論文の概要: Reconstruction of Solar EUV Irradiance Using CaII K Images and SOHO/SEM Data with Bayesian Deep Learning and Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2508.07065v1
• Date: Sat, 09 Aug 2025 18:05:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.682033
• Title: Reconstruction of Solar EUV Irradiance Using CaII K Images and SOHO/SEM Data with Bayesian Deep Learning and Uncertainty Quantification
• Title（参考訳）: CaIIK画像とSOHO/SEMデータを用いた太陽EUV照射のベイジアン深層学習と不確かさ定量化による再構成
• Authors: Haodi Jiang, Qin Li, Jason T. L. Wang, Haimin Wang, Serena Criscuoli,
• Abstract要約: 太陽極端紫外線(EUV)は、地球の電離圏、熱圏、中間圏の加熱に重要な役割を果たしている。 複数の太陽周期にまたがるEUVフラックスの長期的進化を研究する研究はほとんどない。
• 参考スコア（独自算出の注目度）: 2.288179807773525
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Solar extreme ultraviolet (EUV) irradiance plays a crucial role in heating the Earth's ionosphere, thermosphere, and mesosphere, affecting atmospheric dynamics over varying time scales. Although significant effort has been spent studying short-term EUV variations from solar transient events, there is little work to explore the long-term evolution of the EUV flux over multiple solar cycles. Continuous EUV flux measurements have only been available since 1995, leaving significant gaps in earlier data. In this study, we propose a Bayesian deep learning model, named SEMNet, to fill the gaps. We validate our approach by applying SEMNet to construct SOHO/SEM EUV flux measurements in the period between 1998 and 2014 using CaII K images from the Precision Solar Photometric Telescope. We then extend SEMNet through transfer learning to reconstruct solar EUV irradiance in the period between 1950 and 1960 using CaII K images from the Kodaikanal Solar Observatory. Experimental results show that SEMNet provides reliable predictions along with uncertainty bounds, demonstrating the feasibility of CaII K images as a robust proxy for long-term EUV fluxes. These findings contribute to a better understanding of solar influences on Earth's climate over extended periods.
• Abstract（参考訳）: 太陽極端紫外線(EUV)は、地球の電離圏、熱圏、中間圏の加熱において重要な役割を担い、様々な時間スケールの大気力学に影響を及ぼす。 太陽過渡現象からの短期的なEUV変動の研究には多大な労力が費やされているが、複数の太陽周期にわたるEUVフラックスの長期的進化を探求する研究はほとんどない。 連続したEUVフラックスの測定は1995年からしか行われておらず、以前のデータには大きなギャップが残っている。 本研究では,このギャップを埋めるために,SEMNetというベイズ深層学習モデルを提案する。 我々は、1998年から2014年にかけてのSOHO/SEM EUVフラックス測定にSEMNetを適用して、精密太陽測光望遠鏡のCaIIK画像を用いて、我々のアプローチを検証する。 SEMNetは1950年から1960年の間、光代官立太陽観測所のCaIIK画像を用いて太陽のEUV放射を再構成するトランスファーラーニングによって拡張される。 実験の結果、SEMNetは不確実性境界とともに信頼性の高い予測を提供し、長期EUVフラックスの堅牢なプロキシとしてのCaIIK画像の実現可能性を示している。 これらの発見は、長期にわたる地球の気候に対する太陽の影響の理解に寄与している。

関連論文リスト

• Transforming Weather Data from Pixel to Latent Space [57.80389860291812]
  本稿では,気象データを画素空間から潜在空間に変換する新しい気象遅延オートエンコーダを提案する。 ERA5-latent データセットの作成を可能にするため,圧縮性能と再構成性能に優れることを示す。
  論文  参考訳（メタデータ） (2025-03-09T13:55:33Z)
• Satellite Observations Guided Diffusion Model for Accurate Meteorological States at Arbitrary Resolution [48.34051432429767]
  衛星観測(GridSat)を条件として,ERA5再解析データに基づいて事前学習した条件拡散モデルを提案する。 トレーニングの過程で,GridSat衛星観測から得られた情報を注意機構を介してERA5マップに融合することを提案する。 サンプリングでは、最適化可能な畳み込みカーネルを用いて、スケールアッププロセスをシミュレートした。
  論文  参考訳（メタデータ） (2025-02-09T02:05:33Z)
• Analysis and Predictive Modeling of Solar Coronal Holes Using Computer Vision and ARIMA-LSTM Networks [0.0]
  本研究ではコンピュータビジョン技術を用いてコロナホール領域を検出し,その大きさを推定する。 我々は,コロナホールの領域の傾向を分析し,その地域を7日間にわたって様々な太陽地域にわたって予測する。
  論文  参考訳（メタデータ） (2024-05-16T04:21:09Z)
• High-Cadence Thermospheric Density Estimation enabled by Machine Learning on Solar Imagery [0.14061979259370275]
  我々は、NASAのソーラー・ダイナミクス・オブザーバ(SDO)極紫外線(EUV)スペクトル画像をニューラル熱圏密度モデルに組み込む。 我々は、EUV画像により、時間分解能をはるかに高め、地上ベースのプロキシを置き換えることができることを示した。
  論文  参考訳（メタデータ） (2023-11-12T23:39:21Z)
• Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
  太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。 しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。 本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-01T19:54:39Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
  変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討 今後1～15日にわたって北大西洋-欧州の気象条件を予測した。 より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
  論文  参考訳（メタデータ） (2022-02-10T11:37:00Z)
• Multi-Channel Auto-Calibration for the Atmospheric Imaging Assembly using Machine Learning [20.247229396526855]
  現在の技術キャリブレーション技術は周期的観測ロケットに依存している。 畳み込みニューラルネットワーク(CNN)に基づく代替キャリブレーション手法を提案する。 以上の結果から,cnnモデルでは観測ロケット実験の結果を合理的な精度で総合的に再現できることがわかった。
  論文  参考訳（メタデータ） (2020-12-27T22:43:37Z)
• A Temporally Consistent Image-based Sun Tracking Algorithm for Solar Energy Forecasting Applications [0.0]
  本研究では、過去の観測から日射の軌跡を補間し、画像中の太陽を位置決めする、画像に基づく太陽追跡アルゴリズムを提案する。 実験の結果, 提案手法は, 画像サイズの1%以下の平均絶対誤差で, 円滑な太陽軌道を提供することがわかった。
  論文  参考訳（メタデータ） (2020-12-02T09:59:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。