Arquitectura Distribuida para el Análisis de Tormentas Solares

Abstract

Los riesgos que pueden suponer las tormentas solares para la civilización moderna podrían provocar grandes desastres. Es por esto que el objetivo de este trabajo de fin de grado (TFG) se centra en la detección de las erupciones solares, que son las desencadenantes de las tormentas solares. Para esta detección se ha decidido utilizar tecnologías de procesamiento de imágenes que permiten distinguir las erupciones en imágenes del Sol que han sido extraídas de una misma fuente fiable, la cual asegura la uniformidad, el Solar Dynamics Observatory (SDO)1 . La lógica del algoritmo implementado está escrita en Python debido a su versatilidad. Además, para realizar el procesamiento de dichas imágenes, se ha desarrollado una arquitectura sin servidor (“serverless”) utilizando herramientas de Amazon Web Services (AWS) como AWS Lambda y AWS Simple Storage Service (S3), que emplean una arquitectura distribuida. El uso de una arquitectura sin servidor se debe a la importancia del procesamiento en tiempo real y el rápido tiempo de respuesta que se necesita. Finalmente se obtuvo un sistema en el que al almacenar imágenes en un contenedor de AWS S3, estas son procesadas por un algoritmo utilizando AWS Lambda. En este algoritmo se detecta el disco solar para extraer su radio, se ocultan partes de la imagen que no resultan útiles para la detección, se transforma la imagen a binario (la imagen pasa a tener únicamente píxeles blancos o negros) y se le aplican dos filtros distintos para detectar las erupciones solares. En caso de que se detecte una erupción, las imágenes son devueltas junto con algunos metadatos (datos relacionados con la imagen obtenidos durante el procesamiento) a otro contenedor de S3.

The risks that solar storms can imply to modern civilization could lead to major disasters. This is why the focus of this bachelor of sciences (BSc) thesis is on the detection of solar flares, which are the triggers of solar storms. For this detection, it has been decided to use image processing technologies to distinguish flares in images of the sun that have been extracted from the same reliable source, which ensures uniformity, the Solar Dynamics Observatory (SDO)2. The implemented algorithm logic is written in Python due to its versatility. Furthermore, a serverless architecture has been developed to process these images, using Amazon Web Services (AWS) tools such as AWS Lambda and AWS Simple Storage Service (S3), which employ a distributed architecture. The serverless architecture use is encouraged by the importance of real time processing and the fast response time required. Finally I obtained a system where images stored in an AWS S3 container are processed by an algorithm using AWS Lambda. In this algorithm the solar disc is detected to extract its radius, the parts of the image that are not useful for the detection are hidden, the image is transformed to binary (the image pixels turn into white or black) and two different filters are applied to detect solar flares. In case a flare is detected, the images and some metadata (image related data obtained during the processing) are returned to another S3 container.