中科院团队提出日冕物质抛射自动三维重建新方法

日冕物质抛射（CME）是太阳释放巨大能量的典型现象，作为太阳系内最剧烈的爆发活动之一，它以高速将大量等离子体抛入行星际空间，可能引发强烈的地磁暴，对卫星运行、通信系统和电网安全构成威胁。因此，实现对CME的精准三维重建与动力学分析，对于空间天气预报具有重要意义。 近日，中国科学院国家空间科学中心沈芳团队提出一种基于双视角日冕仪观测数据与机器学习技术的CME自动三维重建新方法。该方法突破传统依赖人工比对和参数调整的局限，首次将CME三维结构重建问题转化为可自动求解的优化任务。研究团队融合卷积神经网络（CNN）进行图像特征提取，结合主成分分析（PCA）与最大类间方差法，高效识别双视角日冕仪图像中的CME位置与形态，进而构建目标函数以量化CME二维投影与理论模型之间的相似度。 通过差分进化算法求解该目标函数，团队成功实现了CME三维参数的自动反演，无需人为干预。基于此方法，研究团队对近97个CME事件进行了三维重建，构建了高质量的CME数据集，并系统分析了其三维与二维观测参数的差异。统计结果显示，仅依赖二维观测参数易受投影效应影响，导致速度、方向和大小等关键参数出现显著偏差，而新方法重建的三维结构与实际观测图像高度吻合，显著提升了重建精度。 该方法的核心优势在于“自动化”与“高效率”：从图像识别、特征提取到参数反演全程无需人工干预，大幅缩短处理周期，为大规模CME事件分析提供了技术支撑。此外，重建结果可直接用于行星际传播数值模拟的初始条件设定，提升CME到达地球时间预测的准确性。 研究团队指出，该方法具备良好的扩展性，未来有望应用于太阳极轨卫星、L5点等多角度观测平台的数据处理，推动CME多视角协同观测研究的发展，进一步完善空间天气预警体系。相关成果已发表于《天体物理学报增刊》（The Astrophysical Journal Supplemental Series），研究得到国家自然科学基金与国家重点研发计划的资助。这一进展标志着我国在CME三维重建与空间天气预报领域迈出了关键一步。