Een dataset van dageraad-aurora's van de Global-scale Observations of the Limb and Disk-missie

Lichten aan de daghemel

De meeste mensen zien het noorderlicht als flonkerende gordijnen tegen een donkere polaire nacht. Maar aurora’s schakelen nooit echt uit — ze gloeien ook aan de zonbeschenen kant van de aarde, verstopt achter de schittering van de dag. Deze studie introduceert een nieuwe, openbaar toegankelijke dataset die die ongrijpbare dagaurora’s eindelijk duidelijk in beeld brengt, met een weergave van de aarde vergelijkbaar met een weer­satelliet en met moderne beeldverwerkingstechnieken uit computer vision en deep learning.

De aarde bewaken vanuit een vaste ruit in de ruimte

De gegevens komen van NASA’s GOLD-missie, een instrument dat sinds 2018 in een geostationaire baan om de aarde cirkelt. Vanaf zijn vaste uitkijkpunt boven de Amerika’s en de Atlantische Oceaan kijkt GOLD continu naar dezelfde helft van de planeet in het verre ultraviolet — een band van golflengten die onzichtbaar is voor het oog maar ideaal om de energierijke deeltjes te volgen die aurora’s creëren. Telkens wanneer elektronen uit de nabije ruimte botsen met atomen en moleculen hoog boven de polen, geven die specifieke ultravioletkleuren af. GOLD registreert deze emissies in drie van zulke banden en levert zo herhaalde snapshots van het noordelijke aurorale gebied door de dag heen, over meer dan zes en een half jaar.

Vage aurora’s scheiden van de felle daghemel

Dagaurora’s vanuit de ruimte zien is lastig omdat de bovenste atmosfeer bij zonlicht ook gloeien, en zo een helder achtergrondsignaal produceert dat bekendstaat als dayglow. Die gloed kan de fijnere aurorale patronen waar wetenschappers om geven gemakkelijk overstemmen. De auteurs veranderen dit schijnbare obstakel in een voordeel door GOLD’s zicht op het zuidelijk halfrond te gebruiken. Gedurende een groot deel van de missie is het verre zuiden in GOLD’s gezichtsveld vrijwel vrij van aurora’s en wordt het gedomineerd door dayglow alleen. Door zuidelijke beelden te koppelen aan noordelijke beelden die onder vergelijkbare seizoens- en lichtomstandigheden zijn gemaakt, traint het team een neuraal-netwerkmodel om pixel voor pixel te voorspellen hoe de dayglow eruit zou moeten zien voor een gegeven observatiegeometrie en niveau van geomagnetische activiteit.

Van ruwe beelden naar schone aurorakaarten

Met dit getrainde model schatten de onderzoekers de dayglow voor elke noordelijke scan en trekken die af, zodat alleen het extra licht dat door aurora’s wordt veroorzaakt overblijft. Zelfs dan blijven er sporen van niet-aurorale signalen achter, vooral in de buurt van de limb — de schijnbare rand van de aardschijf. Om het resultaat te verfijnen bouwt het team een meerstaps klassieke beeldverwerkingspijplijn. Ze verscherpen en filteren de beelden om gebogen, ringachtige structuren te benadrukken, clusteren heldere pixels tot coherente vlekken op hoge breedtegraden en onderscheiden zorgvuldig echte aurorale bogen van gelijksoortige gloed bij de limb. Dit levert een initiële set binaire “maskers” op die voor elk spectraal kanaal aangeven welke pixels aurora bevatten en welke niet.

Een neuraal netwerk aanleren aurora’s te herkennen

Hoewel deze regelgebaseerde methode goed werkt wanneer GOLD de aarde vaak scant, beginnen de aannames te haperen nadat de cadans van de missie in 2022 vertraagt. Om consistentie over alle jaren te waarborgen behandelen de auteurs hun klassieke maskers uit een jaar met hoge kwaliteit als leermateriaal voor een tweede neuraal netwerk. Dit model leert ruwe noordelijke scans direct om te zetten in auroramaskers, zonder de tussenliggende rand- en gladstrijktrucs. Getest tegen een onafhankelijk, goed ingeburgerd model van de globale aurorale ovaal presteert de deep-learningaanpak iets beter dan de klassieke methode en gedraagt zich betrouwbaar over een breed scala aan ruimteweercondities.

Een nieuwe hulpbron voor ruimteweerwaarnemers

Het eindresultaat is een samengestelde collectie van meer dan 47.000 waarnemingen van dagzijde-aurora’s van 2018 tot midden 2025, allemaal verpakt in een formaat dat klaar is voor wetenschappelijk gebruik. Voor elke snapshot krijgen gebruikers de ruwe ultravioletbeelden in drie sleutelkleuren, de beste schattingen van de dayglow-achtergrond en een schone kaart van waar aurora’s aanwezig zijn, samen met gedetailleerde tijds- en positiedata. Door een belangrijke verwerkingsdrempel weg te nemen opent deze dataset de deur voor studies naar hoe de dagaurorale zone verschuift met de zonnewind, voor het testen van modellen die het magnetische veld van de aarde koppelen aan de bovenste atmosfeer en voor het trainen van toekomstige machine-learning-systemen om ruimteweereffecten te voorspellen die stroomnetten, radiolinks en satellieten kunnen beïnvloeden.

Bronvermelding: Holmes, J., England, S.L. A dayside aurora dataset from the Global-scale Observations of the Limb and Disk mission. Sci Data 13, 481 (2026). https://doi.org/10.1038/s41597-026-06884-2

Trefwoorden: aurora, ruimtelijk weer, GOLD-missie, satellietbeeldvorming, deep learning