日冕物質(zhì)拋射（CME）是從太陽拋入行星際空間的大尺度等離子體團(tuán)，是太陽系內(nèi)最大尺度的能量釋放活動(dòng)，也是災(zāi)害性空間天氣的主要驅(qū)動(dòng)源。了解CME在日冕以及行星際的傳播以及演化過程，預(yù)報(bào)CME是否以及何時(shí)到達(dá)地球軌道，是空間天氣領(lǐng)域關(guān)注的重要課題。

根據(jù)搭載于太陽與日光層觀測臺(tái)（SOHO）衛(wèi)星上的LASCO日冕儀的數(shù)據(jù)，NASA CDAW數(shù)據(jù)中心的研究人員手工整理了自1996年至今的CME觀測目錄，該目錄記載了每一次CME事件的時(shí)間、位置角、角寬度、速度等物理量，給CME的相關(guān)研究提供了重要的基礎(chǔ)數(shù)據(jù)。但面對(duì)海量的數(shù)據(jù)，手工識(shí)別存在著耗時(shí)費(fèi)力的缺點(diǎn)，CME的自動(dòng)識(shí)別成為領(lǐng)域內(nèi)較為活躍的研究方向。

中國科學(xué)院國家空間科學(xué)中心太陽活動(dòng)與空間天氣重點(diǎn)實(shí)驗(yàn)室沈芳研究員團(tuán)隊(duì)研發(fā)了基于機(jī)器學(xué)習(xí)的CME識(shí)別與參數(shù)獲取方法。首先，團(tuán)隊(duì)基于LASCO望遠(yuǎn)鏡的圖像數(shù)據(jù)，訓(xùn)練了一個(gè)能夠判別圖像內(nèi)是否有CME的卷積神經(jīng)網(wǎng)絡(luò)模型。再利用主成分分析（PCA）方法提取神經(jīng)網(wǎng)絡(luò)的特征圖中的信息，獲取能夠展示每一張觀測圖像中CME位置的共定位圖。接著，根據(jù)不同圖像中CME區(qū)域的形狀、位置等特征，利用軌跡匹配方法跟蹤C(jī)ME軌跡，展示CME在日冕儀視野中傳播的過程，獲取速度、角寬度以及中央位置角等物理量。

與CME手工目錄以及部分經(jīng)典自動(dòng)識(shí)別方法相比，基于機(jī)器學(xué)習(xí)的CME識(shí)別與參數(shù)自動(dòng)獲取方法的效率高、速度快，能夠識(shí)別較為微弱的CME信號(hào)，給出準(zhǔn)確的CME形態(tài)信息。其跟蹤方法比較貼合直觀，獲取得到的參數(shù)接近人類手工識(shí)別的結(jié)果。此外，該方法探測到的CME結(jié)構(gòu)還可用于CME到達(dá)時(shí)間預(yù)測、CME三維重構(gòu)等其他方面的工作中。

該研究得到了國家自然科學(xué)基金、科技部重點(diǎn)研發(fā)計(jì)劃、中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)等項(xiàng)目的資助。相關(guān)論文已發(fā)表于國際SCI期刊The Astrophysical Journal Supplemental Series上，第一作者是中國科學(xué)院國家空間科學(xué)中心博士研究生林榮沛，通訊作者是沈芳研究員和楊易副研究員，合作者還包括捷克查理大學(xué)的Gilbert Pi博士。審稿人評(píng)價(jià)“I think the work presented by the authors is clearly a novel advancement in the very active field of CME detection and characterization.”

文章鏈接：Lin, Rongpei, Yi Yang, Fang Shen, Gilbert Pi, and Yucong Li. 2024. “An Algorithm for the Determination of Coronal Mass Ejection Kinematic Parameters Based on Machine Learning.” The Astrophysical Journal Supplement Series 271 (2): 59. https://doi.org/10.3847/1538-4365/ad2dea.

圖1 CME觀測圖像原圖、獲取的共定位圖以及CME區(qū)域標(biāo)注示意

圖2 軌跡匹配方法的流程示意

（供稿：天氣室）