当前位置 >>成果展示 >>数据库多波段活动区数据库
孙德志 张鑫泽
中国科学院国家天文台
->数据库访问-<
背景：
太阳多波段图是指紫外、极紫外的光谱成像，我们根据SDO/HMI上定义的活动区（AR）坐标，提取了SDO/AIA上的活动区，总共包括6个波段，如上表列举。由于多波段图记录的是一定高度上太阳的变化，而太阳爆发（耀斑，CME）正好发生在过渡区和日冕层，因此多波段图能够记录太阳爆发区域的变化过程；同时，紫外极紫外成像采用高温光谱成像，能够跟踪太阳爆发的瞬变状态，时间分辨率非常高，因此可以很好地展示太阳爆发的动态演化过程。
在之前的耀斑预报模型中，很少使用多波段图。随着深度学习模型的发展，使用大数据训练模型变的效率越来越好，因此综合传统的磁图和多波段图，有望构建更好的太阳爆发预报模型。
本研究中，我们提取了大规模活动区磁场对应的多波段图的活动区，构建了大型的数据库，可以用于深度学习的预报建模，也可以被用于事件分析、统计分析等。
数据库简介：
活动区信息：从SDO/HMI提取活动区坐标信息；
提取多波段活动区：用活动区坐标信息提取SDO/AIA多波段图（6个波段）的活动区；
数据格式：活动区FITS格式、图片格式；
数据规模：
数据库应用：
1、DEM（Differential Emission Measure）反演：
我们反演生成了六个EUV波段（94、131、171、211、193、335）太阳活动区的差分发射测量(DEM)图像，并计划研究它作为基于深度学习的太阳耀斑的预测或前兆时的预报效果。SDO/AIA同时使用跨越日冕温度范围的多个光谱波段，这保证了诊断观测系统热演化的能力。然而，尽管该仪器在设计上非常适合约束瞄准线上光学薄等离子体的温度，但从发射等离子体的温度和密度方面对AIA数据的常规解释仍然是一个难以解决的问题。因为AIA EUV通道的温度响应函数通常是多热的(即，它们有等离子体在一定温度范围内的贡献)，观测到的等离子体的热分布不能从EUV图像直接推断。要了解日冕温度，必须将日冕等离子体的多热性质与EUV通道的多热响应分开。DEM显示了等离子体发射测量(EM)的分布作为温度的函数，并量化了沿观测视线(LOS)的光学薄冠状和过渡区等离子体的温度结构。因此我们使用活动区DEM图像作为数据集使用深度学习方法提取耀斑预报前兆特征，在本研究中我们目标是对EUV六个波段的活动区图像进行反演成DEM图像,将其设定为不同的温度响应范围，再结合深度学习方法对其进行训练学习生成太阳耀斑预报模型，通过模型测试结果探索哪个温度响应范围用于耀斑预报更为有效。
2、耀斑预报模型：
数据集：基于SDO/AIA的六个EUV波段的活动区图像（2010-2016）
模型：ResNet18、SqueezeNet、AlexNet
实验设计：我们研究了活动区极紫外(EUV在94、131、171、193、211和335 埃)图像对太阳耀斑预测的影响。我们生成的数据集是SDO/AIA从2010年到2016年观测到的活动区的EUV图像。在目前的工作中，使用深度学习方法从EUV多波段图像中提取特征前体，并学习太阳耀斑预测模式。视觉特征映射模块的输出结果表明，该模型的感兴趣区域为磁绳及其足点区域。对预测模型的试验结果进行了讨论和分析，得出以下结论:(1)利用EUV多波长图像对耀斑进行预测，每个波长都取得了较好的预测效果，其中94波段的预测效果最好。(2)在多波段组合结果中，6个波段的融合预报效果最好。
（a）单波段预测性能
（b）ResNet18多波段结果融合性能
（c）SqueezeNet多波段结果融合性能
（d）AlexNet多波段结果融合性能
ACHIEVEMENTS