关于太阳矢量磁场数据推断测量中偏见的识别与缓解

本文讨论了矢量磁场图中垂直于视线方向的分量 Bperp 的偏见（即高估或低估）问题。此前关于该主题的工作已阐明问题存在；此处我们开展新的研究以量化偏见、充分理解其来源并提供缓解策略。首先，我们开发定量度量以测量 Bperp 偏见，并量化其在局部（物理）与原生像平面分量中的影响。其次，我们测试并评估不同的反演选项与数据源，以系统刻画各类选择的影响，包括显式考虑磁填充因子 ff。第三，我们部署一个简单模型以检验噪声与不同偏见模型可能如何显现。通过这三项研究，我们发现尽管偏见主要出现在未充分分辨的结构中，其在强场像素填充结构中也存在。磁图噪声可加剧该问题，但并非主因。我们表明显式拟合 ff 可提供显著缓解，但其他考量如 chi^2 权重与优化算法的选择也会影响结果。最后，我们展示了一种直接的“快速修复”方法，可在事后应用但须在解决 Bperp 中 180 度模糊之前使用，并可能在全局尺度结构被用作模型边界输入时有用。本工作结论支持部署显式拟合 ff 的反演代码，或如新 SyntHIA 神经网络那样，在以如此方式拟合的数据上训练的代码。