空间中心科研人员构建太阳耀斑集合预报模型，为耀斑业务预报提供新途径

耀斑是太阳大气中最剧烈的爆发现象之一，准确预报耀斑对于空间天气保障具有重要意义。近年来，深度学习被广泛应用于耀斑预报研究，通过自动分析海量观测数据捕捉耀斑爆发前特征以提升其预测能力。但当前多数模型仍面临两大关键挑战：受太阳磁场观测投影效应影响，仅能较好预报日面中心附近活动区；多依赖单一数据类型，未能充分融合多源信息，制约了预报性能的进一步提升。

针对上述问题，中国科学院国家空间科学中心太阳活动与空间天气全国重点实验室预报中心团队在耀斑预报研究方面取得新进展，提出了一种面向全日面活动区的耀斑集合预报模型。该模型融合两类互补信息：一类是来自太阳光球磁场观测的活动区磁图；另一类是适用于全日面活动区的传统太阳活动参数，如活动区磁类型、10厘米射电流量、耀斑指数等。模型由三个核心模块组成：参数特征提取模块利用全连接神经网络提取太阳活动参数中的统计特征；图像特征提取模块利用卷积神经网络从日面中心的活动区磁图中提取空间结构信息；融合模块则将两种信息进行综合分析，最终给出未来48小时内是否可能发生中等强度（M级）及以上级别耀斑的概率预测。

图 1：太阳耀斑集合预报模型结构示意图

测试结果表明，该模型在概率预报和二分类预报两方面均取得了良好效果， ROCA达到0.807，在综合指标上优于单独使用磁图或参数构建的模型。融合不同类型观测信息的耀斑集合预报方法，有效提升了耀斑预报的稳定性和可靠性，且能够对全日面活动区进行预测，更具备空间天气业务应用潜力。

图 2：单独使用参数（PFEM）、单独使用磁图（IFEM）和集合预报模型在同一数据源中的预测性能比较

未来，随着多卫星协同观测的发展以及更先进的深度学习方法的引入，太阳耀斑预报的准确性和实时性有望进一步提高，为我国空间天气预报能力建设提供重要技术支撑。

该研究发表于The Astrophysical Journal Supplement Series期刊，第一作者为空间中心特别研究助理李铭，通讯作者为空间中心崔延美副研究员。该研究得到了中国科学院战略先导专项、国家自然科学基金等项目的支持。

相关论文：Li, M., Y. Cui, B. Luo, J. Wang, S. Liu, and X. Wang (2026), Operational Solar Flare Ensemble Forecasting Model for Full-disk Active Regions, The Astrophysical Journal Supplement Series, 283(2), 58, doi:10.3847/1538-4365/ae4741.

（供稿：天气室）