FlareDB: Een database van significante zonnevlammen in zonnecycli 24 en 25 met SDO/HMI- en SDO/AIA-waarnemingen

Waarom plotselinge uitbarstingen van de Zon van belang zijn voor de Aarde

Zonnevlammen zijn enorme explosies aan het oppervlak van de Zon die satellieten kunnen verstoren, radiocommunicatie kunnen uitschakelen en zelfs stroomnetten op Aarde kunnen bedreigen. Toch worstelen wetenschappers nog steeds met het precies voorspellen wanneer en waar de grootste vlammen zullen uitbreken. Dit artikel introduceert FlareDB, een nieuwe open database die gedetailleerde waarnemingen verzamelt van de krachtigste vlammen van de Zon in het afgelopen anderhalf decennium. Door deze gegevens zó te organiseren dat zowel menselijke onderzoekers als machine-learning-systemen ze gemakkelijk kunnen gebruiken, wil FlareDB ons begrip — en onze voorspellingen — van gevaarlijk ruimteweer versnellen.

Een nieuwe bibliotheek van de grootste driftbuien van de Zon

FlareDB richt zich op 151 van de meest energetische zonnevlammen, allemaal geclassificeerd als ten minste M5.0 of X-klasse, opgenomen tussen 2010 en 2025. Deze gebeurtenissen komen uit 82 actieve regio’s — magnetisch intense plekken op het zonoppervlak waar vlammen vaak ontstaan. Alleen vlammen waarvan de bronregio’s redelijk dicht bij het centrum van de zonneschijf lagen, werden opgenomen, omdat metingen nabij de rand van het zichtbare zonnedeel minder betrouwbaar zijn. Samen vormen deze criteria een zuivere, goed afgebakende steekproef van de soorten uitbarstingen die het meest waarschijnlijk het ruimteweer rond de Aarde verstoren.

De Zon in veel kleuren zien

De database is opgebouwd uit gegevens van twee instrumenten aan boord van NASA’s Solar Dynamics Observatory (SDO). Eén daarvan, de Helioseismic and Magnetic Imager (HMI), brengt het magnetische veld van de Zon in kaart en legt witlichtbeelden van zonnevlekken vast. Het andere, de Atmospheric Imaging Assembly (AIA), maakt in hoog tempo foto’s in ultraviolett en extreem-ultraviolett licht op meerdere golflengten, waarbij elk kanaal gas op andere temperaturen in de zonnestof benadrukt. Voor elke vlam extraheert FlareDB slechts het gebied rond de actieve regio in plaats van de volledige zonneschijf op te slaan, en doet dit in twee verschillende kaartprojecties. Deze aanpak houdt de focus op waar de actie plaatsvindt, terwijl informatie over de opstelling van het magnetische veld en heet plasma behouden blijft.

Van ruwe beelden naar direct bruikbare data

Het omzetten van een stortvloed aan ruwe beelden van ruimtevaartuigen naar een coherente database vereiste zorgvuldige verwerking. Het team standaardiseerde de wijze waarop magnetische veldcomponenten worden berekend, zette AIA-beelden uitgelijnd met HMI-magnetogrammen ondanks hun iets verschillende resoluties, en zorgde ervoor dat elke actieve regio gecentreerd bleef terwijl de Zon roteert. Voor golflengten die emissie uit dikke, driedimensionale lagen van de zonneatmosfeer vastleggen, besteedden ze speciale zorg aan hoe de beelden worden hergemapt zodat ze nog zinvol vergeleken kunnen worden met oppervlaktkaarten van het magnetische veld. In totaal werden meer dan 218.000 AIA-beelden gereprojecteerd en bijgesneden zodat elk vlamgebeurtenis een consistente set aan gezichten heeft over vele temperaturen en hoogtes boven het zonoppervlak.

Snelle, gestandaardiseerde films voor menselijke ogen en algoritmes

Een van FlareDB’s meest praktische producten is een set van 5.285 korte “quick look”-films — 35 films voor elke vlam — die laten zien hoe de actieve regio zich ontwikkelt van 24 uur vóór de vlam tot 8 uur erna. Elke film gebruikt vaste helderheidsschalen zodat verschillende gebeurtenissen direct met elkaar vergeleken kunnen worden, zelfs als sommige extreme details daardoor minder opvallen. Deze standaardisering maakt het veel eenvoudiger om veel gebeurtenissen visueel te scannen, maar is vooral waardevol voor het trainen van machine-learningmodellen, die het beste werken wanneer data uniform zijn qua formaat en schaal. Onderzoekers die volledige details nodig hebben kunnen de onderliggende beeldbestanden in een standaard wetenschappelijk formaat downloaden van een gekoppelde online dienst.

Een basis leggen voor betere ruimteweer-voorspellingen

Om betrouwbaarheid te waarborgen controleerden de makers van FlareDB hoe hun verwerkingsstappen de datakwaliteit beïnvloeden en documenteerden ze waar de dekking het sterkst is — ongeveer 95 procent van de dataset bevindt zich in de meest betrouwbare kijkzone nabij het centrum van de zonneschijf. Het resultaat is een publiek beschikbare bron die magnetische kaarten, ultravioletbeelden en compacte overzichtsfilms combineert voor de grootste zonnevlammen over twee zonnecycli. Voor een leken is de belangrijkste uitkomst deze: door wetenschappers en AI-hulpmiddelen een consistente, rijke weergave te geven van hoe actieve regio’s zich gedragen vóór en tijdens grote uitbarstingen, legt FlareDB de basis voor nauwkeurigere en tijdigere voorspellingen van zonnevuren die onze technologisch afhankelijke levens kunnen beïnvloeden.

Bronvermelding: 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

Trefwoorden: zonnevlammen, ruimteweer, waarnemingen van de Zon, magnetische velden, machine learning