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