研究人員在分析 2014 年收集的北極衞星觀測數據時，發現了一種全新的太空天氣事件——一種巨型旋風形狀的極光。這種風暴與地球上的颶風不同，它是由帶電粒子（等離子體）流動於高層大氣中所形成的現象。這一現象現被稱為太空颶風，可能會干擾衞星操作、無線電通訊、導航系統和雷達。儘管其潛在影響巨大，發現這些風暴卻一直非常困難。研究人員不得不手動篩查大量衞星圖像，這是一個緩慢且主觀的過程，使得大規模監測幾乎不可能。
如今，一支中國研究團隊為此問題提出瞭解決方案。“為瞭解決這一問題，我們開發了一個人工智能系統，可以自動在衞星的紫外線圖像中發現和定位太空颶風，”研究人員表示。
中國研究團隊開發人工智能系統以識別太空颶風
隱藏於極地之上的風暴挑戰，並非數據不足，而是缺乏有效的分析方法。太空颶風發生在地球的電離層和磁層，靠近磁極的地區，這裡能量粒子流與大氣相互作用，產生巨大的旋轉極光，可能延展數百甚至數千公里。雖然科學家於 2021 年才確認了第一個有記錄的太空颶風，但該事件實際上發生於 2014 年。當時，研究人員識別出一個寬約 1,000 公里的等離子體螺旋，懸浮在北極上空近八小時。這一發現揭示了一種以前未知的太空天氣現象。
令這一發現尤為驚訝的是，該風暴是在極為平靜的地球磁場條件下發展的。至此，科學家們一般將主要的太空天氣幹擾與強烈的太陽和地磁活動期間聯繫在一起。這一發現表明，即使在太空天氣看似相對平靜的情況下，強大的能量轉移過程依然可能發生。
隨後的研究顯示，這些風暴可以向極地電離層注入大量高能電子，可能幹擾通訊和導航技術。然而，識別新事件仍然是一個主要瓶頸。研究人員通常需要手動檢查衞星捕捉的紫外線極光圖像。這一過程耗時且效率低下，容易受到人為判斷的影響。為了克服這些限制，中國研究人員開發了一種專門設計用於識別太空颶風特徵的深度學習系統。研究團隊組建了一個龐大的數據集，包含 2005 年至 2021 年期間收集的約 300,000 幅極光圖像，這些圖像來源於美國空軍的國防氣象衞星計劃，該計劃監測近地空間的條件。
新系統提高了太空颶風識別的效率和準確性
在這一檔案中，團隊識別了 570 個確認的太空颶風事件。他們還包括大量非颶風的極光圖像，其中包括與真正的太空颶風相似的範例，以教導人工智能如何區分類似的現象。利用這一數據集，研究人員訓練了多個先進的計算機視覺模型。這些系統不僅設計用來識別與太空颶風相關的獨特螺旋結構，還能在衞星圖像中精確定位其位置，從而提高事件的識別和追蹤效率。根據團隊的説法，表現最佳的模型在全球數據集上實現了近 98%的檢測準確率，顯示出自動識別太空颶風的高可靠性。
“這一模型實現了太空颶風的高精度自動識別及像素級定位，在挑戰性的全球數據集上達到 97.90%的準確率，”研究作者指出。
此外，研究人員建立了完整的軟件平台，配備視覺界面，使科學家能夠更高效地處理和檢查衞星影像。因此，研究人員不再需要手動搜索數以千計的圖像，現在可以依賴人工智能快速識別潛在事件並指出其發生位置。隨著空間氣象任務開始生成前所未有的極光數據，新系統如同時代的需求而生。一個例子是太陽風磁層電離層連結探測器（SMILE），這是一項中歐聯合任務，於 5 月發射，將持續捕捉地球極光的高解析度紫外線圖像。
對於研究人員來説，手動檢查如此龐大的數據集正變得越來越不切實際。這一人工智能工具提供了一種自動處理這些觀察數據的方式，幫助科學家追蹤太空颶風，更好地理解其形成和演變過程。
然而，雖然該系統能高準確度地識別這些事件，但下一個挑戰是預測。為此，研究人員現在計劃結合實時衞星和地面觀測，開發短期預報及即時預報能力。該研究已發表於《太空天氣》期刊。
