COMPARISON OF THE DYNAMICS OF CORONAL HOLES IDENTIFIED BY TWO DETECTION METHODS IN SOLAR ACTIVITY CYCLES 24-25
Авторы:
1.
Crimean Astrophysical Observatory of the Russian Academy of Sciences
Тип:
Статья конференции
Опубликовано:
27.12.2024
Классификаторы:
УДК 52 Астрономия. Геодезия
УДК 53 Физика
УДК 520 Инструменты, приборы и методы астрономических наблюдений, измерений и анализа
УДК 521 Теоретическая астрономия. Небесная механика. Фундаментальная астрономия. Теория динамической и позиционной астрономии
УДК 523 Солнечная система
УДК 524 Звезды и звездные системы. Вселенная Солнце и Солнечная система
УДК 52-1 Метод изучения
УДК 52-6 Излучение и связанные с ним процессы
ГРНТИ 41.00 АСТРОНОМИЯ
ГРНТИ 29.35 Радиофизика. Физические основы электроники
ГРНТИ 29.31 Оптика
ГРНТИ 29.33 Лазерная физика
ГРНТИ 29.27 Физика плазмы
ГРНТИ 29.05 Физика элементарных частиц. Теория полей. Физика высоких энергий
ОКСО 03.06.01 Физика и астрономия
ОКСО 03.05.01 Астрономия
ОКСО 03.04.03 Радиофизика
ББК 2 ЕСТЕСТВЕННЫЕ НАУКИ
ББК 223 Физика
ТБК 614 Астрономия
ТБК 6135 Оптика
BISAC SCI004000 Astronomy
BISAC SCI005000 Physics / Astrophysics
УДК 53 Физика
УДК 520 Инструменты, приборы и методы астрономических наблюдений, измерений и анализа
УДК 521 Теоретическая астрономия. Небесная механика. Фундаментальная астрономия. Теория динамической и позиционной астрономии
УДК 523 Солнечная система
УДК 524 Звезды и звездные системы. Вселенная Солнце и Солнечная система
УДК 52-1 Метод изучения
УДК 52-6 Излучение и связанные с ним процессы
ГРНТИ 41.00 АСТРОНОМИЯ
ГРНТИ 29.35 Радиофизика. Физические основы электроники
ГРНТИ 29.31 Оптика
ГРНТИ 29.33 Лазерная физика
ГРНТИ 29.27 Физика плазмы
ГРНТИ 29.05 Физика элементарных частиц. Теория полей. Физика высоких энергий
ОКСО 03.06.01 Физика и астрономия
ОКСО 03.05.01 Астрономия
ОКСО 03.04.03 Радиофизика
ББК 2 ЕСТЕСТВЕННЫЕ НАУКИ
ББК 223 Физика
ТБК 614 Астрономия
ТБК 6135 Оптика
BISAC SCI004000 Astronomy
BISAC SCI005000 Physics / Astrophysics
Язык материала:
английский
Ключевые слова:
methods: data analysis; techniques: image processing; Sun: corona
Финансирование:
This work was supported by the Ministry of Science and Higher Education of the Russian Federation under the State Assignment (Theme No. 122022400224-7).
Аннотация (русский):
In this study, we analyze for the first time the long-term variations of coronal holes (CHs) identified by two different automatic detection schemes: Spatial Possibilistic Clustering Algorithm (SPoCA) and Convolutional Neural Network (CNN193). The source material was the observational data acquired by the Atmospheric Imaging Assembly instrument onboard the Solar Dynamics Observatory (AIA/SDO) in the Fe XII 19.3 nm line in the period from June 16, 2010, to May 13, 2021. An initial analysis comparing the long-term variations of the CH areas extracted by the SPoCA method and used by us in earlier works to study their evolution at different stages of the 24th and at the beginning of the 25th cycles showed fairly good agreement with the trend of the CH areas identified by the CNN193 algorithm for the same period. Both schemes reveal hemispheric asymmetry in the generation of CHs both in time and in amplitude.
In this study, we analyze for the first time the long-term variations of coronal holes (CHs) identified by two different automatic detection schemes: Spatial Possibilistic Clustering Algorithm (SPoCA) and Convolutional Neural Network (CNN193). The source material was the observational data acquired by the Atmospheric Imaging Assembly instrument onboard the Solar Dynamics Observatory (AIA/SDO) in the Fe XII 19.3 nm line in the period from June 16, 2010, to May 13, 2021. An initial analysis comparing the long-term variations of the CH areas extracted by the SPoCA method and used by us in earlier works to study their evolution at different stages of the 24th and at the beginning of the 25th cycles showed fairly good agreement with the trend of the CH areas identified by the CNN193 algorithm for the same period. Both schemes reveal hemispheric asymmetry in the generation of CHs both in time and in amplitude.
Ключевые слова:
methods: data analysis; techniques: image processing; Sun: corona
methods: data analysis; techniques: image processing; Sun: corona
1. Andreeva O., 2023, Advances in Space Research, 71, 4, p. 1915
2. Hurlburt N., Cheung M., Schrijver C., et al., 2012, Solar Physics, 275, 1-2, p. 67
3. Illarionov E. and Tlatov A., 2018, Monthly Notices of the Royal Astronomical Society, 481, 4, p. 5014
4. Illarionov E., Kosovichev A., Tlatov A., 2020, Astrophysical Journal, 903, 2, id. 115
5. Lemen J.R., Title A.M., Akin D.J., et al., 2012, Solar Physics, 275, 1-2, p. 17
6. Reiss M.A., Muglach K., Mason E., et al., 2024, Astrophysical Journal Supplement Series, 271, 1, id. 6
7. Verbeeck C., Delouille V., Mampaey B., et al., 2014, Astronomy \& Astrophysics, 561, id. A29
