Dagsida‑aurora‑dataset från Global-scale Observations of the Limb and Disk‑uppdraget

Ljus på dagsljushimlen

De flesta föreställer sig norrskenet som skimrande gardiner över en mörk polar­natt. Men aurororna slocknar aldrig helt — de lyser även på jordens solbelysta sida, dold bakom dagsljusets bländning. I den här studien presenteras en ny, publik dataset som slutligen får dessa svårfångade dagsida‑auror i fokus, genom en väder‑satellitlik vy över jorden och moderna bildbehandlingsmetoder hämtade från datorseende och deep learning.

Att titta på jorden från ett fast fönster i rymden

Data kommer från NASAs GOLD‑uppdrag, ett instrument som kretsar i geostationär bana sedan 2018. Från sin fasta position över Amerika och Atlanten stirrar GOLD kontinuerligt på samma halva av planeten i extrem‑ultraviolett ljus, ett våglängdsband osynligt för våra ögon men idealiskt för att följa de energirika partiklar som skapar auroror. När elektroner från närjordsrymden kolliderar med atomer och molekyler högt ovanför polerna avger de distinkta ultravioletta färger. GOLD registrerar dessa emissioner i tre sådana band och levererar upprepade ögonblicksbilder av den norra aurorala regionen under dagen under mer än sex och ett halvt år.

Att särskilja svaga auroror från den ljusa dagsbakgrunden

Att se dagsida‑auror från rymden är svårt eftersom övre atmosfären också glöder i solljus och skapar en stark bakgrund kallad dayglow. Denna glöd kan lätt dränka de finare aurala mönstren som forskare är intresserade av. Författarna vänder detta till sin fördel genom att använda GOLDs vy mot södra halvklotet. Under stora delar av uppdraget är det fjärran söder inom GOLDs synfält nästan fritt från auroror och domineras av enbart dayglow. Genom att para ihop södra bilder med norra tagna under liknande årstids‑ och belysningsförhållanden tränar teamet ett neuralt nätverk att förutsäga hur dayglow bör se ut, pixel för pixel, för en given observationsgeometri och nivå av geomagnetisk aktivitet.

Från råbilder till rena auralkartor

Med detta tränade nätverk uppskattar och subtraherar forskarna dayglow från varje norra skanning, vilket lämnar kvar endast det extra ljus som beror på auroror. Ändå återstår spår av icke‑aurorala signaler, särskilt nära skivans limbus — den till synes yttre kanten av jordskivan. För att förfina resultatet bygger teamet en flerstegs klassisk bildbehandlingspipeline. De skärper och filtrerar bilderna för att betona bågformade, ringlika strukturer, klustrar ljusa pixlar till sammanhängande fläckar på höga latituder och skiljer noggrant verkliga aurorabågar från liknande glöd vid skivan. Detta ger en initial uppsättning binära ”masker” som markerar vilka pixlar som innehåller aurora och vilka som inte gör det för varje spektralband.

Att lära ett neuralt nätverk att känna igen auroror

Medan denna regelbaserade metod fungerar väl när GOLD skannar jorden ofta, börjar dess antaganden svikta efter att uppdragets skanningsfrekvens minskar 2022. För att säkerställa konsekvens över alla år behandlar författarna sina klassiska masker från ett högkvalitetsår som undervisningsmaterial för ett andra neuralt nätverk. Denna modell lär sig att omvandla råa norra skanningar direkt till auroramasker, utan att behöva mellanliggande gräns‑utjämningsknep. Testad mot en oberoende, väletablerad modell av den globala aurorala ovalen presterar deep‑learning‑metoden något bättre än den klassiska metoden och uppträder pålitligt över ett brett spektrum av rymdvädersförhållanden.

En ny resurs för rymdväderövervakare

Slutresultatet är en kuraterad samling av mer än 47 000 observationsögonblick av dagsida‑aurora från 2018 till mitten av 2025, alla paketerade i ett format redo för vetenskaplig användning. För varje ögonblicksbild får användarna de råa ultravioletta bilderna i tre nyckelfärger, bästa uppskattningar av dayglow‑bakgrunden och en ren karta över var auroror är närvarande, tillsammans med detaljerad tid‑ och positionsinformation. Genom att ta bort ett stort bearbetningshinder öppnar denna dataset dörren för studier av hur dagsida‑aurorazonen förskjuts med solvinden, för test av modeller som kopplar jordens magnetiska miljö till dess övre atmosfär och för träning av framtida maskininlärningssystem som kan förutsäga rymdväderpåverkan som kan skada elnät, radiolänkar och satelliter.

Citering: 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

Nyckelord: aurora, rymdväder, GOLD‑uppdraget, satellitavbildning, deep learning