耀斑

摘要： 剧烈的太阳爆发活动,如耀斑和日冕物质抛射等,是地球与行星空间天气变化的主要驱动源.因此理解太阳爆发机理、进而预测太阳爆发是实现空间天气准确定量预报的重要前提.太阳爆发的根源在于日冕磁场的复杂结构和演化.研究太阳爆发活动相关的日冕磁场,关键在于获得日冕三维磁场的数据,从而基于磁场进行深入分析.由于太阳日冕磁场难以直接测量,人们主要基于光球磁图,采用一定的物理模型,并通过数值方法来求解,从而对三维日冕磁场进行静态重建和动态模拟.近年来人们在太阳爆发三维复杂磁结构研究方面取得一系列重要进展,包括发展新的日冕磁场外推方法、开发由时序矢量磁图数据驱动的磁流体日冕演化模式,这些新方法在刻画日冕复杂磁场形成与演化、揭示爆发物理机制方面发挥了巨大的优势:例如能够完整追溯日冕磁通量绳的产生历程、分析光球运动对其形成的具体作用、诊断其不稳定性,并真实再现其爆发的三维磁场演化.通过结合观测和模拟对磁拓扑和演化的深入分析,显著拓展了我们对日冕三维磁场复杂性的认识,并将不断刷新我们对太阳爆发机制的理解.

摘要： 电离层E-F谷区是电离层探测和研究的薄弱环节之一.文中利用曲靖非相干散射雷达日间120~200 km的电子密度观测数据,初步分析了曲靖地区电离层E-F谷区的变化特征.发现E-F谷区结构依赖于地方时与季节,相对于正午存在对称性,同时表现为两种形态:一种在120~160 km存在明显谷区结构,谷底位于134~144 km;另一种的谷区很宽,谷底位于约130 m,在120~150 km电子密度随高度缓慢变化,160 km以上电子密度快速单调增加.一次耀斑爆发后129 km以下电子密度迅速增加,D层电子密度突然增强,而134 km以上变化不明显,可能与X射线增强有关.一次磁暴期间139~158 km电子密度变化不明显,177~196 km的电子密度出现了增强现象,可能与氧原子含量增加有关.

摘要： 利用太阳动力学天文台(Solar Dynamic Observatory,SDO)/日震磁像仪(Helioseismic and Magnetic Imager,HMI)观测到的矢量磁图,运用安培(Ampere)定律的积分形式计算2014年11月7日活动区AR12205发生X1.6级耀斑期间的垂直电流密度。通过分析光球层上垂直电流密度的时间演化,发现它在耀斑爆发期间突然增加,增加的区域对应于耀斑双带的辐射增强位置。然后将强电流密度轮廓叠加在AIA160 nm波段的观测图像上,发现电流密度的形态和分布与耀斑带有强相互关系。这些观测结果与三维标准耀斑模型的理论预测一致,我们的研究为三维磁准分界层(Quasi-Separatrix Layer,QSL)重联模型提供了有力的观测证据。

摘要： 图片说明:周末视宁度不错,架起设备拍摄。这张照片记录了AR2786的黑子与耀斑。图片说明:那一夜本来是想去拍梅花鹿和银河,结果直到下山才发现,梅化鹿都在山下,期待2021年与小鹿再续星空之缘。

摘要： 日冕是最外层的太阳大气,是一个非常不稳定的结构,会产生或持续或剧烈的太阳活动,如太阳风、耀斑和日冕物质抛射(CME)。在CME过程中,日冕以每秒数百甚至上千千米的速度将数十亿吨的等离子体抛向行星际空间。

摘要： 恒星的耀斑是指发生在恒星局部区域的一种剧烈的爆发现象。耀斑会在短时间内释放大量能量,并且各种辐射会突然增强。耀斑对于生命,可谓“来者不善”,因为强烈的辐射可以摧毁DNA。

摘要： 在耀斑伴随日冕物质抛射(CME)事件编目数据的基础上,进行太阳质子事件(SPE)匹配,构建研究数据集.利用Apriori算法挖掘SPE与耀斑级别、耀斑发生日面位置以及CME角宽度和速度的关联关系.结果 表明:X级耀斑、全晕CME、高速(＞1000 km.s-1) CME和日面西半球耀斑是最可能伴随质子事件的4种特征,其诱发质子事件概率依次为0.366,0.355,0.30,0.155.角宽度低于120°或速度低于400 km.s-1的CME产生质子事件的概率为0.高速CME产生质子事件的概率是低速(400～1000 km.s-1) CME的8.6倍,X级耀斑产生质子事件的概率是M级耀斑的6.2倍,日面西部耀斑产生质子事件的概率是日面东部耀斑概率的3.9倍,全晕CME产生太阳质子事件的概率是非全晕(120°～360°)CME的3.8倍.对太阳质子事件样本进行过采样处理,利用随机森林等5种典型有监督学习算法,构建了基于第23太阳活动周耀斑和CME特征的质子事件预测模型.结果 表明,该预报模型的质子事件预测准确率、精确率和召回率均控制在91％以上.

摘要： 利用IGS提供的双频GNSS观测数据,分析了Kalman方法解算电离层垂直总电子含量(Vertical Total Electron Content,VTEC)存在的问题,提出了Kriging-Kalman改进解算方法,并对两种方法解算的电离层VTEC进行分析和比较.结果 表明:在低纬地区,当观测卫星数量发生改变时,Kalman方法解算的VTEC存在跳变异常,Kriging-Kalman方法解算的VTEC变化较为平稳,不存在跳变现象.对比分析耀斑期间两种方法解算VTEC的变化,发现Kalman方法解算的VTEC变化明显小于耀斑引起VTEC的增量;Kriging-Kalman方法解算结果与实际变化相一致.表明Kriging-Kalman方法计算精度更高,能够更精确计算耀斑等剧烈异常空间天气活动期间的VTEC及其变化,有利于电离层VTEC日常精确监测、研究和工程应用.

摘要： 太阳高能活动爆发与活动区内的电流结构有着密切的联系,安培(Ampere)定律jz=μ10(▽×B)z是测量活动区内视向电流密度的理论基础.由于实测的矢量磁场中不可避免地存在随机噪声,因此,应用安培定律的不同形式计算的电流密度存在显著的差异.为了比较不同形式计算结果的差异并从中探索一种实用的电流计算方法,基于太阳动力学天文台(Solar Dynamic Observatory,SDO)/日震学与磁场成像仪(Helioseismic and Magnetic Imager,HMI)在2011年2月15日测量的活动区AR11158的矢量磁图,利用安培定律的微分算法和积分算法分别计算了活动区内视向电流密度的分布图.结果显示,微分算法获得的视向电流密度分布图受随机噪声的影响要远比积分算法获得的结果大,电流分布图中的电流结构没有积分算法获得的结果清晰.另外,在扩大积分环路半径的情况下,所计算的电流分布图中的噪声信号快速降低,视向电流分布图中的电流结构更清晰.但是当继续扩大积分环路半径时,在获得清晰电流分布图的同时,部分精细结构也随之失真.该研究结果论证了适当扩大积分环路计算视向电流分布图可以降低计算结果受随机噪声的影响,从而获得清晰真实的视向电流分布图,但是积分路径的半径过大在消除噪声影响的同时会丢失电流分布中的一些精细结构.因此在实际计算电流的过程中,应该利用高分辨率的矢量磁图,选定合适的积分路径,利用安培定律的积分算法来计算活动区的视向电流,从而帮助我们探索耀斑爆发与活动区内电流结构的关系.

摘要： 耀斑和日冕物质抛射(Solar flares and coronal Mass Ejections,CME)是产生灾害性空间天气的源扰动.Ⅱ型射电暴是CME驱动的激波在日冕和行星际空间中运动引起电磁波辐射的结果.以研究太阳物理和空间天气预警预报为背景,对Ⅱ型射电暴特别是甚低频Ⅱ型射电暴的频谱特征以及物理成因进行分析,认为甚低频Ⅱ型射电暴不但可以用于估计CME激波的运动速度、诊断日冕磁场等物理参数,还可以为空间天气预警预报方面提供参考.研究结果可以为空间甚低频射电观测设备的科学研究及应用方面提供有益的参考.

摘要： 利用1997~1999年GOES卫星的耀斑观测资料以及全球定位系统(GPS,Global positioning system)网的观测资料,本文对不同级别耀斑爆发期间的电离层总电子含量(TEC,Total Electron Content)随时间的变化特点、TEC增幅及其与X射线最大辐射通量之间的关系进行了研究.利用缓变型耀斑爆发期间的GPS观测数据,本文还分析了电离层对此类耀斑的响应特点.

摘要： 一般认为，太阳高能粒子可由两阶段加速获得，第一阶段加速由太阳上储存的磁能突然释放提供；第二阶段的加速由日冕区的加速描述。

摘要： 本发明公开了基于太阳10.7cm射电流量的全日面耀斑预报方法及系统，所述方法包括：实时采集太阳F10.7指数；将该太阳F10.7指数输入预先建立的C级耀斑概率预报模型，输出C级耀斑的发生概率；将该太阳F10.7指数输入预先建立的M级耀斑概率预报模型，输出M级耀斑的发生概率；将该太阳F10.7指数输入预先建立的X级耀斑概率预报模型，输出X级耀斑的发生概率。本发明的方法满足当前空间环境预报中对耀斑预报级别和概率输出的实际需求，同时可利用10厘米流量的中期预报实现全日面的爆发预测，为深空空间环境的保障安全提供指导。

摘要： 本发明公开了一种基于3D卷积神经网络对太阳耀斑的爆发进行预报的方法，包括：1、采用连续观测数据构建观测数据立方体；2、采用训练集对3D卷积神经网络模型进行训练；3、将测试集输入训练的3D卷积神经网络模型进行预测。本发明通过将时间上连续的一系列太阳活动区图像进行定位、跟踪、截取和矫正，可以避免后续输入入至模型中的图片失真问题，使得结果更贴合实际，而将处理后的数据配合本申请特定的3D卷积神经网络，能够充分提取太阳连续观测数据中所包含的时序信息，从而捕捉活动区的演化过程信息，有效地提高了模型对太阳耀斑预报的准确性；同时，由于使用的是连续的太阳观测数据，有效降低了观测数据收集与整理工作的复杂度。

摘要： 本发明公开了一种全变分光学遥感图像海面耀斑去除方法，包括：将被耀斑污染的光学遥感退化图像X输入预设的高阶纹理全变分耀斑去除模型，将高阶纹理全变分耀斑去除模型的求解问题转换为包含多个子问题的数值优化问题，求解所述包含多个子问题的数值优化问题，获得纯净的遥感图像Y；该高阶纹理全变分耀斑去除模型为将光学遥感退化图像X视为一个纯净的遥感图像Y和一个耀斑图像Z的叠加的函数关系X=Y+Z建立便于区分耀斑和背景信息的纯净的遥感图像Y的函数表达式、并引入纹理的高阶全变分项得到。本发明实现光学遥感图像海面耀斑去除，不需要利用任何辅助数据和波段信息，能够有效去除耀斑且保留地物信息。

摘要： 本发明涉及太阳活动的研究技术，特别涉及一种预报因子与太阳耀斑发生的相关性评估方法，具体步骤如下：步骤一：提取全部预报因子及其对应是否发生耀斑事件的数据，定义各个预报因子的相关性指数；步骤二：绘制其中任意一个“预报因子”与“是否发生耀斑的数据”的相关性图；步骤三：统计所述预报因子在各个数据段的耀斑发生概率，得出该预报因子的相关性指数；步骤四：根据相关性指数的数值大小，给出所述预报因子与是否发生耀斑事件之间的相关性结论；步骤五：对其他预报因子都执行步骤二至步骤四，得到各个预报因子的相关性结论。本发明采用多数据段评估方法，可较为完备、准确地得到相关性结论。

摘要： 本发明公开一种比率型粘性耀斑荧光探针及其制备方法。探针以金纳米颗粒为载体，在其表面连接识别端粒酶的带有不同荧光基团的DNA双链：FL‑R flare长链和与长链部分互补序列的SH‑C‑FL strand短链。FL‑R flare长链从5′端依次为荧光染料、辅助序列、端粒酶扩增序列互补的序列及端粒酶引物序列，不论端粒酶存在与否，FL‑R flare长链都发光，可作为内在荧光信号参照。SH‑C‑FL strand短链的一端修饰巯基，另一端修饰另一种荧光染料，在端粒酶存在下，短链被延长，形成发夹结构，从纳米金上脱落下来，荧光打开，用于细胞中端粒酶活性原位检测，结合长链荧光信号，可实现对肿瘤细胞中端粒酶活性的定量分析及肿瘤细胞与正常细胞的有效区分。这种探针在细胞实验过程中，无需清洗，可直接用于激光共聚焦成像。

摘要： 本申请涉及具有减少的花瓣耀斑的图像传感器。一种图像传感器包含衬底材料、滤色片阵列、波导阵列及间隔物。所述衬底材料包含安置在其中的多个光电二极管。所述滤色片阵列被安置在所述衬底材料上方。所述波导阵列被安置在所述衬底材料上方。所述缓冲层被安置在所述衬底材料与所述滤色片阵列及所述波导阵列之间。所述间隔物被安置在所述滤色片阵列中的所述滤色片之间。所述间隔物被安置在所述波导阵列中的所述波导之间。入射光适于被限定在所述间隔物之间。所述入射光适于在被引导通过所述缓冲层进入所述衬底材料中的所述光电二极管中的一者之前被引导通过所述波导中的一者且通过所述滤色片中的一者。

摘要： 本发明公开了一种基于神经网络的太阳耀斑二分类预测方法，推导出皮尔森相关系数计算公式；推导出斯皮尔曼相关系数计算公式；求得出斯皮尔曼相关系数的优势；对数据进行特征选择；构建感知机；引入多层神经网络；依据神经网络设计反向传播算法进行预测，并产生预测结果；本发明结合皮尔森相关系数与斯皮尔曼相关系数，构建基于神经网络的太阳耀斑预测模型，进行耀斑二分类预测研究，能够对与太阳耀斑行为具有较高准确率的预测，且方法科学合理、适用性强和效果佳等优点。

摘要： 本发明公开了一种基于支持向量机的太阳耀斑二分类预测方法，对实验模型进行数据预处理，构建数据集；斯皮尔曼等级相关系数的确定，并求得等级之间的差值公式；对机器学习的训练特征进行分析和测试，再对实验模型样本进行特征选择，并通过斯皮尔曼等级相关系数对特征之间的联系进行验证；采用SVM寻找决策边界，并对SVM核函数进行选择；对SVM计算原理进行推导；采用SVM对数据进行预测处理，并产生预测结果；对预测结果进行判定；本发明通过以机器学习算法作为核心构建太阳耀斑活动行为预测模型，并通过对太阳耀斑观测数据的特征提取以及预处理，对预处理数据进行建模以及优化，并最终实现对与太阳耀斑行为较高准确率的预测。

摘要： 本发明属于神经网络技术领域，具体涉及一种基于低维卷积神经网络的太阳耀斑时间序列分类方法，包括如下步骤，数据采集：采集太阳耀斑数据，并对其类别进行标注，完成模型训练所需数据集的构建；数据预处理：对数据进行预处理，通过不同的数据分割方法对太阳耀斑的不同类型进行划分，保证模型训练效果；模型构建：采用低维卷积神经网络搭建识别分类模型，输入训练数据，完成参数模型的搭建；模型保存：当模型的损失函数不再降低之后，保存模型；模型评估：通过不同的评价指标对保存后的模型进行性能评估，了解其性能。本发明通过两种不同的数据集分割方法:随机的和按时间顺序的用于提高模型预测的随机性和准确性。

摘要： 本发明公开了一种基于LSTM的太阳耀斑活动预报模型构建方法，包括以下步骤：步骤(A)，以LSTM模型为监本单元，并根据太阳观测数据集合特点构建太阳耀斑活动预报模型；步骤(B)，将双向/单向LSTM层、Dense层、Dropout层、BN层、ReLU层以及Softmax层作为太阳耀斑活动预报模型的构成要件。本发明以LSTM模型为监本单元，并根据太阳观测数据集合特点，再结合构成要件，构建太阳耀斑活动预报模型，本发明首次提出以双向LSTM用于太阳耀斑二分类预报，进一步提高了太阳耀斑活动的预报性能，其预报性能优于传统传统机器学习算法。