获得真实的日面观测图像,是用户基于太阳望远镜开展科学和应用研究的基础,而平场定标是科学数据生产过程中的必要步骤之一,因为平场定标可以扣除太阳望远镜在成像过程中产生的不均匀性.“夸父一号”又名先进天基太阳天文台(Advanced Spa...获得真实的日面观测图像,是用户基于太阳望远镜开展科学和应用研究的基础,而平场定标是科学数据生产过程中的必要步骤之一,因为平场定标可以扣除太阳望远镜在成像过程中产生的不均匀性.“夸父一号”又名先进天基太阳天文台(Advanced Space-based Solar Observatory,ASO-S)卫星的载荷之一,莱曼阿尔法太阳望远镜(Lyman-alpha Solar Telescope,LST),包括3台科学仪器,具体来说是由一个双波段太阳日冕仪(Solar Corona Imager,SCI)以及白光太阳望远镜(White-light Solar Telescope,WST)和莱曼阿尔法全日面太阳成像仪(Solar Disk Imager,SDI)这两个全日面太阳望远镜构成.WST和SDI的探测器是互补金属氧化物半导体(Complementary Metal-Oxide-Semiconductor,CMOS),其平场本身的主要特征是由于激光退火造成的条纹结构,当CMOS探测器在紫外波段使用时会产生一定的衰减与辐射损伤,并且探测器上的水汽凝结和有机物的积累等污染,也会对所得平场产生一定影响.主要展示了ASO-S卫星发射两年多来,载荷LST的两个仪器WST和SDI在轨平场定标时使用的偏摆方案及其优化以及获得的平场图像和其随时间的演化情况等,并简要地介绍了WST和SDI探测器随时间的衰减和辐射损伤情况.展开更多
日冕物质抛射(Coronal Mass Ejection,CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提.通过Visual Geometry Group(VGG)16卷积神经网络方法对日冕仪图像进行自动分类.基于大角度光谱日冕仪(Large Angle and Spectro...日冕物质抛射(Coronal Mass Ejection,CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提.通过Visual Geometry Group(VGG)16卷积神经网络方法对日冕仪图像进行自动分类.基于大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment,LASCO)C2的白光日冕仪图像,根据是否观测到CME对图像进行标记.将标记分类的数据集用于VGG模型的训练,该模型在测试集分类的准确率达到92.5%.根据检测得到的标签结果,结合时空连续性规则,消除了误判区域,有效分类出CME图像序列.与Coordinated Data Analysis Workshops(CDAW)人工事件库比较,分类出的CME图像序列能够较完整地包含CME事件,且对弱CME结构有较高的检测灵敏度.未来先进天基太阳天文台(Advanced Space-based Solar Observatory,ASO-S)卫星的莱曼阿尔法太阳望远镜将搭载有白光日冕仪(Solar Corona Imager,SCI),使用此分类方法将该仪器产生的日冕图像按有无CME分类.含CME标签的图像将推送给中国的各空间天气预报中心,对CME进行预警.展开更多
文摘获得真实的日面观测图像,是用户基于太阳望远镜开展科学和应用研究的基础,而平场定标是科学数据生产过程中的必要步骤之一,因为平场定标可以扣除太阳望远镜在成像过程中产生的不均匀性.“夸父一号”又名先进天基太阳天文台(Advanced Space-based Solar Observatory,ASO-S)卫星的载荷之一,莱曼阿尔法太阳望远镜(Lyman-alpha Solar Telescope,LST),包括3台科学仪器,具体来说是由一个双波段太阳日冕仪(Solar Corona Imager,SCI)以及白光太阳望远镜(White-light Solar Telescope,WST)和莱曼阿尔法全日面太阳成像仪(Solar Disk Imager,SDI)这两个全日面太阳望远镜构成.WST和SDI的探测器是互补金属氧化物半导体(Complementary Metal-Oxide-Semiconductor,CMOS),其平场本身的主要特征是由于激光退火造成的条纹结构,当CMOS探测器在紫外波段使用时会产生一定的衰减与辐射损伤,并且探测器上的水汽凝结和有机物的积累等污染,也会对所得平场产生一定影响.主要展示了ASO-S卫星发射两年多来,载荷LST的两个仪器WST和SDI在轨平场定标时使用的偏摆方案及其优化以及获得的平场图像和其随时间的演化情况等,并简要地介绍了WST和SDI探测器随时间的衰减和辐射损伤情况.
文摘日冕物质抛射(Coronal Mass Ejection,CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提.通过Visual Geometry Group(VGG)16卷积神经网络方法对日冕仪图像进行自动分类.基于大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment,LASCO)C2的白光日冕仪图像,根据是否观测到CME对图像进行标记.将标记分类的数据集用于VGG模型的训练,该模型在测试集分类的准确率达到92.5%.根据检测得到的标签结果,结合时空连续性规则,消除了误判区域,有效分类出CME图像序列.与Coordinated Data Analysis Workshops(CDAW)人工事件库比较,分类出的CME图像序列能够较完整地包含CME事件,且对弱CME结构有较高的检测灵敏度.未来先进天基太阳天文台(Advanced Space-based Solar Observatory,ASO-S)卫星的莱曼阿尔法太阳望远镜将搭载有白光日冕仪(Solar Corona Imager,SCI),使用此分类方法将该仪器产生的日冕图像按有无CME分类.含CME标签的图像将推送给中国的各空间天气预报中心,对CME进行预警.
