space-track-tle-history

Space-Track TLE History 数据集是一个全面的地球轨道物体双行元素（TLE）轨道数据存档，涵盖1959年至2026年的数据，来源自Space-Track.org的批量导出。数据集包含238万条TLE记录，覆盖超过5万个被追踪的物体，包括活跃卫星、火箭残骸和太空碎片。数据以每年一个zstd压缩的Parquet文件形式提供，总大小为11 GB。数据集提供了原始的轨道元素，未经过滤或分类。这是目前最大的公开可用、适合机器学习使用的轨道元素数据集，涵盖了从最早的被追踪物体到当今巨型星座的整个航天历史。数据集适用于轨道预测、碰撞风险评估、碎片追踪、大气阻力建模、星座分析、再入预测、太空交通管理和天体动力学研究等多种应用场景。

The Space-Track TLE History Dataset is a comprehensive archive of two-line element (TLE) orbital data for Earth-orbiting objects, covering data from 1959 to 2026 sourced from bulk exports on Space-Track.org.
The dataset contains 2.38 million TLE records, covering over 50,000 tracked objects including active satellites, rocket debris and space debris.
The data is provided as one zstd-compressed Parquet file per year, with a total size of 11 GB. The dataset provides raw orbital elements without filtering or classification.
It is currently the largest publicly available orbital element dataset suitable for machine learning, covering the entire space tracking history from the earliest tracked objects to today's mega-constellations.
This dataset is applicable to various use cases including orbital prediction, collision risk assessment, debris tracking, atmospheric drag modeling, constellation analysis, reentry prediction, space traffic management and astrodynamics research.

原始信息汇总

Space-Track TLE History 数据集概述

数据集基本信息

• 数据集名称：Space-Track TLE History
• 维护者：Julien Simon
• 许可证：CC-BY-4.0
• 任务类别：时间序列预测，表格回归
• 标签：太空，卫星，轨道力学，TLE，太空碎片，太空态势感知
• 数据规模：100M < n < 1B
• 数据格式：Parquet文件（zstd压缩）
• 数据总量：238百万行记录，总计约11 GB

数据内容与范围

• 时间跨度：1959年至2026年（共68年）
• 数据来源：美国太空监视网络，通过Space-Track.org的年度批量TLE导出数据获取。
• 覆盖对象：地球轨道上每个被追踪物体的完整两行轨道要素（TLE）数据存档。
• 对象类型：包括活跃卫星、火箭箭体、碎片以及已再入大气层的历史物体，总计超过50,000个被追踪物体。

数据模式（Schema）

列名	类型	描述
norad_id	int32	NORAD目录编号（唯一物体ID）
epoch	timestamp[us, UTC]	TLE历元——轨道要素的测量时间
inclination	float32	轨道倾角（度）
raan	float32	升交点赤经（度）
eccentricity	float32	轨道偏心率
arg_perigee	float32	近地点幅角（度）
mean_anomaly	float32	平近点角（度）
mean_motion	float64	平运动（转/天）
mean_motion_dot	float64	平运动的一阶导数（转/天²）——阻力指示器
bstar	float64	B*阻力项——大气阻力系数
intl_designator	string	国际标识符（例如，ISS为"98-067A"）
altitude_km	float32	根据开普勒第三定律推导的近地点高度（公里）

数据组织与访问

• 文件结构：每年一个Parquet文件（例如 tle_2024.parquet），路径为 data/tle_*.parquet。
• 加载方式：可使用Hugging Face datasets库加载特定年份或启用流式传输以进行大规模分析。
• 更新频率：每年更新一次，当Space-Track发布新的批量导出数据时。TLE存档是仅追加的——历史数据不会改变。

典型应用场景

• 轨道预测：基于历史轨迹训练ML模型以预测未来轨道要素。
• 碰撞风险评估：分析交会事件和近距离接近。
• 碎片追踪：研究轨道碎片群的生长和演化。
• 大气阻力建模：使用B*和平运动导数研究大气密度变化。
• 星座分析：跟踪卫星星座的部署和演化。
• 再入预测：从高度衰减模式中识别离轨物体。
• 太空交通管理：分析随时间变化的轨道层拥堵情况。
• 航天动力学研究：基准轨道确定和传播算法。

相关数据集

• space-track-satcat：https://huggingface.co/datasets/juliensimon/space-track-satcat
• space-launch-log：https://huggingface.co/datasets/juliensimon/space-launch-log
• starlink-fleet-data：https://huggingface.co/datasets/juliensimon/starlink-fleet-data

引用信息

bibtex @dataset{space_track_tle_history, title={Space-Track TLE History: Complete Orbital Element Archive (1959–2026)}, author={Julien Simon}, year={2026}, url={https://huggingface.co/datasets/juliensimon/space-track-tle-history}, note={Orbital elements from Space-Track.org (18th Space Defense Squadron, USSF)} }

搜集汇总

数据集介绍

构建方式

该数据集源自美国太空监视网络，通过Space-Track.org平台发布的年度批量双行轨道根数导出文件构建而成。构建过程系统性地整合了自1959年至2026年间所有已追踪地球轨道物体的完整历史观测记录，涵盖活跃卫星、火箭残骸及空间碎片等多种对象类型。数据以每年一个Zstandard压缩的Parquet文件形式组织，总计包含2.38亿条轨道状态记录，形成了目前规模最大、可直接用于机器学习研究的公开轨道元素档案库。

特点

数据集的核心特征在于其时间跨度长达68年，完整记录了人类航天活动从早期探索到现代巨型星座部署的全过程演变轨迹。每条记录均包含NORAD编号、历元时间、轨道倾角、偏心率等11项标准轨道参数，并额外推导出近地点高度字段，为轨道动力学分析提供了直接可用的结构化数据。数据集的独特价值体现在其对历史衰减物体的完整保留，使得研究者能够追溯如天空实验室再入、卫星碰撞碎片扩散等关键空间事件的全周期演化模式。

使用方法

使用者可通过Hugging Face数据集库的流式加载功能高效访问这个超大规模数据集，针对特定年份或完整时间序列进行分析。典型应用场景包括结合SGP4/SDP4轨道预报模型进行位置推算，或直接利用轨道参数开展空间态势感知研究。数据集与同源卫星编目数据可通过NORAD编号进行关联查询，支持复杂分析如碰撞碎片云演化追踪、星座部署模式统计以及大气阻力系数长期变化趋势挖掘等跨维度研究。

背景与挑战

背景概述

在空间态势感知与轨道动力学领域，长期、连续的历史轨道数据对于理解空间环境演变、预测卫星轨迹以及评估碰撞风险具有不可或缺的价值。Space-Track TLE History数据集由Julien Simon于2026年构建并维护，其数据源自美国太空军第18太空防御中队通过Space-Track.org发布的官方两行轨道根数档案。该数据集收录了自1959年至2026年间超过238万条轨道记录，覆盖了五万余个被追踪的空间物体，包括活跃卫星、火箭箭体与空间碎片。作为目前规模最大且公开可用的机器学习就绪轨道数据集，它不仅为轨道预测、碎片演化建模及大气阻力研究提供了坚实的数据基础，而且通过系统性的历史覆盖，深刻推动了空间交通管理、碰撞风险评估等前沿领域的研究进展。

当前挑战

该数据集致力于解决空间轨道预测与碎片演化分析中的核心挑战，即如何基于历史观测数据实现高精度、长时域的轨道状态推演与风险量化。具体而言，挑战体现在轨道动力学固有的非线性与摄动复杂性，包括大气阻力、地球非球形引力及太阳辐射压力等因素对轨道演化的综合影响，这要求模型具备强大的时序建模与不确定性量化能力。在数据构建层面，挑战主要源于原始两行轨道根数数据的异构性、观测噪声以及时间覆盖的不连续性，需通过大规模数据清洗、格式统一与时间对齐来确保数据质量与一致性。此外，海量数据的高效存储、快速检索与流式处理也对数据工程架构提出了严峻考验。

常用场景

经典使用场景

在空间态势感知领域，轨道数据是理解与预测天体运动的基础。Space-Track TLE History数据集作为迄今最全面的公开轨道元素档案，其经典应用场景集中于轨道预测与演化分析。研究人员利用该数据集长达68年的历史记录，训练机器学习模型以预测卫星及空间碎片的未来轨道状态。通过分析国际空间站数十年的轨道高度变化，或追踪Skylab再入前的螺旋下降轨迹，能够揭示大气阻力、引力摄动等动力学因素对轨道衰减的影响，为长期轨道演化建模提供实证基础。

解决学术问题

该数据集有效解决了空间科学中若干关键学术问题。在轨道力学研究中，它提供了验证和改进轨道确定与传播算法的大规模基准数据。对于空间碎片研究，数据集使得量化碎片云的演化成为可能，例如通过分析2009年Cosmos-Iridium碰撞事件产生的数千个碎片随时间的分布与衰减，深化了对碰撞碎片动力学与长期演化规律的理解。此外，通过解析B*拖曳项与平均运动导数，数据集支持了对高层大气密度变化的高精度建模，从而提升了再入预测与空间环境监测的准确性。

衍生相关工作

围绕该数据集，已衍生出一系列经典研究工作。在算法层面，基于其海量历史轨道数据，研究者开发了新型的机器学习轨道预报模型，提升了长期预测的精度。在应用研究方面，结合关联的卫星编目数据集，学者们完成了对空间碎片种群增长、寿命分布及环境演化模型的系统性评估与校准。此外，该数据集催生了多个开源工具与可视化平台，用于动态展示轨道历史与预测未来状态，极大地促进了空间数据在科研与教育领域的可及性与利用效率。