0049] 与现有技术相比，本发明具有以下有益的技术效果：
[0050] 第一，本发明充分利用Polar卫星返回的海量UVI图像数据，借助计算机图像处理 和模式识别技术自动获取极光卵边界，为统计分析提供了海量的边界点数据。大数据库本 身可以作为一个查询表，用于对给定的地磁环境来求极光卵的位置。第二，多变量回归分 析，首次定量地从根源上来分析极光卵随行星际和太阳风等离子体变化。第三，回归模型评 价指标及结果。尽管有少数指标，如确定性系数（R2)，F统计量和t统计量可以用来对一个 回归模型进行评估，可实际上，对海量的数据量而言，每个系数都很可能是有统计意义的。 为了考察计算模型的实际质量（而非这些统计指标），本发明把训练数据和测试数据分开 对待，即用80%的数据点来拟合模型参数，剩余20%当做测试集，用训练好的模型来对其 进行预测。相同地磁环境下，用模型估计的边界炜度与实际边界之间的平均绝对误差（MD) 用来评价模型好坏。仅采用最简单的一元线性回归模型，就获得了极向边界平均MAD值大 约为1. 7个地磁炜度，赤道向边界平均MD值约为1. 8个地磁炜度，这说明本发明提出的方 法是非常有效的。本发明对每个磁地方时处的极光卵赤道向&极向边界位置都进行了多元 回归建模，这样得到的回归模型可以用来对所有磁地方时处的赤道向/极向边界的地磁炜 度进行预测，因而可以用于空间天气预测整个极光卵的位置。
【附图说明】
[0051] 图1是本发明的流程图；
[0052] 图2是本发明极光卵边界自动提取示意图；其中（a)为极光原始图像，（b)为预处 理后的极光图像，（c)为用SFCM算法聚类得到的结果，（d)为根据聚类结果把极光分割为2 类（即极光卵区域和背景区域），（e)为对分割结果做进一步平滑处理，（f)为获得的极光 卵极向边界（内边界）和赤道向边界（外边界）；
[0053] 图3是本发明的4个模型预测结果与极光卵实际边界的平均绝对误差图，其中（a) 为模型1和2的极向边界与赤道向边界预测误差，（b)为模型3和4的极向边界与赤道向 边界预测误差；
[0054] 图4是本发明的模型3预测边界与实际极光卵边界、SFCM算法自动分割出的边界 三种边界对比图，其中极光卵的真实边界在图中表现为白色阴影区域，SFCM自动分割得出 的边界点用白色圆点表示，模型3预测边界用菱形黑点表示；图（a)-(f)所示的极光图像分 别来自1997年12月25日的05:34:48，1997年1月2日的11:12:00,1997年12月20日 的 21:20:39,1997 年 1 月 23 日的 08:43:21，1997 年 1 月 13 日的 11:30:20,1998 年 1 月 29 曰的 13:44:18。
【具体实施方式】
[0055] 下面结合附图对本发明作进一步详细描述：
[0056] 参见图1，一种基于行星际和地磁参数的UVI图像极光卵边界位置建模和预测方 法，本发明包括4种基于行星际和地磁参数的UVI极光卵边界模型，通过对UVI极光图像预 处理模块、极光卵边界自动分割模块、行星际及地磁参数获取模块、数据集构建模块、回归 建模模块、预测评估模块完成以下具体步骤：
[0057] 步骤I :UVI极光图像预处理
[0058] 在对极光卵边界提取与建模之前，需要对高噪声的Polar卫星UVI极光图像进行 预处理操作，消除噪声点，移除无效背景像素，具体如下：
[0059] 步骤I. 1 :因为极光发生在高炜地区，移除大范围的背景（如低炜区域）；
[0060] 步骤1. 2 :掩膜：根据UVI (紫外）极光图像外边界呈椭圆状的特点，用直径为228 像素的圆去截取原图，并从中间把宽度限制到200像素，最后图像大小为228*200 ;
[0061] 步骤1. 3 :负值点清零：清除因仪器噪声等导致的图像像素值为负值的点；
[0062] 步骤1. 4 :剔除噪声点：噪声特点是小范围内的大强度像素，所以把那些面积非常 小（经验值，如50个像素）、极光强度非常强（大于图像灰度均值+3倍方差）的区域的像 素值重置为整幅图像像素的灰度均值；
[0063] 步骤2 :极光卵边界自动分割
[0064] 步骤2. 1 :利用包含空间信息的模糊c均值聚类方法（SFCM)，把极光图像聚成6类 (图 2(c));
[0065] 步骤2.2:根据聚类结果，把极光图像分割为前景（极光卵）和背景区域（图 2(d));基于SFCM聚类结果把极光图像分割为前景（极光卵）和背景区域的准则为：强度最 小的2个或3个聚类簇被视为背景，其他则为极光卵区。默认是将强度最小的2个聚类簇 视为背景区域，但如果此时极光卵区域形状很不规则（与椭圆相比），则将强度最小的3个 聚类簇视为背景区域；
[0066] 步骤2. 3:对聚类后出现的一些小块与周围区域类别不同的情况，用其周围邻域 的类别信息来对其进行平滑处理（图2(e));
[0067] 步骤2. 4 :边界获取并将其映射到磁地方时（MLT)-地磁炜度（MLAT)坐标系下。图 2(f)外边界点表示赤道向边界，内边界点表示极向边界。
[0068] 步骤3 :行星际、地磁参数获取
[0069] 利用美国国家航空航天局（NASA)提供的OMNI数据库，根据每幅极光图像发生的 世界时（UT)时间，可以求得每个极光边界点对应的行星际磁场aMF)、太阳风（SWD)和极 光电集流指数（AE)、极盖指数（PC)的值。同一幅图像中所有边界点的世界时（UT)时间相 同，这些参数值相等。
[0070] 步骤4 :数据集构建
[0071] 对获得的边界数据结合行星际地磁参数值做进一步筛选。具体地，仅关注北半球 区域的边界点、删除那些有一个或多个无效参数值的边界点、对每个参数忽略那些不经常 出现的情况。
[0072] 步骤5:回归建模
[0073] 用一元线性回归模型，利用行星际和地磁参数，对赤道向和极向极光卵边界位置 进行建模。因变量取赤道向或极向极光卵边界的地磁炜度值，自变量取行星际和地磁参数。
[0074] 模型1 :旨在从源头来研究极光卵的变化。首先考虑行星际磁场（DIF)三分量。 頂F尤其是頂F Bz分量能控制极光卵的位置已被广泛认识，不同的頂F条件会使得极光卵 转向不同的方向。第二，除了 MF外，太阳风（SWD)，特别是太阳风动压（Pdyn)，能显著地影 响地球磁场，从而影响极光。尽管很多之前的研究都把太阳风动压作为一个整体来考虑，可 太阳风密度（Np)和速度（Vp)与磁层的交互作用是不同的，因此在这个回归模型中，太阳风 动压、速度、密度都被考虑进来。即模型参量包括行星际6个单独量（DIF Bx，By，Bz ;Pdyn， Vp, Np) 〇
[0075] 模型1的回归方程为：
[0076] MLAT = aO+al · Bx+a2 · By+a3 · Bz+a4 · Pdyn+a5 · Vp+a6 · Np
[0077] 其中，a〇-a6表示此模型的回归系数，Bx，By，Bz为行星际磁场（DIF)的三分量， Pdyn，Vp，Np分别为太阳风动压、速度和密度三分量。
[0078] 模型2 :为了达到更好的预测效果，在模型2中，我们除了模型1中包含的6个参 量，还加入了三个与极光活动紧密相关的地磁指数。这三个参数分别为：1)极盖（PC)指数， 它能监控极盖区的地磁扰动并反映极光卵的大小；2)极光电集流指数（AE)，它与大的地磁 活动比如磁暴或亚暴紧密相关，因而能反映夜侧极光卵的边界情况；3)Kan-Lee电场（Ekl)， 这是一个太阳风-磁层耦合函数，用来反映日侧重联中从太阳风到磁层的能力，特别是成 分重联。因此，在此模型中，模型参量包括行星际6个单独量（IMF Bx，By，Bz;Pdyn，Vp，Np) 以及地磁参数AE、PC和Ekl，
[0079] 模型2的回归方程为：
[0080] MLAT =