Identifying and Tracking Solar Magnetic Flux Elements with Deep Learning
Institute for Space Weather Sciences, New Jersey Institute of Technology（新泽西理工学院空间天气科学研究所）；Department of Computer Science, New Jersey Institute of Technology（新泽西理工学院计算机科学系）；Center for Solar-Terrestrial Research, New Jersey Institute of Technology（新泽西理工学院日地研究中心）；Big Bear Solar Observatory, New Jersey Institute of Technology（新泽西理工学院大熊湖太阳观测站）
Haodi Jiang, Jiasheng Wang, Chang Liu, Ju Jing, Hao Liu, Jason T. L. Wang, Haimin Wang
Deep learning has drawn a lot of interest in recent years due to its effectiveness in processing big and complex observational data gathered from diverse instruments. Here we propose a new deep learning method, called SolarUnet, to identify and track solar magnetic flux elements or features in observed vector magnetograms based on the Southwest Automatic Magnetic Identification Suite (SWAMIS). Our method consists of a data pre-processing component that prepares training data from the SWAMIS tool, a deep learning model implemented as a U-shaped convolutional neural network for fast and accurate image segmentation, and a post-processing component that prepares tracking results. SolarUnet is applied to data from the 1.6 meter Goode Solar Telescope at the Big Bear Solar Observatory. When compared to the widely used SWAMIS tool, SolarUnet is faster while agreeing mostly with SWAMIS on feature size and flux distributions, and complementing SWAMIS in tracking long-lifetime features. Thus, the proposed physics-guided deep learning-based tool can be considered as an alternative method for solar magnetic tracking.
An Improved HDBSCAN-based Detection and Tracking Method for Solar Active Regions in Magnetograms
School of Astronomy and Space Science, Nanjing University（南京大学天文与空间科学学院）；Key Laboratory of Modern Astronomy and Astrophysics (Nanjing University), Ministry of Education（教育部现代天文与天体物理重点实验室（南京大学））
Brightenings AnD Polarity Inversion Tracking (BADPIT) method for studying solar active region evolution before major solar flares
University of Ioannina（约阿尼纳大学）；University of Sheffield（谢菲尔德大学）；Eötvös Loránd University（罗兰大学）；Gyula Bay Zoltán Solar Observatory (GSO)（久拉·巴伊·佐尔坦太阳观测站）；Hungarian Solar Physics Foundation (HSPF)（匈牙利太阳物理学基金会）；Johns Hopkins Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）；Academy of Athens（雅典科学院）
Near-continuous tracking of solar active region NOAA 13664 over three solar rotations
ETH Zürich（苏黎世联邦理工学院）；Istituto Ricerche Solari Aldo e Cele Daccò (IRSOL)（阿尔多和塞莱达科太阳研究所）；Università della Svizzera Italiana（瑞士意大利语大学）；PMOD/WRC（世界辐射中心）；University of Applied Sciences and Arts Northwestern Switzerland（西北瑞士应用科学与艺术大学）；University College London（伦敦大学学院）；Mullard Space Science Laboratory（穆拉德空间科学实验室）；University of Vienna（维也纳大学）；Max Planck Institute for Solar System Research（马克斯·普朗克太阳系研究所）
Application of the coherent structure tracking to solar Doppler maps to determine horizontal velocity fields at the Sun's surface
Indian Institute of Astrophysics（印度天文物理研究所）；Cnrs, Institut de Recherche en Astrophysique et Planétologie（法国国家科学研究中心，天体物理与行星学研究所）；Université de Toulouse, Observatoire Midi-Pyrénées, Cnrs, Cnes, Irap（图卢兹大学，南比利牛斯观测站，法国国家科学研究中心，法国国家空间研究中心，天体物理与行星学研究所）
Identifying the Coronal Source Regions of Solar Wind Streams from Total Solar Eclipse Observations and in situ Measurements Extending Over a Solar Cycle
Tracking Magnetic Bright Point Motions Through the Solar Atmosphere
采用高频差、多波长观测和模拟方法，对宁静太阳光球磁亮点进行了分析。这些观测是由邓恩太阳望远镜的太阳大气层快速振荡成像仪和干涉二维光谱仪获得的。我们的分析表明，光球MBPs的平均横向速度约为1 km/s，而它们的色球对应物的平均速度略高，为1.4 km/s。此外，色球的MBPs比相当的光球MBPs大63%左右。将这些速度值与使用MURaM代码生成的数值模拟的输出进行比较。模拟结果相似，但与观测数据相比略有升高。在模拟的G波段图像中发现的平均速度为1.3公里/秒，在连续体形成层上方500公里高度的速度域中发现的平均速度为1.8公里/秒。还分析了速度变化的延迟。建立了模拟数据集各层之间约4 s的平均延迟，并在G波段和Ca II K ROSA观测之间观察到约29 s的值。模拟中的延迟很可能是斜颗粒激波的结果，而观测中发现的延迟可能是半刚性通量管的结果。
Identifying coronal sources of L1 solar wind disturbances using the Fisk heliospheric magnetic field and potential field extrapolations during three solar minima
Study of Chromospheric Global-Scale Flows using Local Correlation Tracking Across the past 10 Solar Cycles
Institute for Space Weather Sciences, New Jersey Institute of Technology（太空天气科学研究所，新泽西理工学院）；Department of Mechanical and Aerospace Engineering, Clarkson University（机械与航空航天工程系，克拉克森大学）
利用科代卡纳尔观测站1907-2007年Ca II K数据的LCT技术，研究了太阳活动周14-23的较差自转和经向流动，发现较差自转变化小，经向流动极向且周际变化大，并与SDO/HMI数据高度相关。
Tracking a beam of electrons from the low solar corona into interplanetary space with the Low Frequency Array, Parker Solar Probe and 1 au spacecraft
III型射电暴是温和相对论性电子束从低日冕传播到日光层的等离子体发射的结果，如果它们与日光层航天器的位置对齐，最终可以在原地检测到。在这里，我们观察到一个III型射电爆发从0.1-16兆赫使用帕克太阳探测器（PSP）领域的射频频谱仪（RFS），并从20-80兆赫使用低频阵列（LOFAR）。该事件与任何可检测到的耀斑活动无关，但属于PSP遭遇2期间发生的持续III型噪声风暴的一部分。LOFAR射电源向三维空间的反投影表明，III型射电爆发源位于1.6-3 R $_\odot$的开放磁场上，起源于东经48 $^o$附近的近赤道活动区。结合PSP/RFS观测与风/波和立体声/波，我们重建的第三类射电源轨迹在日光层内部PSP的位置，假设黄道约束。随后在STEREO-A航天器上在兼容的时间原位检测到高能电子增强，尽管开始和持续时间表明单独的爆发有助于增强的一个子集。这项工作表明，日冕中相对小规模的通量出现可以导致电子束从低日冕注入日光层，而不需要强烈的太阳耀斑。这项研究还明确强调了地面和天基无线电观测相结合的互补性，特别是在PSP时代。
Tracking the Evolution of Plasma Instabilities from the Prominence-Corona Transition Region into Interplanetary Space with Total Solar Eclipse and WISPR/PSP White Light Images
Institute for Astronomy, University of Hawai‘i（夏威夷大学天文研究所）；George Mason University（乔治梅森大学）；U.S. Naval Research Laboratory（美国海军研究实验室）；ADNET Systems, Inc.（ADNET系统公司）；NASA Goddard Space Flight Center（NASA戈达德太空飞行中心）；Department of Astrophysical Sciences, Princeton University（普林斯顿大学天体物理科学系）；Faculty of Mechanical Engineering, Brno University of Technology（布尔诺理工大学机械工程学院）；The Catholic University of America（美利坚天主教大学）
Tracking downflows from the chromosphere to the photosphere in a solar arch filament system
我们研究了从色球层到光球层的弓形灯丝系统（AFS）的腿上等离子体的动力学，用两个地面太阳望远镜的高节奏光谱数据观察到：格雷戈里望远镜（特内里费岛）使用He I 10830 nm范围内的GREGOR红外光谱仪（GRIS）和瑞典太阳望远镜（La Palma）中使用CRisp成像分光偏振仪观察Ca II 8542和Fe I 6173的谱线。从色球层到光球层，沿着单弓丝的腿，等离子体的排放的时间演化。He I 10830三重态在上色球层的平均多普勒速度可达20-24 km~s $^{-1}$，在下色球层和上光球层，Ca II 8542三重态和Si I 10827三重态谱线的多普勒速度分别可达11 km~s $^{-1}$和1.5 km~s $^{-1}$。多普勒速度在不同层的太阳大气（色球层和上层光球）的演变表明，他们遵循相同的LOS速度模式，这证实了观测证据，等离子体排水向光球提出的模型中的AFS。从低光球Ca I 10839或Fe I 6173谱线推断的多普勒速度图不显示相同的LOS速度图。因此，没有证据表明等离子体到达较低的光球层。观测结果和非线性无力场外推表明，AFS的磁场环随时间而增大。我们发现流动不对称性在不同的足点的AFS。磁场强度的NLFFF值为我们解释这些流动不对称性提供了线索。
Tracking nonlinear solar-wind dynamics over three solar cycles using Wind observations
Instituto de Física del Noroeste Argentino, CONICET（阿根廷西北物理研究所，阿根廷国家科学研究委员会）；Universidad Nacional de Tucumán（图库曼国立大学）；Departamento de Física, Facultad de Ciencias Exactas y Tecnología, Universidad Nacional de Tucumán（图库曼国立大学理学院技术系物理系）
Solar Transient Recognition Using Deep Learning (STRUDL) for heliospheric imager data
GeoSphere Austria（地球系统奥地利）；University of Graz（格拉茨大学）；University of Reading（雷丁大学）；STFC Rutherford Appleton Laboratory（英国科学与技术设施委员会拉瑟福·阿普尔顿实验室）；Austrian Academy of Sciences（奥地利科学院）
Improved Measurements of the Sun's Meridional Flow and Torsional Oscillation from Correlation tracking on MDI \& HMI magnetograms
太阳的轴对称流、差动自转和纬向流控制着太阳磁周期的动态，各种方法被用来测量这些流，每种方法都有自己的优缺点。自20世纪70年代以来，已经进行了基于表面磁场的互相关图像的流量测量，这需要能够检测小于太阳图像中像素大小的运动的先进数值技术。我们已经确定了几个系统误差，除了中心到肢体的效果，影响以前的测量这些流量，并提出了数值技术，可以尽量减少这些错误，利用测量的位移在几个时间滞后。我们对欧空局/美国宇航局（ESA/NASA）{ \em Solar and Heliospheric Observatory}（SOHO）上的{ \em Michelson Doppler Imager}（MDI）和美国宇航局（NASA）{ \em Solar Dynamics Observatory}（SDO）上的{\em Helioseismic and Magnetic Imager}（HMI）的视线磁图进行了分析，显示了1996年至2020年两个太阳黑子周期内纬向流和差旋的长期变化。这些改进的测量可以作为太阳发电机和表面通量传输模拟的重要投入。
