科研动态 | 空间中心科研团队构建面向空间天气预报应用的太阳活动态势感知数据集

点击“国家空间科学中心”关注我们吧

活动区、冕洞和暗条等太阳结构的准确识别，是认识太阳活动演化和开展空间天气预报的重要基础。国内外天地基监测设备长期积累了多源、多波段的太阳观测数据，我国自主观测设备的数据也在快速积累。将这些观测（尤其是我国持续积累的自主观测数据）统一组织、规范起来，建立可靠的太阳结构标注、活动区物理参数及耀斑事件标签，才能真正释放其预报应用价值。

围绕这一需求，中国科学院国家空间科学中心（以下简称“空间中心”）太阳活动与空间天气全国重点实验室预报中心团队构建了太阳活动态势感知与耀斑预报数据集（Solar Situation Awareness and Flare Forecasting Dataset）。数据集核心覆盖2010年5月至2024年5月，整合太阳动力学天文台(SDO)搭载的日震与磁成像仪(HMI)视向磁图和连续谱、大气成像组件(AIA)多波段极紫外图像以及地基Hα观测，并进一步纳入自1996年起的太阳与日球层观测台(SOHO)搭载的迈克尔逊多普勒成像仪(MDI)和极紫外成像望远镜(EIT)观测，还将子午工程怀柔台站光球磁场及先进天基太阳天文台(ASO-S)的科学数据纳入统一处理。不同来源的图像经过统一的太阳中心定位、空间尺度归一化和视场标准化处理，形成长期、标准化的多模态太阳观测数据。这一高质量数据集既是空间天气智能模型可靠的训练基础，也是让预报模型在我国自主观测数据上完成训练与检验、走向自主预报应用的关键支撑。

图1 标准化多源太阳观测图像。 不同仪器和波段的观测统一至覆盖1.1个太阳半径的视场范围。

数据集构建了经过专家审核的太阳结构标注。针对活动区，研究人员依据美国国家海洋和大气管理局空间天气预报中心(NOAA/SWPC)每日太阳活动区报告和太阳活动监测网站(SolarMonitor)提供的相关信息，结合HMI磁图、连续谱及AIA多波段观测进行人工识别，经图像分割和形态学处理细化后，再由专家检查和修正。因此，发布的活动区标注是由人工识别、图像处理和专家质量控制共同形成的标注产品，而非自动识别模型的直接输出。数据集还提供冕洞和暗条标注，其中完成了3919幅Hα图像的暗条人工标注。

图2 NOAA活动区标注示例。 基于SolarMonitor活动区信息和SDO/HMI全日面磁图进行活动区识别与标注，形成与NOAA编号对应的空间标注结果。

针对HMI研究产品与空间天气应用编号之间的对应问题，研究团队还人工梳理了空间天气HMI活动区补丁(SHARP)与NOAA编号活动区之间的非一一对应关系，共处理1945个SHARP区域，涉及2394个NOAA活动区，为HMI观测、活动区编号和耀斑事件之间建立了明确关联。

在此基础上，数据集进一步构建了面向耀斑预报的数据产品，为每个NOAA编号活动区提供总无符号磁通量、活动区面积、R值、磁场梯度、Hale和McIntosh分类以及前24小时耀斑指数等信息。相关磁场物理参数均由原始、未截断的SDO/HMI灵活图像传输系统 (FITS)磁图数据计算。同时，分别构建未来24小时C级及以上、M级及以上和X级耀斑标签，形成从太阳观测、空间标注和物理参数到未来耀斑事件的完整数据链。验证结果表明，所计算的磁场参数具有良好的物理合理性，并与后续耀斑活动表现出明确关联。

同时，该数据集已应用于太阳活动AI预报员（Solar Activity AI Forecaster）的构建，为太阳结构识别、物理参数分析和强耀斑预报提供数据基础，并已用于结合我国自主观测数据开展实时预报方法的验证。

相关成果发表于 Scientific Data，被SDO/HMI Science Nuggets收录(http://hmi.stanford.edu/hminuggets/?p=4760)，论文第一作者为空间中心特别研究助理李铭。数据集已发布至国家空间科学数据中心，数据DOI为 10.57760/sciencedb.space.03541。

论文信息：

[1] Li, M., Liu, S., Wang, J., Cui, Y., Wang, T., Zeng, Y., ... & Luo, B. (2026). Solar Situation Awareness and Flare Forecasting Dataset for Operational Applications. Scientific Data.

[2] Wang, J., Liang, P., Wang, T., Li, M., Cui, Y., Liu, S., ... & Cao, B. (2025). Large Model Driven Solar Activity AI Forecaster: A Scalable Dual Data-Model Framework. arXiv preprint arXiv:2508.06892.

欢迎关注我们，转载授权、投稿事宜请
在文后留言，小编会尽快处理