太阳暗条振荡的自动探测 I：多尺度光谱流程

太阳暗条振荡为日珥的磁场结构和稳定性提供了重要的诊断信息，但在长Hα档案中对其进行探测传统上依赖于视觉检查、手动放置狭缝和时距图。我们提出了一个自动流程，用于在GONG Hα图像序列中探测空间相干的暗条振荡。该方法结合了图像预处理和对齐、基于深度学习的暗条探测和分割、多尺度空间平均、Lomb-Scargle光谱分析、卷积神经网络背景估计、显著性阈值的经验校准以及候选探测在周期和空间上的聚类。只有至少在四个空间尺度上得到支持的振荡才会被保留，从而降低了对局部像素尺度强度波动的敏感性。该流程从Luna等人（2018）的手动GONG目录中恢复了几次事件，包括2014年1月1日周期约为76分钟的振荡。应用于2014年1月的前两周，它识别出91次振荡事件，而相应手动目录中有22次非重复事件，探测到的周期范围约为20至126分钟。它还探测到了以前未报道的振荡，包括2014年1月13日的一次周期约为86分钟的事件，该事件使用传统的时距图独立确认。这些结果表明，自动暗条分割、多尺度光谱分析和校准的显著性检验可以为基于手动狭缝的搜索提供一种可重复且可扩展的替代方案。该流程显著提高了探测灵敏度，同时优先选择相干的暗条尺度振荡，从而能够在更长的GONG时间间隔和整个太阳周期内进行未来的统计研究。