FlareDB: SDO/HMI と SDO/AIA 観測による太陽周期 24 と 25 の重要フレアデータベース

なぜ突然の太陽爆発が地球に影響するのか

太陽フレアは太陽表面で発生する巨大な爆発であり、人工衛星に障害を引き起こしたり、無線通信を遮断したり、場合によっては地上の電力網に脅威を与えたりします。それでも、科学者は最大級のフレアがいつどこで発生するかを正確に予測するのに苦労しています。本稿では FlareDB を紹介します。これは過去約15年間に観測された太陽の最も強力なフレアの詳細な観測データを集めた新しいオープンデータベースです。人間の研究者と機械学習システムの双方が使いやすい形でデータを整理することで、危険な宇宙天気の理解と予測の加速を目指しています。

太陽の大きな怒りを集めた新しいライブラリ

FlareDB は、2010年から2025年に記録された、M5.0 以上または X 級に分類される最もエネルギーの高い 151 個の太陽フレアに焦点を当てています。これらのイベントは 82 の活動領域（フレアが発生しやすい磁場の強い領域）に由来します。視野の端に近い領域では観測値が信頼しにくいため、太陽円盤中心付近に十分近い位置にあったフレアのみを含めています。これらの基準により、地球の宇宙環境に影響を与える可能性が高い噴出の、きれいで明確に定義されたサンプルが得られます。

多波長で見る太陽

データベースは、NASA の太陽観測衛星 Solar Dynamics Observatory（SDO）搭載の二つの観測装置から構築されています。一つは Helioseismic and Magnetic Imager（HMI）で、太陽の磁場を写し取り、黒点の白色光像を記録します。もう一つは Atmospheric Imaging Assembly（AIA）で、紫外線および極紫外線の複数波長で高速に撮像し、それぞれが太陽大気中の異なる温度のガスを強調して示します。各フレアについて、FlareDB は全円盤を保存するのではなく活動領域周辺だけを抽出し、さらに二種類の地図投影で保存します。この方法により、磁場や高温プラズマの配置に関する情報を保ちながら、実際に作用している領域に焦点を当て続けられます。

生の画像から利用可能なデータへ

大量の生画像を一貫したデータベースにまとめるには入念な処理が必要でした。チームは磁場成分の算出方法を標準化し、解像度のわずかな差がある AIA 画像と HMI 磁力図を整列させ、太陽の自転によっても活動領域が常に中心に来るように処理しました。厚みのある三次元的な大気層からの放射をとらえる波長については、表面磁場マップと比較可能な形を保つために再投影の際に特別な注意を払いました。合計で 218,000 枚以上の AIA 画像が再投影・切り出しされ、各フレアイベントが多様な温度・高度にわたる一貫した表示セットを持つようにしています。

人とアルゴリズムのための高速で標準化された動画

FlareDB の最も実用的な成果の一つは、5,285 本の短い「クイックルック」動画（各フレアにつき 35 本）です。これらはフレアの 24 時間前から発生後 8 時間までの活動領域の変化を示します。各動画は明るさのスケールを固定しているため、極端な詳細が抑えられる場合があっても異なるイベントを直接比較できます。この標準化により、多数のイベントを目視で素早く確認しやすくなるだけでなく、データの形式やスケールが均一であることを好む機械学習モデルの訓練にも特に有用です。完全な詳細が必要な研究者は、関連するオンラインサービスから標準的な科学フォーマットの元画像ファイルをダウンロードできます。

より良い宇宙天気予報の基盤を築く

信頼性を確保するため、FlareDB の作成者は処理手順がデータ品質に与える影響を検証し、どの部分でカバレッジが最も強いかを文書化しました――データセットの約 95 パーセントが太陽円盤中心近傍の最も信頼できる観測領域に収まっています。その結果、磁場マップ、紫外線画像、および主要フレアの概要を短く示す動画を組み合わせた公開リソースが得られました。一般の読者にとっての重要な結論はこれです：研究者や AI ツールに対して、主要噴出の前後に活動領域がどのように振る舞うかの一貫性のある豊富な記録を提供することで、我々の技術依存社会に影響を与える太陽嵐のより正確で迅速な予報の基盤を築く、という点です。

引用: Liu, N., Abduallah, Y., Kapure, T.S. et al. FlareDB: A Database of Significant Flares in Solar Cycles 24 and 25 with SDO/HMI and SDO/AIA Observations. Sci Data 13, 279 (2026). https://doi.org/10.1038/s41597-026-06607-7

キーワード: 太陽フレア, 宇宙天気, 太陽観測, 磁場, 機械学習