juliensimon/esa-rosetta-observations

该数据集是欧洲空间局（ESA）罗塞塔任务对彗星67P/Churyumov-Gerasimenko的完整观测元数据目录，包含来自15个仪器的8,214,033条观测记录。罗塞塔任务于2004年发射，是首个环绕彗星（2014年8月）并部署菲莱着陆器实现首次彗核软着陆（2014年11月）的航天器，在为期两年的伴飞阶段详细研究了彗星的核、彗发和等离子体环境，见证了彗星接近和远离太阳的过程。数据集源自ESA行星科学档案（PSA），符合EPN-TAP标准，每行代表一次观测或数据单元，包含时间、空间覆盖、仪器参数和访问URL等信息。关键科学发现包括ROSINA质谱仪在彗发中检测到分子氧和甘氨酸（一种氨基酸），这对理解太阳系化学以及地球上水和前生物分子的起源有深远意义。数据格式为Parquet，适用于表格分类任务，涵盖多个仪器配置如ROSINA、OSIRIS、RPC等。Complete observation metadata catalog from the ESA Rosetta mission to Comet 67P/Churyumov-Gerasimenko — 8,214,033 observations across 15 instruments. Rosetta was ESAs groundbreaking mission to Comet 67P/Churyumov-Gerasimenko. Launched in 2004, it became the first spacecraft to orbit a comet (August 2014) and deployed the Philae lander for the first-ever soft landing on a comet nucleus (November 2014). The mission studied the comets nucleus, coma, and plasma environment in unprecedented detail over a 2-year escort phase, witnessing the comets approach to and retreat from the Sun. Rosettas ROSINA mass spectrometer detected molecular oxygen and glycine (an amino acid) in the coma — findings with profound implications for our understanding of Solar System chemistry and the origin of water and prebiotic molecules on Earth. OSIRIS captured stunning images of 67Ps bilobed nucleus revealing active pits, cliffs, and dust jets. This dataset contains the full observation metadata from the ESA Planetary Science Archive (PSA), conforming to the EPN-TAP standard. Each row represents one observation or data granule, with timing, spatial coverage, instrument parameters, and access URLs.

搜集汇总

数据集介绍

构建方式

该数据集源自欧洲空间局罗塞塔号探测器对67P/丘留莫夫-格拉西缅科彗星的完整观测任务档案，其构建依托ESA行星科学档案库中遵循EPN-TAP标准的元数据服务体系。研究人员通过同步协议从PSA的EPN-TAP端点系统性抓取全部观测记录，将每一条观测或数据颗粒映射为独立行项，并以Parquet列式格式组织存储。数据按照仪器类型划分为多个可独立加载的配置单元，涵盖ROSINA、OSIRIS、RPC等十五种科学载荷，时间跨度覆盖儒略日2451910.5至2457662.5之间的完整任务周期，最终形成逾八百二十万条观测记录的静态编目。

特点

该数据集以宏阔的规模与精细的仪器粒度见长，囊括十五台科学仪器所产出的八百二十余万条观测条目，其中ROSINA质谱仪贡献逾四百六十万条记录，OSIRIS相机系统则逾二百三十五万条。元数据字段遵循EPN-TAP规范，多达约五十列，涵盖观测标识、目标天体、时空覆盖范围、光谱区间、处理层级及数据访问链接等维度，兼具时间、空间与光谱信息的立体描述能力。目标天体涉及十二个不同对象，语种为英文，整体以表格分类任务为导向，为行星科学数据挖掘与跨仪器关联分析提供了结构严整的信息基座。

使用方法

研究者可借助Hugging Face datasets库便捷调用该数据集，通过指定仪器配置名称实现单载荷快速加载，亦可在默认配置下一次性载入全量记录以支撑大规模分析。加载后所得表格对象可直接用于观测统计、时空分布建模或数据产品质量评估等任务，各行项附带的访问链接可将元数据与原初数据产品关联。鉴于全量数据需占用较大内存，建议依据研究目标择取相应仪器子集，从而在计算资源与数据广度之间取得平衡，实现高效的科学探查。

背景与挑战

背景概述

欧空局罗塞塔号（Rosetta）探测器于2004年发射，历经十年星际航行后于2014年成为首个环绕彗星的航天器，并成功释放菲莱（Philae）着陆器实现人类首次彗核软着陆，这一壮举为太阳系原始物质与生命前体分子研究树立了里程碑。该数据集由Julien Simon整理，涵盖15台科学仪器在两年伴飞期间获取的8,214,033条观测元数据，遵循EPN-TAP标准，完整记录了彗星67P/丘留莫夫-格拉西缅科的核部、彗发及等离子体环境。其问世为行星科学界提供了宝贵的开放数据资源，有力推动了彗星活动机制与太阳系化学演化的深入研究。

当前挑战

该数据集所应对的核心领域挑战在于海量异构观测元数据的统一组织与跨仪器关联，需将来自质谱、紫外光谱、可见红外成像、尘埃探测等15类设备、涵盖图像、光谱、剖面等多种数据产品的记录整合于统一的EPN-TAP模式之下，同时保留各自独特的时空与光谱坐标信息以支持后续科学分析。构建过程中面临的挑战包括：原始档案条目分布零散且字段命名与类型存在不一致，需进行细致的清洗与规范化；部分观测的时间跨度和空间覆盖范围跨越任务多个阶段，对时间基准与坐标系统的统一提出高要求；此外，近千万行记录在存储与分发时需兼顾完整性与可访问性，以降低使用者的计算与内存负担。

常用场景

经典使用场景

在行星科学领域，针对彗星观测数据的系统性编目与检索始终是支撑后续分析的基础性工作。该数据集汇聚了ESA Rosetta任务对67P/Churyumov-Gerasimenko彗星的全部观测元数据，涵盖ROSINA、OSIRIS、RPC等十五台科学仪器所获取的八百二十余万条观测记录，其经典使用场景在于为研究者提供跨仪器、跨时间、跨空间维度的统一查询接口，使研究者得以按目标天体、观测时段、数据产品类型及仪器参数等条件高效筛选所需数据颗粒，从而支撑彗星核形貌、彗发气体组分、等离子体环境等多学科交叉研究。

衍生相关工作

围绕该数据集，已衍生出一系列相关经典工作，包括ESA ExoMars TGO观测目录、ESA Mars Express观测目录以及JPL彗星轨道根数数据集等，这些工作共同构成了太阳系数据集集合与行星科学数据集集合的重要组成部分。相关衍生研究进一步拓展至跨任务元数据标准化、行星科学数据仓库构建以及基于观测目录的彗星活动性建模等领域，为行星科学数据的开放共享与再利用奠定了坚实基础。

数据集最近研究

最新研究方向

在行星科学数据开放共享与可复现研究的浪潮下，该数据集正推动彗星探测数据的多模态融合分析与自动化挖掘。前沿工作聚焦于利用ROSINA与OSIRIS等仪器的高维观测记录，结合机器学习开展彗发气体时空分布建模、尘埃喷流事件检测及表面活动区识别；同时，跨仪器数据关联被用于校准与验证，提升对67P彗星核活动周期与太阳辐射响应机制的认知。其EPN-TAP标准化元数据架构亦为行星科学数据互操作与知识图谱构建提供了关键样本，对欧空局档案数据在AI驱动下的二次科学发现具有示范意义。