基于无监督机器学习方法 DSARD 检测的太阳活性区域统计分析
太阳与恒星天体物理
2025-02-26 v1 天体物理仪器与方法
空间物理
摘要
太阳活性区域 (AR) 是大多数太阳喷发发生的地方。研究 AR 的演化和形态特征不仅对于理解太阳喷发的物理机制具有重要意义，也有助于对有害太空天气的预测。本文开发了一种基于无监督机器学习算法 Density-Based Spatial Clustering of Applications with Noise (DBSCAN) 的太阳活性区域检测 (DSARD) 方法，用于检测太阳活性区域，这些区域在 SDO/HMI 磁图中观察到。该方法被用于在太阳第 24 周期以及太阳第 25 周期上升阶段的磁图中识别 AR。获得了太阳第 24 周期中 AR 在纬度和时间区间内的数量、面积、磁通和双极性位角的分布，以及蝴蝶图和漂移速度。基于我们的方法获得的大多数统计结果与前期研究相一致，这也保证了该方法的有效性。特别地，对太阳第 24 周期和第 25 周期上升阶段的 AR 的偶极位角进行了分析，这些分析揭示了在这两个周期中分别有 13% 和 16% 的 AR 违反 Hale 定律。
引用
@article{arxiv.2502.17990,
title = {Statistical Analyses of Solar Active Region in SDO/HMI Magnetograms detected by Unsupervised Machine Learning Method DSARD},
author = {Ruishuo Chen and Wutong Lu and Qi Hao and Yifan Meng and Pengfei Chen and Chenxi Shi},
journal= {arXiv preprint arXiv:2502.17990},
year = {2025}
}
备注
22 pages, 15 figures, submitted to ApJS