KR101845760B1 - 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법 - Google Patents

태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법 Download PDF

Info

Publication number
KR101845760B1
KR101845760B1 KR1020170011907A KR20170011907A KR101845760B1 KR 101845760 B1 KR101845760 B1 KR 101845760B1 KR 1020170011907 A KR1020170011907 A KR 1020170011907A KR 20170011907 A KR20170011907 A KR 20170011907A KR 101845760 B1 KR101845760 B1 KR 101845760B1
Authority
KR
South Korea
Prior art keywords
flare
black spot
black
sunspot
solar
Prior art date
Application number
KR1020170011907A
Other languages
English (en)
Inventor
박종엽
최성환
백지혜
이재진
조경석
Original Assignee
한국 천문 연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국 천문 연구원 filed Critical 한국 천문 연구원
Priority to KR1020170011907A priority Critical patent/KR101845760B1/ko
Application granted granted Critical
Publication of KR101845760B1 publication Critical patent/KR101845760B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/16—Measuring atmospheric potential differences, e.g. due to electrical charges in clouds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Image Analysis (AREA)

Abstract

본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 방법은 (A) 데이터 수집부가 태양 흑점 영상 및 플레어 관측 데이터를 수집하는 단계; (B) 주어제어부가 수집된 상기 데이터를 흑점군 분석부와 플레어 감시부에 제공하는 단계; (C) 플레어 감시부가 플레어 관측 데이터를 가지고 플레어를 감지하여 실제 플레어 정보를 계산하는 단계; (D) 흑점군 분석부가 태양 흑점 영상으로부터 태양 중심 평균 광도를 계산하는 단계; (E) 흑점군 분석부가 주연감광 계수를 계산하는 단계; (F) 흑점군 분석부가 태양 중심 평균광도와 주연감광 계수를 가지고 흑점을 검출하는 단계; (G) 흑점군 분석부가 (F)단계에서 검출된 흑점의 특성을 추출하는 단계; (H) 흑점군 분석부가 실제 플레어 정보 중, 플레어 발생 위치와, 반경(r) 내에 있는 흑점 특성을 가지고 흑점군을 검출하고 특성을 계산하는 단계; 및 (G) 예측 모델부가 플레어를 예측하는 단계;를 포함하여 플레어로 인한 피해로 인한 직, 간접적인 경제적 피해를 최소화할 수 있는 효과가 있다.

Description

태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법{SYSTEM AND METHOD FOR FORECASTING OF SOLAR FLARES USING SUNSPOT}
본 발명은 태양 흑점을 이용한 태양 플레어 예보 방법에 관한 것으로써, 더욱 상세하게는 태양 흑점 영상으로부터 흑점 검출 후, 검출된 흑점의 특성을 검출하고, 흑점군 검출 후, 검출된 흑점군의 특성을 추출하며, 추출한 흑점군 특성을 통해 플레어를 예보하는 태양 흑점을 이용한 태양 플레어 예보 방법에 관한 것이다.
태양 플레어는 태양에서 발생하는 급격한 에너지 방출 현상으로 주로 태양 활동영역에서 발생하며, 수 분 이내에 지구에 도착하여 다양한 피해를 발생시킬 수 있다. 현재 우주환경 변화로 발생할 수 있는 피해에 대한 대중적 관심이 크게 증가한 상태이다. 그리고 국가 우주개발 중장기 계획에 따라 국내의 우주산업 규모가 크게 증가할 것으로 예상되며, 임베디드 플랫폼의 범용화로 우주환경 변화에 의한 피해가 다양한 분야에서 나타날 수 있다.
대한민국 등록특허공보 제10-1510373호(2015. 04. 01)
본 발명은 상술한 피해를 최소화하기 위하여, 태양 흑점 영상으로부터 흑점 검출 후, 검출된 흑점의 특성을 검출하고, 흑점군 검출 후, 검출된 흑점군의 특성을 추출하며, 추출한 흑점군 특성을 통해 플레어를 예보하는 태양 흑점을 이용한 태양 플레어 예보 시스템의 제공을 목적으로 한다.
상술한 목적을 달성하기 위한 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 방법은 (A) 데이터 수집부가 태양 흑점 영상 및 플레어 관측 데이터를 수집하는 단계; (B) 주어제어부가 수집된 상기 데이터를 흑점군 분석부와 플레어 감시부에 제공하는 단계; (C) 상기 플레어 감시부가 상기 플레어 관측 데이터을 가지고 플레어를 감지하여 실제 플레어 정보를 계산하는 단계; (D) 상기 흑점군 분석부가 상기 태양 흑점 영상으로부터 태양 중심 평균 광도를 계산하는 단계; (E) 상기 흑점군 분석부가 주연감광 계수를 계산하는 단계; (F) 상기 흑점군 분석부가 상기 태양 중심 평균광도와 주연감광 계수를 가지고 흑점을 검출하는 단계; (G) 상기 흑점군 분석부가 상기 (F)단계에서 검출된 흑점의 특성을 추출하는 단계; (H) 상기 흑점군 분석부가 상기 실제 플레어 정보 중, 플레어 발생 위치와, 반경(r) 내에 있는 상기 흑점 특성을 가지고 흑점군을 검출하고 특성을 계산하는 단계; 및 (G) 예측 모델부가 플레어를 예측하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 시스템은 태양 흑점 및 흑점군을 검출하고 분석하여, 플레어로 인한 피해로 인한 직, 간접적인 경제적 피해를 최소화할 수 있는 효과가 있다.
도 1은 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 시스템의 블럭도,
도 2는 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 방법의 흐름도 및
도 3은 흑점을 최소 신장 트리로 연결하고 기준거리 미만의 연결을 삭제함으로써 흑점군을 검출하는 도면이다.
이하, 첨부 도면을 참조하여 본 발명의 실시예를 보다 상세하게 설명하고자
한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장
바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 시스템의 블럭도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 시스템은 데이터 수집부(100), 플레어 감시부(200), 흑점군 분석부(300), 플레어 DB(400), 검증 DB(500), 예측 모델부(600), 및 주제어부(700)를 포함한다.
상술한 바와 같은 구성을 갖는 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 방법에 대하여, 도 2를 참조하여 설명한다.
참고로, 도 2는 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 방법의 흐름도이다.
상기 데이터 수집부(100)는 태양 흑점 영상 및 태양 플레어 관측 데이터를 수집하는 단계를 수행한다(S100).
보다 구체적으로, 상기 데이터 수집부(100)는 태양 흑점 영상 예를 들어, SDO 위성이 촬영한 HMI Continuum 영상 또는 가시광선 대역인 4500Å 영상을 수집한다.
또한, 상기 데이터 수집부(100)는 태양 플레어 관측 데이터 예를 들어 NOAA(National Oceanic and Atmospheric Administration: 미국 해양 대기청) GOES 위성 Soft X-Ray 관측 데이터를 수집한다.
상기 주제어부(700)는 수집한 태양 흑점 영상과 태양 플레어 관측 데이터를 상기 흑점군 분석부(300)와 상기 플레어 감시부(200)에 제공하는 단계를 수행한다(S200).
상기 플레어 감시부(200)는 수집한 태양 플레어 관측 데이터를 가지고 실제 플레어 정보를 계산하는 단계를 수행한다(S300).
상기 플레어 감시부(200)는 상기 데이터 수집부(100)로부터 제공받은 태양 플레어 관측 데이터에서 플레어를 감지한다.
예를 들어, 상기 플레이 감시부(200)는 일정 수준 이상의 Soft X-Ray(SXR) Peak Flux의 값(W m-2), 이에 상응하는 플레어 등급 지수(C, M, X등급), R 등급(R1, R2, R3, R4, R5 등급)을 감지한다.
감지한 플레어를 통해 아래의 실제 플레어 정보를 계산한다.
순번 항목 유형 비고
1 발생시간 시간
2 최대시간 시간 SXR Flux 최고점 도달시간
3 종료시간 시간
4 발생위치 위치 태양 위도, 경도
5 플레어 강도 숫자 SXR Peak flux, 플레어 등급 등
한편, 상기 흑점군 분석부(300)는 상기 데이터 수집부(100)에서 수집한 태양 흑점 영상을 사용하여, 흑점 추출 및 분석, 흑점군 검출 및 분석을 수행한다(S400).
보다 구체적으로, 상기 흑점군 분석부(300)는 상기 태양 흑점 영상으로부터 태양 중심 부근 픽셀값의 중간값으로 태양 중심 평균 광도를 추정한다.
이후, 상기 흑점군 분석부(300)는 아래의 주연감광 현상(태양이나 별의 원반을 중앙에서부터 가장자리 쪽으로 관측할 때 그 밝기가 점점 감소하는 현상)을 모사하는 공식을 이용하여 주연감광비를 계산하는 단계를 수행한다(S500).
Figure 112017008895451-pat00001
x, y: 태양면 중심으로부터의 좌표
I(x, y): x, y에서의 태양 평균 광도
I(O, O): 태양 중심 평균 광도
θ: 태양 평면 x, y에서의 법선과 관측자 시선사이 각
cosθ, 관측자와 태양 사이의 거리가 태양 반경(R)보다 충분히 클 때,
Figure 112017008895451-pat00002
로 근사화할 수 있음
상기 [수학식 1]을 통해 550nm 관측 영상에서 주연감광 계수(ak)는 a1=0.93, a2=-0.2, a0 = 1-a1-a2 이다.
즉, 상기 흑점군 분석부(300)는 기존의 계수를 사용할 수도 있지만, 오차를 최소화하기 위하여, 태양 흑점 영상의 태양면에서 여래 개의 픽셀을 선택하고, 상기의 주연감광 공식에 대입하여 계산한 주연감광비와 선택한 픽셀에서의 주연감광비의 오차가 최소가 되는 주연감광비(ak)를 계산하여 사용할 수 있다.
상기 흑점군 분석부(300)는 태양 중심 평균 광도에 상기 [수학식 1]을 통해 계산된 주연감광비를 곱하여 태양 위치별 평균 광도를 계산하고, 위치별 평균 광도의 50%~98%에 해당하는 픽셀을 반암부로 검출하고, 상기 위치별 평균 광도의 0%~50%에 해당하는 픽셀을 암부로 검출하는 단계를 수행한다(S600).
상기 흑점군 분석부(300)는 검출한 반암부와 암부를 가지고 아래의 흑점 특성을 특성을 추출하는 단계를 수행한다(S700).
순번 항목 유형 비고
1 흑점 위치 위치 위도, 경도
2 흑점 경계 영역 위치 위도, 경도 범위
3 흑점 면적 숫자
4 흑점 광도 평균 숫자
5 흑점 광도 표준편차 숫자
보다 구체적으로, 흑점 면적은 검출한 반암부, 암부를 하나의 흑점으로 간주한 각각의 면적으로써 픽셀수의 합이며, 각 픽셀은 구면 투영 효과를 보정하여야 한다.
흑점 위치는 각 픽셀의 태양 위도, 경도의 중앙값으로 결정하며, 흑점 경계 영역은 각 픽셀의 위도, 경도의 최소, 최대값을 조합하여 4점으로 영역의 범위를 결정한다. 또한 흑점의 광도 평균 그리고 표준편차는 일반적인 통계 방식을 통해 계산된다.
이후, 상기 흑점군 분석부(300)는 초기 분석 위치로부터 반경(r) 내에 있는 상기 흑점 특성을 이용하여 표 3에 해당하는 흑점군 특성을 계산하는 단계를 수행한다(S800).
참고로, 초기 분석 위치는 플레어 발생 위치나 흑점 위치를 사용할 수 있다.
순번 항목 유형 비고
1 암부 총 면적 숫자
2 암부 총 개수 숫자
3 반암부 총 면적 숫자
4 반암부 총 개수 숫자
5 최대 흑점위치 숫자 최대 흑점 중심위치
6 최대 흑점 면적 위치
7 최대 흑점 위도 길이 숫자
8 최대 흑점 암부 면적 숫자 최대 흑점 내부 암부 면적
9 흑점 위치 숫자 흑점군 중심 위치
10 흑점군 면적 위치 반암부 총 면적 + 암부 총 면적
11 흑점 개수 숫자 반암부 총 개수 + 암부 총 개수
12 흑점군 경도 길이 숫자
13 암부 밀도 숫자 암부 면적/흑점군 면적
14 최대 흑점 밀도 숫자 최대 흑점 면적/흑점군 면적
15 최대 흑점 암부 밀도 숫자 최대 흑점 암부 면적/최대 흑점 면적
16 흑점군 각형비
(Rectangularity)		 숫자 흑점군 총 면적/(흑점군 경도 길이*최대 흑점 위도 길이)
17 최대 흑점 진원도
(Circularity)		 숫자 최대 흑점 면적/최대 흑점 위도 길이2
18 최대 흑점 비대칭도
(Eccentricity)		 숫자 최대 흑점 단축 길이/최대 흑점 장축길이



19


흑점군 복잡도


숫자
Figure 112017008895451-pat00003

Ai : 흑점 면적
Ap : 최대 흑점 면적
di : 최대 흑점까지 거리
한편, 상기 흑점군 분석부(300)는 초기 분석 위치가 주어지지 않는다면, 도 3에 도시된 바와 같이 계층적 군집화 방법(Hierarchical Clustering)을 통해 흑점군을 자동으로 검출해야 한다.
참고로, 도 3은 흑점을 최소 신장 트리로 연결하고 기준거리 미만의 연결을 삭제함으로써 흑점군을 검출하는 도면이다.
보다 구체적으로, 상기 흑점군 분석부(300)는 상기 태양 흑점 영상으로부터 추출한 모든 흑점 사이의 거리맵을 작성하는데, 이때 상기 거리는 흑점 외곽선 사이 최소 거리로 계산한다.
이후, 상기 흑점군 분석부(300)는 모든 흑점에 대한 거리의 합이 최소이고 순환이 없는 무지향 그래프(최소신장트리)를 생성하여 상기 최소 신장 트리에서 기준거리 보다 작은 연결을 삭제함으로써 흑점군을 검출한다..
상기 플레어 DB(400)는 플레어 감시부(200)에서 플레어 발생을 감지하면, 플레어 정보와 이와 관련 있는 과거의 흑점군 특성을 결합한다.
보다 구체적으로, 흑점군 특성은 플레어 발생 위치로부터 태양 자전 효과로 인한 위치 차이를 보정한 과거의 위치를 기준으로 임의의 반경 r에 포함되는 흑점들을 사용하여 상기 표3의 흑점군 특성을 계산한다.
상기 플레어 DB(400)는 플레어 발생시에만 레코드가 업데이트되어, 상기 예측 모델부(600)의한 예측 모델 개발에 활용된다.
본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 시스템은 흑점군 분석부(300)가 일정한 주기로 태양 영상을 분석하여 상기 예측 모델부(600)의 구동에 필요한 태양 흑점군 특성을 계산한 후, 상기 예측 모델부(600)를 통해 플레어를 예측하는 단계를 수행한다(S900).
참고로 플레어는 흑점군의 크기, 밀도, 각형비, 진원도, 비대칭도, 복잡도가 클수록, 흑점수가 많을수록 강도가 센 플레어가 발생할 확률이 높다.
상기 예측 모델부(600)는 플레어 DB(400)에서 플레어 발생 정보와 이와 결합된 흑점군 특성을 사용하여, 플레어 발생을 예측하는 모델을 구축할 수 있으며, 이를 위해 잘 알려진 확률 분포나 회귀분석, 기계학습 등의 방법을 사용할 수 있다.
예측 모델을 통한 예측값은 플레어 발생 확률이거나 발생 유무, 플레어 강도 [Wm-2], 플레어 발생 등급일 수 있다.
예를 들어, 플레어의 24시간 이내 발생 가능성을 예측하기 위해, 매 24시간 동안 상기 플레어 DB(400)에서 특정한 흑점군 특성에서 발생한 플레어 발생 빈도를 조사하고 이를 토대로 특정 조건에서 24시간 이내 플레어 발생 확률을 지수 분포를 사용하여 계산할 수 있다.
또한, 플레어 발생 강도를 예측하기 위해 상기 플레어 DB(400)에서 플레어 강도를 출력 값으로 하고 과거의 흑점군 특성을 입력값으로 하는 선형/비선형 관계식을 수립할 수 있다.
상기 선형/비선형 관계식의 계수를 최소 자승법(least squre method)을 사용하여 추정할 수 있으며, 이를 사용하여 플레어 강도와 선형/비선형 관계식의 결과값 사이의 오차의 제곱의 합이 최소인 예측 모델을 개발할 수 있다.
마찬가지로 플레어 발생을 위해, 기계학습 방법 중 인공신경망을 사용할 수 있으며, 예측 모델은 상기 플레어 DB(400)에서 출력값으로 플레어 발생 강도와 입력값으로 과거의 흑점군 특성을 사용하여 인공신경망을 훈련할 수 있다.
상기 인공신경망은 매 훈련과정마다 내부 계수를 실제 플레어 강도와 인공신경망의 결과값의 오차에 따라 갱신하며, 예측 모델로써 특정 조건에서의 플레어 발생을 예측할 수 있다.
마지막으로 상기 검증DB(500)는 본 발명에 따른 태양 흑점을 이용한 태양 플레어 예보 시스템의 주제어부(700)에 의해 주기적으로 흑점군 분석부(300)를 통해 흑점군을 자동으로 검출하고, 흑점군 관측 시간과 위치에 따라 흑점군 특성을 저장하며, 상기 예측 모델부(600)의 예측 모델을 사용하여 계산한 플레어 예측값을 결합한다.
이후, 상기 플레어 감시부(200)에서 실제 플레어가 검출되면, 플레어 관측 정보에서 발생시간과 발생위치를 기준으로 시간적, 공간적으로 가장 가까운 흑점군을 가장 발생 가능성이 높은 흑점군으로 생각하고 플레어 관측값을 추가한다.
상기 검증DB(500)는 플레어 예측값과 실제 플레어 관측값을 통해 예측 모델을 실시간으로 검증하는데 활용될 수 있으며, 흑점군 상태와 플레어 예측값을 실시간으로 디스플레이와 같은 표출 시스템과 연동할 수 있다.
이상과 같이, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술 사상과 하기에 기재될 청구범위의 균등 범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.
100 : 데이터 수집부
200 : 플레어 감시부
300 : 흑점군 분석부
400 : 플레어 DB
500 : 검증 DB
600 : 예측 모델부
700 : 주제어부(700)

Claims (8)

  1. 태양 흑점을 이용한 태양 플레어 예보 방법에 있어서,
    (A) 데이터 수집부(100)가 태양 흑점 영상 및 플레어 관측 데이터를 수집하는 단계;
    (B) 주제어부(700)가 수집된 상기 데이터를 흑점군 분석부(300)와 플레어 감시부(200)에 제공하는 단계;
    (C) 상기 플레어 감시부(200)가 상기 플레어 관측 데이터를 가지고 플레어를 감지하여 실제 플레어 정보를 계산하는 단계;
    (D) 상기 흑점군 분석부(300)가 상기 태양 흑점 영상으로부터 태양 중심 평균 광도를 계산하는 단계;
    (E) 상기 흑점군 분석부(300)가 주연감광 계수를 계산하는 단계;
    (F) 상기 흑점군 분석부(300)가 상기 태양 중심 평균광도와 주연감광비를 가지고 흑점을 검출하는 단계;
    (G) 상기 흑점군 분석부(300)가 상기 (F)단계에서 검출된 흑점의 특성을 추출하는 단계;
    (H) 상기 흑점군 분석부(300)가 상기 실제 플레어 정보 중, 플레어 발생 위치와, 반경(r) 내에 있는 상기 흑점 특성을 가지고 흑점군을 검출하고 특성을 계산하는 단계; 및
    (G) 예측 모델부(600)가 플레어를 예측하는 단계;를 포함하는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
  2. 제 1항에 있어서,
    상기 흑점군 분석부(300)가
    상기 태양 흑점 영상에 태양 중심 부근 픽셀 값의 중간값으로 태양 중심 평균 광도를 계산하는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
  3. 제 1항에 있어서,
    상기 주연감광비(ak)는
    수학식
    Figure 112017008895451-pat00004

    x, y: 태양면 중심으로부터의 좌표
    I(x, y): x, y에서의 태양 평균 광도
    I(0, 0): 태양 중심 평균 광도
    θ: 태양 평면 x, y에서의 법선과 관측자 시선사이 각
    cosθ: 관측자와 태양 사이의 거리가 태양 반경(R)보다 충분히 클 때,
    Figure 112017008895451-pat00005
    로 근사화할 수 있음
    로 계산되는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
  4. 제 1항에 있어서,
    상기 흑점군 분석부(300)가
    상기 태양 중심 평균 광도에 상기 주연감광비를 곱하여 태양 위치별 평균광도를 계산하고, 위치별 평균 광도의 50%~98%을 반암부 임계치로 이용하여 반암부를 검출하고, 상기 위치별 평균 광도의 0%~55%를 암부 임계치로 이용하여 암부를 검출하는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
  5. 제 1항에 있어서,
    상기 흑점군 분석부(300)는
    상기 태양 흑점 영상으로부터 추출한 모든 흑점의 외곽선 사이의 최소 거리를 계산하여 거리맵을 작성하고, 모든 흑점에 대한 거리의 합이 최소이고 순환이 없는 무지향 그래프(최소신장트리)를 생성하여 상기 최소 신장 트리에서 기준거리 보다 작은 연결을 삭제하여 흑점군을 검출하는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
  6. 제 1항에 있어서,
    상기 플레어 감시부(200)는
    상기 (C)단계에서 실제 플레어 발생을 감지하고, 실제 플레어 정보를 플레어 발생시간과 관련있는 과거의 흑점군 정보와 결합하여 플레어 DB(400)에 업데이트 되도록 하는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
  7. 제 1항에 있어서,
    상기 (G)단계에서 상기 예측 모델부(600)는
    상기 흑점군 분석부(300)가 태양 흑점 영상을 분석한 암부밀도, 최대 흑점 밀도, 최대 흑점 암부 밀도, 흑점군 각형비, 최대 흑점 진원도, 최대 흑점 비대칭도, 흑점군 복잡도를 사용하여 플레어를 예측하는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
  8. 제 1항에 있어서,
    검증DB(500)는
    주제어부(700)에 의해 주기적으로 흑점군 분석부(300)와, 예측 모델부(600)를 통한 흑점군 정보와 플레어 예측값이 업데이트되며, 실제 플레어 발생시 플레어 감시부(200)를 통한 플레어 관측 값이 업데이트 되는 것을 특징으로 하는 태양 흑점을 이용한 태양 플레어 예보 방법.
KR1020170011907A 2017-01-25 2017-01-25 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법 KR101845760B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170011907A KR101845760B1 (ko) 2017-01-25 2017-01-25 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170011907A KR101845760B1 (ko) 2017-01-25 2017-01-25 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101845760B1 true KR101845760B1 (ko) 2018-05-18

Family

ID=62453645

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170011907A KR101845760B1 (ko) 2017-01-25 2017-01-25 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101845760B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108983321A (zh) * 2018-05-25 2018-12-11 昆明理工大学 一种基于同步压缩小波变换的提取太阳黑子数和地磁Ap指数的周期分量的方法
KR102009464B1 (ko) 2018-07-18 2019-08-09 경희대학교 산학협력단 태양 전면 자기장 지도를 이용한 태양 플레어 예측 장치 및 방법
KR102009460B1 (ko) 2018-07-25 2019-08-09 경희대학교 산학협력단 Sdo/hmi 벡터 자기장 기반의 태양 플레어 발생 예측 장치 및 방법
CN111640122A (zh) * 2020-05-14 2020-09-08 长春希达电子技术有限公司 基于连通域的led异形显示屏光斑定位分割方法
KR20210104209A (ko) * 2020-02-14 2021-08-25 경희대학교 산학협력단 딥러닝 기법을 이용한 태양 X-ray 플레어 플럭스 프로파일의 예측 방법
CN117745603A (zh) * 2024-02-20 2024-03-22 湖南科洛德科技有限公司 基于线阵扫描设备的产品图像校正方法及设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101575834B1 (ko) * 2015-10-06 2015-12-09 대한민국(국립전파연구원 우주전파센터장) 태양 흑점군 추적 장치 및 그 방법
JP2016031282A (ja) * 2014-07-29 2016-03-07 国立大学法人京都大学 宇宙天気予報システムを構築するための機械学習方法及び当該方法によって構築された宇宙天気予報方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016031282A (ja) * 2014-07-29 2016-03-07 国立大学法人京都大学 宇宙天気予報システムを構築するための機械学習方法及び当該方法によって構築された宇宙天気予報方法
KR101575834B1 (ko) * 2015-10-06 2015-12-09 대한민국(국립전파연구원 우주전파센터장) 태양 흑점군 추적 장치 및 그 방법

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DEFENSE TECHNICAL INFORMATION CENTER (2014) *
SPACE WEATHER, VOL. 7 2009 *
박종엽 외 2인, '최소신장트리를 이용한 흑점군 자동분석 프로그램 개발', 천문학회보, 제37권, 제2호, 2012. *
박종엽 외 3인, '태양 플레어 폭발 예보를 위한 흑점군 자동분석 프로그램 개발', 천문학회보, 제38권, 제2호, 2013. *
천문학회보 제37권 제2호 [2012년 가을 학술대회 초록집] *
천문학회보 제38권 제2호 [2013년 가을 학술대회 초록집] *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108983321A (zh) * 2018-05-25 2018-12-11 昆明理工大学 一种基于同步压缩小波变换的提取太阳黑子数和地磁Ap指数的周期分量的方法
CN108983321B (zh) * 2018-05-25 2020-08-25 昆明理工大学 一种基于同步压缩小波变换的提取太阳黑子数和地磁Ap指数的周期分量的方法
KR102009464B1 (ko) 2018-07-18 2019-08-09 경희대학교 산학협력단 태양 전면 자기장 지도를 이용한 태양 플레어 예측 장치 및 방법
KR102009460B1 (ko) 2018-07-25 2019-08-09 경희대학교 산학협력단 Sdo/hmi 벡터 자기장 기반의 태양 플레어 발생 예측 장치 및 방법
KR20210104209A (ko) * 2020-02-14 2021-08-25 경희대학교 산학협력단 딥러닝 기법을 이용한 태양 X-ray 플레어 플럭스 프로파일의 예측 방법
KR102378281B1 (ko) 2020-02-14 2022-03-25 경희대학교 산학협력단 딥러닝 기법을 이용한 태양 X-ray 플레어 플럭스 프로파일의 예측 방법
CN111640122A (zh) * 2020-05-14 2020-09-08 长春希达电子技术有限公司 基于连通域的led异形显示屏光斑定位分割方法
CN111640122B (zh) * 2020-05-14 2023-07-18 长春希达电子技术有限公司 基于连通域的led异形显示屏光斑定位分割方法
CN117745603A (zh) * 2024-02-20 2024-03-22 湖南科洛德科技有限公司 基于线阵扫描设备的产品图像校正方法及设备和存储介质

Similar Documents

Publication Publication Date Title
KR101845760B1 (ko) 태양 흑점을 이용한 태양 플레어 예보 시스템 및 방법
Fink et al. Modeling avian full annual cycle distribution and population trends with citizen science data
CN103714339B (zh) 基于矢量数据的sar影像道路损毁信息提取方法
Trier et al. Automatic detection of pit structures in airborne laser scanning data
US20210118117A1 (en) Predicting and correcting vegetation state
CN104851086A (zh) 一种针对缆索表面缺陷的图像检测方法
AU2019100631A4 (en) Self-correcting multi-model numerical rainfall ensemble forecasting method
CN116664488A (zh) 基于手机app和机器视觉的桥梁表面病害及结构损伤监测方法
CN109902666A (zh) 一种基于二维otsu的电网山火潜在火点识别方法
KR102039048B1 (ko) 모의 위성 영상을 생성하는 장치 및 방법
Yan et al. Evaluating simulated visible greenness in urban landscapes: An examination of a midsize US city
Wang et al. Instance segmentation of soft‐story buildings from street‐view images with semiautomatic annotation
CN117409341A (zh) 基于无人机照明的图像分析方法及系统
CN113569956A (zh) 一种基于ai算法的山火灾害勘查识别方法
CN116881670A (zh) 一种基于gis地图的通信光缆附挂核查方法
Li et al. Data error propagation in stacked bioclimatic envelope models
Bannayan et al. Predicting realizations of daily weather data for climate forecasts using the non‐parametric nearest‐neighbour re‐sampling technique
CN116307857A (zh) 一种基于遥感图像场景理解的建成区环境评价方法
CN114325879B (zh) 一种基于分级概率的定量降水订正方法
Jiménez et al. Using double sampling to estimate the population of Least Terns (Sternula antillarum) nesting on Florida's rooftops
CN114998719A (zh) 一种基于深度学习和多源遥感数据的林火预测方法
CN114913485A (zh) 一种多层级特征融合的弱监督检测方法
CN111753887B (zh) 一种点源靶标像控点检测模型训练方法及装置
US11934562B2 (en) Data processing device, data processing method, data processing program, terminal device, and data processing system
US20220172114A1 (en) Machine learning device, deterioration estimator, and deterioration diagnosis device

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant