排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
分析了2004年3月13日12:15到12:25UT期间TC-1和Cluster卫星簇的磁通门磁力计(FGM)和电子/电流试验仪(PEACE)的联合观测数据.在此期间,TC-1卫星位于日下点以南的磁层顶附近的磁鞘中,并在12:19UT左右观测到了一个典型的先正后负的磁鞘磁通量传输事件(FTE);而Cluster卫星簇位于北半球日侧高纬磁层项附近,并于12:23UT左右穿出磁层顶进入磁鞘,且在12:21 UT左右也观测到了一个典型的先正后负的磁层FTE.比较分析发现此两个FTE具有类似的磁场结构和等离子体特征,可能是同一个北向运动的FTE先后被TC-1和Cluster卫星观测到.利用Cluster 4颗卫星的多点同时观测数据,采用最小方向微分法和时空微分方法,推断Cluster卫星观测的这个FTE是尺度大小约为1.21Re的准二维结构,其运动方向为东北方向,与Cooling模型预测方向基本一致.利用Cooling模型的预测,推算了TC-1卫星在12:19UT观测的FTE的运动速度和尺度,进而得出随着通量管的极向运动,其速度和尺度均有所增加. 相似文献
2.
3.
喉区极光是一种发生在电离层对流喉区附近的极光现象,是极光卵向低纬侧延伸出的南北向分立结构,其可能对应由磁鞘高速流与磁层顶作用引发的磁层顶重联过程.喉区极光研究对深入理解太阳风—磁层—电离层耦合过程具有重要意义.从长期观测所积累的大量全天空极光观测数据中准确高效识别出喉区极光结构,是开展喉区极光统计研究的基础.本文利用北极黄河站2003—2017年全天空成像仪的极光观测数据,建立了喉区极光图像标注数据集;基于密集连接卷积神经网络(DenseNet)对极光图像全局高维表征的自动学习,首次实现了喉区极光结构的机器识别.算法对喉区极光识别准确率达96%,且具有良好的泛化性能.研究表明基于深度学习的图像识别方法可用于从海量极光观测数据中自动识别喉区极光事件. 相似文献
4.
利用北极黄河站全天空极光数据,采用AACGM模型,将日侧极光弧映射到地磁坐标系,定量计算地球自转导致的极光弧运动速度.对于任意一条极光弧,其偏斜角定义为极光弧方向与当地地磁东西方向的夹角.研究发现,地球自转产生的速度由极光弧离开天顶的距离和偏斜角决定,其中偏斜角的影响更为重要,其还决定速度的方向.在4年的观测数据中,提取超过40000张出现极光弧的图像,计算极光弧偏斜角.计算结果表明,日侧极光弧的偏斜角随磁地方时增大而逐渐减小,并在大约10:00MLT(磁地方时)附近发生反转.由于偏斜角的反转,地球自转产生的极光弧运动在晨侧多为极向运动,到午后多为赤道向运动.相比午前,午后的运动更为明显,最大速度可超过300m·-1. 相似文献
1