Desenvolvimento de metodologias para o reconhecimento de estruturas quiescentes em mapas solares observados pelo Telescópio Solar para Ondas Submilimétricas (SST)

• Ano de defesa: 2018
• Autor(a) principal: Pereira, André Luiz Garcia
• Orientador(a): Castro, Carlos Guillermo Giménez de
• Banca de defesa: Correia, Emilia , Silva, Luciano , Dal Lago, Alisson , Costa, Joaquim Eduardo Rezende
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Programa de Pós-Graduação: Ciências e Aplicações Geoespaciais
• Departamento: Escola de Engenharia Mackenzie (EE)
• País: Brasil
• Palavras-chave em Português: atmosfera solar; sol; SST; emissão milimétrica; emissão submilimétrica; inteligência artificial; reconhecimento de padrões; aprendizagem profunda de máquina; visão computacional
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWARE; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAO; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::SOFTWARE BASICO; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; CNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA::ASTROFISICA DO SISTEMA SOLAR::FISICA SOLAR; CNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA
• Link de acesso: http://dspace.mackenzie.br/handle/10899/25799

The Submillimeter Solar Telescope (SST) operates simultaneously and independently with a multibeam focal array at 212 and 405 GHz. Since 1999, the SST daily monitors in different modes of observation the solar activity generating binary files from which solar maps can be extracted. The identification of Active Regions in these maps is affected by the strong atmospheric attenuation and inaccuracies of the telescope's pointing, therefore, maps are visually inspected to manually extract the Active Regions. This is a lengthy process for performing a statistical analysis over the 20-year data set already recorded. To automatize the process artificial intelligence techniques of machine learning and computer vision were proposed. A Convolutional Neural Network was created within the Keras framework for the classification of the SST maps and then, a computer vision algorithm in the OpenCV framework was used for the automatic detection of ARs. This hybrid approach allowed the identification of more than 400 active regions between January 2002 and December 2017 and their physical properties were statistically analysed. The results were validated comparing with previous works which were carried out with a visual identification and manual extraction procedure, and a good agreement was found. Moreover, we present for the first time, evidence of a positive correlation between the brightness temperature at 212 GHz and the flux density at 2.8 GHz (the S component) along the solar cycle.