基于机器学习的 Kodakanal 太阳观测站历史日光图中太阳盘与斑点的识别
太阳与恒星天体物理
2025-11-25 v1
摘要
Kodakanal 太阳观测站（KoSO）是太阳观测站历史上最古老的机构之一，拥有跨越数百年的多波段太阳观测数据档案，包括白光、Ca II K和H-alpha图像。除这些观测之外，KoSO还保存了手绘日光图（1904-2022），其中标记了各种太阳特征，如日斑、斑点、丝线状云和 prominence，使用不同颜色编码标注在 Stonyhurst 网格上。本研究首次对这些日光图的整个数据集进行综合处理，使用监督式机器学习模型“卷积神经网络（CNNs）”首先识别日光图中的太阳盘（1909-2007），其次识别斑点，涵盖9个太阳周期（1916-2007）。我们使用手动识别的太阳盘和斑点数据训练CNN。我们首先检测日光图中的日轮边缘和北-南线，从而提取日心坐标、半径和 P 角。随后，我们使用类似体系结构的CNN实现对斑点的精确图像分割识别。我们将来自日光图的斑面积与来自 Ca II K全盘观测的斑面积进行比较，发现二者良好一致，表明此类机器学习技术可用于历史数据。本研究结果进一步表明，日光图数据可用于填补 KoSO 多波段观测中现有数据空白，助力构建数百年来的综合数据序列。
引用
@article{arxiv.2511.19040,
title = {Machine Learning Based Identification of Solar Disk and Plages in Kodaikanal Solar Observatory Historical Suncharts},
author = {Dibya Kirti Mishra and Subhamoy Chatterjee and Bibhuti Kumar Jha and Hemapriya Raju and Aditya Priyadarshi and Manjunath Hegde and Srinjana Routh and Dipankar Banerjee and M. Saleem Khan},
journal= {arXiv preprint arXiv:2511.19040},
year = {2025}
}
备注
accepted in ApJS, 17 figures