基于紫外极光图像的极光电集流指数模型

基于紫外极光图像的极光电集流指数模型

极光电集流指数<italic>AE</italic>是描述地磁亚暴强弱的重要指标，且与极区磁层扰动及极光粒子沉降过程密切相关。因此，建立更加准确的极光电集流指数模型对空间天气的研究具有重要意义。利用1997年POLAR卫星紫外极光图像数据探究了紫外极光图像中极光强度<italic>I</italic><sub>AP</sub>的空间分布与<italic>AE</italic>指数在不同季节的相关性，并在此基础上提出了基于紫外极光图像的<italic>AE</italic>指数...

Full description

Bibliographic Details
Main Authors: 肖 晖, 田 馨沁
Format: Article
Language:English
Published: Science Press 2023-07-01
Series:Kongjian kexue xuebao
Subjects:
紫外极光图像
极光强度分布
网格化特征
广义回归神经网络
极光电集流指数模型
Online Access:https://www.sciengine.com/doi/10.11728/cjss2023.03.2022-0033
Description
Summary:极光电集流指数<italic>AE</italic>是描述地磁亚暴强弱的重要指标，且与极区磁层扰动及极光粒子沉降过程密切相关。因此，建立更加准确的极光电集流指数模型对空间天气的研究具有重要意义。利用1997年POLAR卫星紫外极光图像数据探究了紫外极光图像中极光强度<italic>I</italic><sub>AP</sub>的空间分布与<italic>AE</italic>指数在不同季节的相关性，并在此基础上提出了基于紫外极光图像的<italic>AE</italic>指数模型。以网格化方法提取极光强度空间分布特征，采用广义回归神经网络，通过相关系数法和方差选择法构建Cor-GRNN和Var-GRNN两种<italic>AE</italic>指数模型，并针对冬至月份、夏至月份、分点月份3个季节分别进行训练。研究结果表明，<italic>AE</italic>指数与<italic>I</italic><sub>AP</sub>具有相似的半年变化趋势，其相关性在不同季节差异较大。相比于太阳风驱动下的<italic>AE</italic>指数神经网络预测模型，基于极光图像的<italic>AE</italic>指数模型在<italic>E</italic><sub>RMS</sub>和<italic>R</italic><sup>2</sup>标准上均优于其他模型，其中归一化<italic>E</italic><sub>RMS</sub>小于0.1，模型对于<italic>AE</italic>指数变化的可解释度提升了10%左右。
ISSN:0254-6124

Similar Items