SolARED：用于机器学习辅助预测的太阳活动区浮现数据集
太阳与恒星天体物理
2026-01-21 v1 机器学习
摘要
准确预报太阳爆发活动对于防止其对空间技术和探索的潜在影响变得越来越重要。因此，在活动区（ARs）开始于太阳表面形成之前检测它们至关重要。这将有助于为即将到来的空间天气扰动开发早期预警能力。为此，我们准备了太阳活动区浮现数据集（SolARED）。该数据集源自太阳动力学天文台（SDO）搭载的日震和磁成像仪（HMI）获得的多普勒速度、磁场和连续谱强度的全日面图。SolARED 包含重映射、跟踪和分箱后的时间序列数据，这些数据表征了 50 个大型 AR 在其于太阳表面浮现之前、期间和之后的太阳振荡声功率、无符号磁通量和连续谱强度的演变，以及 2010 年至 2023 年间在太阳盘面上观测到的周围区域。最终生成的支持机器学习的（ML-ready）SolARED 数据集旨在支持预测能力的提升，促成针对活动区浮现的业务化预报的开发。SolARED 数据集可通过交互式可视化 Web 应用程序在 https://sun.njit.edu/sarportal/ 获取。
引用
@article{arxiv.2601.13145,
title = {SolARED: Solar Active Region Emergence Dataset for Machine Learning Aided Predictions},
author = {Spiridon Kasapis and Eren Dogan and Irina N. Kitiashvili and Alexander G. Kosovichev and John T. Stefan and Jake D. Butler and Jonas Tirona and Sarang Patil and Mengjia Xu},
journal= {arXiv preprint arXiv:2601.13145},
year = {2026}
}
备注
15 pages, 6 figures, submitted to the Springer Nature - Solar Physics Journal