neo-close-approaches

该数据集包含1900年至2099年间所有近地天体（小行星和彗星）在地球0.05天文单位（约750万公里）范围内的接近记录，共计41,820次接近事件（31,929次历史记录，9,891次未来预测）。数据由NASA喷气推进实验室的近地天体研究中心（CNEOS）计算并持续更新，以反映新的观测数据和轨道估算。每条记录包括最接近距离（含3-sigma不确定范围）、相对速度、绝对星等以及可用的测量直径（若无测量直径，则包含基于标准反照率假设的估计直径）。数据集适用于表格分类和回归任务，特别适用于行星防御、空间科学研究和近地天体监测等领域。数据以Parquet格式存储，每日自动更新。

搜集汇总

数据集介绍

构建方式

在近地天体监测领域，数据的精确性与时效性至关重要。该数据集通过自动化流程整合了美国国家航空航天局喷气推进实验室近地天体研究中心提供的官方数据，每日定时从SBDB近距离接近数据API获取最新轨道计算结果。构建过程中，系统持续追踪新发现的天体并纳入更新的观测数据，确保轨道估算的不断优化。数据集涵盖1900年至2099年间所有距离地球0.05天文单位以内的接近事件，每条记录均包含基于最新轨道解算的接近距离、相对速度及天体物理参数，并辅以三西格玛不确定性范围，为研究提供了坚实的数理基础。

特点

本数据集以其全面性和动态更新机制脱颖而出，收录了跨越两个世纪的41,851次近地天体接近事件，其中包含4,245次潜在威胁天体的飞掠记录。数据架构科学严谨，不仅提供名义接近距离与相对速度，还囊括了绝对星等、实测直径及基于反照率假设的直径估算范围。特别值得注意的是，数据集标注了每颗天体是否属于潜在威胁天体的布尔标志，并持续集成最新的观测数据，使得历史记录与未来预测均建立在不断完善的轨道模型之上，为行星防御研究提供了多维度的分析视角。

使用方法

利用该数据集进行科学研究时，用户可通过Hugging Face数据集库直接加载Parquet格式的数据文件。典型应用场景包括筛选特定时间窗口内的未来接近事件、识别潜在威胁天体的飞掠轨迹，或结合直径估算参数分析大型天体的近距离通过频率。数据集中包含的儒略日期与UTC时间戳便于进行时序分析，而距离参数同时以天文单位和地月距离呈现，方便不同研究领域的学者进行跨尺度比较。通过简单的数据转换操作，研究者可快速生成按年代统计的接近事件分布图，或构建基于物理参数的分类模型。

背景与挑战

背景概述

近地天体（NEO）的监测与防御是行星科学和航天工程领域的关键议题，随着太空观测技术的进步，对潜在威胁天体的追踪需求日益增长。neo-close-approaches数据集由Julien Simon于2026年基于美国宇航局喷气推进实验室（NASA JPL）的近地天体研究中心（CNEOS）数据构建，收录了1900年至2099年间距离地球0.05天文单位内的所有小行星和彗星近距离接近事件。该数据集旨在为天文学、轨道力学及行星防御研究提供结构化、实时更新的观测与预测数据，通过整合天体轨道参数、距离不确定性及直径估计，支持风险评估与建模分析，对提升全球太空安全预警能力具有重要科学价值。

当前挑战

该数据集致力于解决近地天体威胁评估与轨道预测的复杂问题，其核心挑战在于如何准确量化天体接近过程中的不确定性，包括轨道计算误差、距离范围波动以及直径估计的多样性，这些因素直接影响危害性分类的可靠性。在构建过程中，数据整合面临多重困难：原始观测数据来自多源巡天项目如Catalina Sky Survey和Pan-STARRS，需持续校准以更新轨道解；大量天体缺乏实测直径，依赖反照率假设进行估算可能引入偏差；同时，每日动态更新机制要求处理实时API数据流，确保时序一致性与完整性，这对数据管道稳定性提出了较高要求。

常用场景

经典使用场景

在近地天体动力学与行星防御研究领域，neo-close-approaches数据集为轨道建模与风险评估提供了关键数据支撑。该数据集最经典的使用场景在于训练和验证机器学习模型，以预测近地天体的未来轨道参数和碰撞概率。研究人员利用其包含的距离、速度、绝对星等及直径估计等多维特征，构建回归或分类模型，从而实现对潜在危险天体接近事件的自动化识别与分级。

解决学术问题

该数据集有效解决了近地天体监测中的若干核心学术问题，包括轨道不确定性量化、撞击风险概率评估以及天体物理参数反演。通过整合NASA CNEOS提供的带有3-sigma误差边界的接近距离数据，研究者能够深入分析轨道摄动影响，改进动力学模型。同时，数据集中的绝对星等与直径信息支持了对小天体尺寸分布和组成特性的统计研究，为理解太阳系演化提供了观测依据。

衍生相关工作

围绕该数据集已衍生出多项经典研究工作，例如基于机器学习的近地天体危险等级分类系统，以及利用时序预测模型对长期轨道演化进行模拟的框架。部分研究结合其他轨道力学数据集，构建了多源数据融合的风险评估平台。这些工作不仅推动了计算天体力学的发展，也为国际行星防御协作项目如NASA的DART任务提供了数据分析和决策辅助工具。