科学家发布迄今为止最“高清”太阳照片:像流动的黄金

简介: 科学家发布迄今为止最“高清”太阳照片:像流动的黄金

1月29日,世界上最强大的太阳望远镜——夏威夷Haleakala山顶上4米高的Daniel K. Inouye太阳望远镜(DKIST),拍下了迄今为止太阳表面最高清的图片,为科学家们提供了重要的细节。

高清图像里,太阳仿佛是流动的黄金,展现出太阳作为等离子体复杂的结构,呈现出细胞状的结构。DKIST捕捉到的细节精确至30公里(18英里)宽,每个“细胞”都相当于德克萨斯州那么大。为人类认识太阳和预测太阳活动,提供了更进一步的素材。

此图像覆盖36,500×36,500公里(22,600×22,600英里或51×51弧秒)

这些细胞样结构是太阳剧烈运动的标志。太阳表面翻滚着等离子,这些等离子构成的湍流,将太阳内部的热量传输到太阳表面,冷却后再通过黑暗通道下沉,构成一种对流。

这台强大的新型太阳望远镜拍摄的第一批光线图像是有史以来从地面拍摄到的最详细的图像,暗示着未来的发现。

“这是自伽利略时代以来人类从地面研究太阳能力的最大飞跃,对于人类来说至关重要。”夏威夷大学天文学研究所(IfA)的Jeff Kuhn说道。

两个强大的仪器将在未来几个月安装。重达2吨的低温近红外光谱偏振计将测量恒星可见圆盘之外的太阳磁场,而有限衍射的近红外光谱偏振计将聚焦于磁场的极端细节变化。

Kuhn表示:“这些仪器采用灵敏的红外技术和复杂的光学器件,可以揭示黑子和小的磁性特征,以及它们的磁力如何进入太空。我们希望借助这些新工具来学习太阳与地球的相互作用。”

太阳每秒都要燃烧约500万吨氢燃料。将镜头直接对准这样一个表面温度为6000摄氏度的星体,显然存在挑战。

DKIST总监Thomas Rimmele表示:“望远镜镜面的焦点有极大热量,能在短时间内熔化金属。为了解决这些热量问题,我们每天晚上都在游泳池中装满冰,为白天的光学器件和结构提供冷却。”

据悉,为了保护望远镜,科学家们制作了一个专门的冷却系统,通过11公里长的管道将冷却剂分配到整座天文台,用于白天降温。望远镜的穹顶本身则被冷却薄板覆盖,内部还有提供阴影的挡板结构。

DKIST的突破及对未来的影响

总的来说,DKIST这次的突破就是在分辨率上。图中所示,在巨大的太阳面前,DKIST的拍摄范围在中间的白框内,放大之后可以看到类似细胞的组织,每个“细胞”有德克萨斯州那么大,而“细胞”间最小的亮点,也有曼哈顿岛那么大。

DKIST可以分辨小至30公里的太阳表面特征,与国家科学基金会的邓恩太阳望远镜(Dunn Solar Telescope)相比,其分辨率提高了5倍以上。

视频中左边是来自DKIST的拍摄的第一幅图像;右边的图像模拟了邓恩太阳望远镜在指向太阳的同一位置时所观察到的情况。

知乎上天文学话题的优秀回答者Pjer在帖子中写道,“DKIST可以看到前所未有的细节,不仅可以把以前就能看到的米粒组织看的更清楚,还可以看到以前看不清的米粒组织之间的亮斑。”

“边沿黑色的网络是磁场集中的位置,而黑色网络中的亮区,有可能是磁场变化最活跃的位置。因为太阳大气中都是等离子体,太阳活动太阳爆发归根到底都是电磁力主导的磁流体动力学过程,磁场可以决定有没有爆发,磁场也能决定爆发能量有多大。深入的研究这些精细结构的磁场,就有可能让我们更深入的了解太阳磁场,磁场如何发展演化?它们如何存储和释放能量?回答这些问题帮助我们显著提高对于太阳爆发的预测能力。”

DKIST的研究人员希望通过放大那些细胞状的结构,了解导致太阳向太空发射强大的耀斑,从而对地球的卫星、电网和通讯造成潜在破坏的原因。科学家们希望在获得新数据后能更好地预测这样的事件,并提早发出预警,而不是事发前的几分钟才知晓。

研究人员还希望最终能够解决困扰人们半个世纪的两个难题:

为什么日冕(温度超过100万摄氏度)比太阳表面热那么多?

为什么太阳风可以从初生太阳风的10km/s加速到300km/s?

在这方面,DKIST将得到NASA的帕克太阳探测器(于2018年启动,用于探查太阳的大气层)和欧洲航天局的太阳轨道飞行器(将于下个月启动,以在高纬度地区对太阳进行测量)的帮助。

更多DKIST信息请见:

https://www.nso.edu/telescopes/dki-solar-telescope/

相关报道:

https://astronomynow.com/2020/01/29/daniel-k-inouye-solar-telescope-dazzles-with-first-light-images/

https://www.sciencemag.org/news/2020/01/world-s-largest-solar-telescope-takes-its-first-shot

https://www.zhihu.com/question/368782371/answer/991835990

相关文章
|
5月前
|
传感器 自动驾驶 算法
8类雨天雾天交通目标检测数据集(行人/轿车/货车/信号灯)| 5200张YOLO自动驾驶感知数据集分享
本数据集含5200张雨天/雾天高清图像,覆盖行人、轿车、货车、信号灯等8类交通目标,YOLO格式标注,专为提升恶劣天气下目标检测鲁棒性而设计,适配YOLOv5-v11、RT-DETR等主流模型,助力自动驾驶与智慧交通研究。
|
算法
专题九Simulink仿真基础-1
专题九Simulink仿真基础
863 1
|
程序员 Linux Docker
使用Docker本地安装部署Draw.io绘图工具并实现远程访问协作办公
使用Docker本地安装部署Draw.io绘图工具并实现远程访问协作办公
1188 0
|
7月前
|
传感器 算法 5G
室内外定位的核心差异和核心技术对比详解
本文剖析室内外定位技术差异:室外依赖GNSS等广域信号,追求全球覆盖;室内需自建UWB、蓝牙等局域网络,攻克多径、遮挡难题。从环境特征、信号源、精度、成本等维度对比,揭示“坐标解算”共性逻辑下的技术分野。(239字)
|
SQL 存储 缓存
Hadoop-Impala优化十大指导原则和最佳实践(二)
简介: 以下是性能准则和最佳做法。您可以使用在规划过程中实验,和hadoop集群一起进行impala的性能调整。所有这些信息也可在文档的其他地方更详细的impala文档;以下是优化的方法措施,强调优化调优技术提供最高的投资回报
2244 0
|
2月前
|
缓存 JSON BI
Qwen3.7‑Plus多模态智能体全解析:百万上下文、GUI视觉操控、代码能力与API实操教程
随着Agent技术快速迭代,传统纯文本大模型的局限性逐步凸显。很多自动化任务不只是处理文字,还需要看懂界面截图、设计稿、报表图片、操作录屏,基于视觉信息完成决策、编写代码、执行操作。以往的方案大多采用“文本大模型+独立视觉模型拼接”的方式,多模型串联带来调用链路复杂、上下文割裂、推理延迟升高、整体成本上涨等一系列问题。Qwen3.7‑Plus作为通义千问3.7系列当中面向智能体场景打造的多模态主力模型,将视觉理解、语言推理、代码生成能力统一在一套基座当中,原生支持文本、图片、短视频帧输入,输出标准化文本、结构化JSON、工具调用指令,能够同时处理图形界面GUI与命令行CLI任务,构建“看见画面
284 1
|
存储 SQL 分布式计算
Parquet与ORC高性能列式存储
Parquet与ORC高性能列式存储
1554 0
Parquet与ORC高性能列式存储
|
4月前
|
运维 安全 API
批量IP归属地查询用什么工具?在线API vs 本地离线库,批量场景实测对比
本文详解批量查IP归属地的高效方案:在线API适合小量偶发,离线库(本地MMDB)则胜任万级+高并发、低延迟、合规不出域场景。涵盖命令行快速查询、SDK集成、去重/增量/多线程等实战技巧,助运维、安全、运营同学告别粘贴与配额焦虑。(239字)
357 0
|
人工智能 运维 监控
HarmonyOS NEXT~鸿蒙系统运维:全面解析与最佳实践
本书《HarmonyOS NEXT~鸿蒙系统运维:全面解析与最佳实践》深入探讨了鸿蒙系统的运维管理。从架构特点到实际操作,涵盖分布式能力、性能优化、安全维护及故障排查。内容包括设备管理、系统监控、安全管理等核心任务,提供常见问题解决方案与工具推荐。面对未来超级终端和AI赋能的挑战,运维人员需不断学习,以充分发挥鸿蒙的分布式优势,为用户带来流畅体验。
1077 8
|
Java 数据库
MapStruct详细解析
总的来说,MapStruct是一个强大的对象映射工具,它可以大大提高开发效率,减少错误,值得在项目中使用。
532 17