来自 SOHO/MDI 和 SOHO/EIT 仪器的一个月数据。利用各种特征属性（如总太阳黑子面积，其显示出良好的一致性，以及检测到的特征数量，其一致性较差），将每种算法的整体检测性能与美国国家海洋和大气管理局（NOAA）和太阳影响数据分析中心（SIDC）的目录进行了基准比较。主成分分析表明，光球层属性与第一主成分高度相关，占数据集中变异性的 52.86%，而日冕属性与第一和第二主成分均中度相关，两者之间存在明显区别。最后，对 NOAA 10377 和 10365 活动区进行了案例研究，以确定算法在跟踪单个特征演化方面的稳定性。我们发现磁通量和总太阳黑子面积是活动区浮现的最佳指标。
引用
@article{arxiv.1109.0473,
title = {A Multi-Wavelength Analysis of Active Regions and Sunspots by Comparison of Automated Detection Algorithms},
author = {Cis Verbeeck and Paul A. Higgins and Tufan Colak and Fraser T. Watson and Veronique Delouille and Benjamin Mampaey and Rami Qahwaji},
journal= {arXiv preprint arXiv:1109.0473},
year = {2011}
}
备注
30 pages, 18 figures. Accepted for publication in Solar Physics topical issue : Solar Image Processing in the Petabyte Era