點擊“國家空間科學中心”關注我們吧
近日,中國科學院國家空間科學中心國家空間科學數(shù)據(jù)中心鄒自明團隊聯(lián)合太陽活動與空間天氣全國重點實驗室徐寄遙團隊及合作者,發(fā)表在約翰威立國際出版集團(John Wiley & Sons, Inc.,簡稱Wiley)出版期刊Space Weather 中的論文“Automatic Detection and Feature Extraction of Equatorial Plasma Bubbles From All‐Sky Airglow Image Based on Machine Learning”受到廣泛關注,作者團隊被授予2025年第一季度“Wiley威立中國高貢獻作者”榮譽稱號。
該論文提出了一種基于機器學習的赤道等離子體泡(Equatorial Plasma Bubble, EPB)事件智能識別和特征提取模型,包括EPB識別模型1、EPB形態(tài)分割模型2和EPB特征提取方法3,可以端到端自動實現(xiàn)極向擴展、緯向漂移速度和EPB面積的計算。這項研究為分析大量氣輝觀測數(shù)據(jù)中的EPB特征提供了一個便捷可靠的工具。EPB的緯向漂移速度、面積和極向擴展等參數(shù)是揭示其演化機制的關鍵物理量,分析三者的相互關系可揭示電場-中性風場-等離子體密度梯度的多尺度耦合機制,進而為理論模型的完善以及低緯地區(qū)電離層不規(guī)則體預報提供關鍵依據(jù)。
該論文利用云南曲靖站一個太陽活動周的全天空氣輝成像儀觀測數(shù)據(jù)進行模型訓練測試,通過不同網(wǎng)絡模型對比實驗,構建了性能優(yōu)良的嵌入輕量級卷積塊注意力模塊(CBAM)的深度殘差網(wǎng)絡(ResNet18)網(wǎng)絡模型,該模型在測試集上精確率可達0.99,召回率達0.91,F(xiàn)1值達0.95。作者進一步驗證了模型在不同太陽活動、地磁活動條件對模型識別性能的魯棒性;通過與人工提取的特征參量進行對比,驗證了模型提取特征參量的準確性;證明在識別和提取EPB特征方面,深度學習模型相較于人工專家具有更高的穩(wěn)定性和效率。
論文第一作者為國家空間科學數(shù)據(jù)中心鐘佳博士,通訊作者為鄒自明研究員,太陽活動與空間天氣全國重點實驗室徐寄遙研究員、孫龍昌副研究員、李欽增副研究員、袁韋高級工程師,國家空間科學數(shù)據(jù)中心陸陽特別研究助理,長沙理工大學吳坤教授也參與了研究工作。
![]()
該獎項是Wiley出版社在廣受作者認可的期刊中,通過統(tǒng)計由中國作者(通訊作者發(fā)文機構為中國大陸機構)發(fā)表的所有文章在發(fā)表后3個自然月內(nèi)的全文閱讀下載量,從中選擇下載量最高的數(shù)篇由中國作者所發(fā)表的文章,授予所在機構為中國大陸的中國作者“Wiley威立中國高貢獻作者”,以感謝作者為科技進步做出的貢獻。
該論文在發(fā)表后三個月內(nèi)獲709次下載,在該期刊中國作者2025年第一季度發(fā)表文章三月內(nèi)下載量中位列前茅。
1EPB recognition model,EPB-RM
2EPB morphology segmentation model,EPB-MSM
3EPB feature extraction program,EPB-FEP
論文鏈接:
https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025SW004336
![]()
歡迎關注我們,轉載授權、投稿事宜請
在文后留言,小編會盡快處理
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.