Sunspots have been observed to undergo rotation about their umbral centre. This is typically a slow rotation, with even the fastest sunspot rotations only reaching angular velocities of a few degrees per hour. This rotation may inject magnetic energy into the Sun’s atmosphere, which can be stored in the coronal magnetic field and later released in eruptive events such as solar flares and coronal mass ejections. To usefully investigate rotating sunspots long periods of data need to be analysed, often of the order of several days, to build up a bulk rotation profile for the sunspot over time. This article outlines a semi-automated approach for analysing series of solar continuum data to extract the rotation profile of a sunspot as it transits across the solar disc. Moving towards an automated approach is vital for generating large, unbiased statistical samples of rotating sunspots in order to understand their contribution to solar activity. Existing methods typically focus on sunspots near disc centre for short time periods, neglecting much of the rotation history of the sunspot. The method is tested on six sunspots observed in continuum data from the Helioseismic and Magnetic Imager (HMI) instrument on board the Solar Dynamics Observatory (SDO). These have been chosen to test the method for a range of different types of sunspots, including well-behaved sunspots, shape-changing sunspots, fast rotators, non-rotators, and interacting sunspots. The rotation profiles are compared by eye to animations of the sunspot from the data and are in acceptable visual agreement with the observed bulk rotation of the sunspot for all of the cases, except for the one which contains two sunspots in a shared penumbra. The method is also tested against sunspot rotations in active region (AR) 11158 that have been reported in the literature. While the results compare to some degree, the method outlined in this article reports lower rotations than those reported in the literature. Some of this discrepancy can be attributed to selection bias by the approaches in the literature, where only features that undergo larger rotation are tracked in sunspots that exhibit non-uniform rotation. The method also provides uncertainties on the calculated rotation profile which can be broken down to allow the principal sources of error to be identified. For the test sunspots in this article, the dominant source of uncertainty is the resolution of the SDO/HMI instrument.

已经观察到黑子绕其本影中心旋转。这通常是缓慢的旋转，即使最快的黑子旋转也只能达到每小时几度的角速度。这种旋转可能会将磁能注入太阳的大气层，该磁能可以存储在日冕磁场中，然后在爆发过程中释放出来，例如太阳耀斑和日冕物质抛射。为了有用地研究旋转黑子，需要分析长时间的数据（通常是几天），以建立一个随时间变化的黑子的整体旋转轮廓。本文概述了一种半自动化方法，用于分析一系列太阳连续谱数据，以提取太阳黑子在整个太阳圆盘上传播时的旋转轮廓。朝着自动化方法迈进对于生成大型，旋转黑子的无偏统计样本，以便了解它们对太阳活动的贡献。现有方法通常在短时间内集中在光盘中心附近的黑子上，而忽略了许多黑子的旋转历史。该方法在太阳动力学天文台（SDO）上的Helioseismic and Magnetic Imager（HMI）仪器的连续数据中观察到的六个黑子上进行了测试。选择了这些来测试各种不同类型的黑子的方法，包括行为良好的黑子，可变形的黑子，快速旋转器，非旋转器和相互作用的黑子。将旋转剖面通过肉眼与数据中黑子的动画进行比较，并且在所有情况下都与观察到的黑子的整体旋转在视觉上可以接受，除了在一个共享的半影中包含两个黑子的那个。还针对文献中已报道的活动区域（AR）11158中的黑子旋转测试了该方法。尽管结果在一定程度上进行了比较，但本文概述的方法报告的旋转次数比文献中报道的旋转次数低。这种差异中的一些可以归因于文献中的方法，即选择偏倚，在文献中，只有经历较大旋转的要素才在表现出不均匀旋转的黑子中被跟踪。该方法还提供了计算旋转轮廓上的不确定性，可以将其分解以识别主要的误差源。对于本文中的测试黑子来说，不确定性的主要来源是SDO / HMI仪器的分辨率。还针对文献中已报道的活动区域（AR）11158中的黑子旋转测试了该方法。尽管结果在一定程度上进行了比较，但本文概述的方法报告的旋转次数比文献中报道的旋转次数低。这种差异中的一些可以归因于文献中的方法，即选择偏倚，在文献中，只有经历较大旋转的要素才在表现出不均匀旋转的黑子中被跟踪。该方法还提供了计算旋转轮廓上的不确定性，可以将其分解以识别主要的误差源。对于本文中的测试黑子，不确定性的主要来源是SDO / HMI仪器的分辨率。还针对文献中已报道的活动区域（AR）11158中的黑子旋转测试了该方法。尽管结果在一定程度上进行了比较，但本文概述的方法报告的旋转次数比文献中报道的旋转次数低。这种差异中的一些可以归因于文献中的方法，即选择偏倚，在文献中，只有经历较大旋转的要素才在表现出不均匀旋转的黑子中被跟踪。该方法还提供了计算旋转轮廓上的不确定性，可以将其分解以识别主要的误差源。对于本文中的测试黑子来说，不确定性的主要来源是SDO / HMI仪器的分辨率。尽管结果在一定程度上进行了比较，但本文概述的方法报告的旋转次数比文献中报道的旋转次数低。这种差异中的一些可以归因于文献中的方法，即选择偏倚，在文献中，只有经历较大旋转的要素才在表现出不均匀旋转的黑子中被跟踪。该方法还提供了计算旋转轮廓上的不确定性，可以将其分解以识别主要的误差源。对于本文中的测试黑子来说，不确定性的主要来源是SDO / HMI仪器的分辨率。尽管结果在一定程度上进行了比较，但本文概述的方法报告的旋转次数比文献中报道的旋转次数低。这种差异中的一些可以归因于文献中的方法，即选择偏倚，在文献中，只有经历较大旋转的要素才在表现出不均匀旋转的黑子中被跟踪。该方法还提供了计算旋转轮廓上的不确定性，可以将其分解以识别主要的误差源。对于本文中的测试黑子，不确定性的主要来源是SDO / HMI仪器的分辨率。其中只有旋转幅度较大的要素会在旋转不均匀的黑子中被跟踪。该方法还提供了计算旋转轮廓上的不确定性，可以将其分解以识别主要的误差源。对于本文中的测试黑子来说，不确定性的主要来源是SDO / HMI仪器的分辨率。其中只有旋转幅度较大的要素会在旋转不均匀的黑子中被跟踪。该方法还提供了计算旋转轮廓上的不确定性，可以将其分解以识别主要的误差源。对于本文中的测试黑子来说，不确定性的主要来源是SDO / HMI仪器的分辨率。