starlink-tle-latest

该数据集包含最新的Starlink和GPS星座的两行元素集（TLEs），每日从CelesTrak更新。TLEs是表示卫星轨道元素的标准格式，由NORAD在1960年代开发，至今仍广泛使用。每个TLE以紧凑的两行ASCII格式编码六个开普勒轨道元素和阻力项，设计用于与SGP4/SDP4分析传播模型一起使用。该数据集提供了两个关键星座的每日更新TLEs：Starlink（10,112颗卫星）和GPS（32颗卫星）。Starlink TLEs对于低地球轨道（LEO）中的最大物体群跟踪至关重要，而GPS TLEs则覆盖了中地球轨道（MEO）中的NAVSTAR星座，是全球定位系统的核心。数据集提供原始的TLE文件和Parquet格式文件，适用于不同的应用场景。Parquet文件的模式包括卫星名称（name）、TLE行1（line1）和TLE行2（line2）。数据集适用于表格回归任务，标签包括空间、卫星、Starlink、GPS、TLE、轨道力学、CelesTrak、SGP4、开放数据、表格数据和Parquet。数据集规模在1K到10K之间，许可证为CC-BY-4.0。

原始信息汇总

数据集概述：Latest Starlink & GPS TLEs

基本信息

• 数据集名称：Latest Starlink & GPS TLEs
• 发布者：Julien Simon
• 发布日期：2026年
• 许可证：CC-BY-4.0
• 语言：英语
• 数据格式：Parquet, TLE（原始文本）
• 数据规模：1K<n<10K
• 任务类别：表格回归
• 标签：space, satellite, starlink, gps, tle, orbital-mechanics, celestrak, sgp4, open-data, tabular-data, parquet

数据集描述

该数据集提供星链（Starlink）和全球定位系统（GPS）星座最新的两行轨道要素集，每日从CelesTrak更新。

• 数据内容：两行轨道要素集是表示卫星轨道要素的标准格式，由NORAD在20世纪60年代开发，至今仍被普遍使用。每个TLE以紧凑的两行ASCII格式编码六个开普勒轨道要素和阻力项，专为与SGP4/SDP4分析传播模型一起使用而设计。
• 数据覆盖：
  • 星链（Starlink）：包含10,112颗卫星的TLE数据，用于跟踪近地轨道上最大的物体群。
  • 全球定位系统（GPS）：包含32颗卫星的TLE数据，覆盖中地球轨道的NAVSTAR星座。
• 数据用途：星链TLE对于交会筛查、射频干扰分析和星座运行研究至关重要。GPS轨道要素对于精密授时应用、大地测量以及作为验证传播模型的参考轨道尤为重要。
• 数据更新：由于TLE的准确性随时间迅速下降（特别是对于经历可变大气阻力的近地轨道物体），每日更新对于任何实际应用都至关重要。

数据集结构

数据集包含两个配置：

• 配置名称：starlink（默认配置）
  • 数据文件：data/starlink.parquet
  • 分割：train
• 配置名称：gps
  • 数据文件：data/gps.parquet
  • 分割：train

原始TLE文件

为使用标准3行TLE格式的应用程序提供：

• https://huggingface.co/datasets/juliensimon/starlink-tle-latest/resolve/main/data/starlink.tle — 原始TLE文本
• https://huggingface.co/datasets/juliensimon/starlink-tle-latest/resolve/main/data/gps.tle — 原始TLE文本

Parquet文件模式

列名	类型	描述
name	string	卫星名称（例如："STARLINK-1234", "NAVSTAR 78"）
line1	string	TLE第1行
line2	string	TLE第2行

使用方法

python from datasets import load_dataset

加载星链TLEs

ds = load_dataset("juliensimon/starlink-tle-latest", "starlink", split="train")

加载GPS TLEs

ds = load_dataset("juliensimon/starlink-tle-latest", "gps", split="train")

与sgp4库一起使用

from sgp4.api import Satrec sat = Satrec.twoline2rv(ds[0]["line1"], ds[0]["line2"])

数据来源

数据源自CelesTrak（Dr. T.S. Kelso），镜像了NORAD/第18太空防御中队的数据。

更新计划

每日UTC时间05:00通过GitHub Actions更新。

相关数据集

• https://huggingface.co/datasets/juliensimon/space-track-tle-history — 2.38亿条历史TLE数据（1959年至今）
• https://huggingface.co/datasets/juliensimon/starlink-fleet-data — 每日星链星座健康快照
• https://huggingface.co/datasets/juliensimon/space-track-satcat — 完整的NORAD卫星目录

支持与引用

支持

如果觉得此数据集有用，请在数据集页面点赞（❤️）并在社区标签页分享反馈！同时考虑为space-datasets代码库点赞（⭐️）。

引用

bibtex @dataset{starlink_tle_latest, author = {Simon, Julien}, title = {Latest Starlink & GPS TLEs}, year = {2026}, publisher = {Hugging Face}, url = {https://huggingface.co/datasets/juliensimon/starlink-tle-latest}, note = {Based on NORAD data via CelesTrak (Dr. T.S. Kelso)} }

搜集汇总

数据集介绍

构建方式

在航天动力学领域，精确的轨道数据对于卫星跟踪与空间态势感知至关重要。该数据集通过自动化流程每日从CelesTrak平台获取最新的两行轨道根数数据，涵盖星链与全球定位系统两大核心星座。原始数据以标准的三行TLE文本格式保存，同时转换为Parquet格式以支持高效的结构化处理，并通过GitHub Actions实现定时更新，确保数据时效性能满足近地轨道物体快速变化的轨道特性需求。

特点

作为轨道力学研究的关键资源，该数据集聚焦于星链与GPS星座，分别包含约一万余颗低轨卫星与三十余颗中轨卫星的每日更新轨道参数。其核心价值在于提供经过验证的、可直接输入SGP4等传播模型的标准化TLE数据，支持实时轨道预测、碰撞风险分析及星座运行研究。数据集以原始文本与列式存储双格式提供，兼顾了传统轨道计算软件与现代化数据分析流程的兼容性。

使用方法

利用该数据集时，研究者可通过Hugging Face的datasets库分别加载星链或GPS配置，直接获取卫星名称及两行轨道根数字段。这些数据可无缝接入sgp4等开源传播库，计算卫星在未来或过去特定时刻的位置与速度。对于大规模分析，Parquet格式支持高效过滤与聚合，适用于长期轨道演化研究、空间交通管理模拟及教育演示等多样化应用场景。

背景与挑战

背景概述

在航天动力学领域，卫星轨道数据的精确获取与实时更新是支撑空间态势感知与星座管理的关键基础。starlink-tle-latest数据集由Julien Simon于2026年构建并维护，其核心目标在于提供每日更新的星链与全球定位系统卫星的两行轨道根数数据。该数据集依托CelesTrak平台，镜像美国太空防御中队发布的权威数据，旨在服务于空间交通管制、射频干扰分析及星座运行优化等前沿研究。作为轨道力学数据集合的重要组成部分，它通过标准化格式与自动化更新机制，显著提升了大规模低轨与中轨卫星群轨道预测的时效性与可靠性，为商业航天与空间科学研究提供了不可或缺的数据支撑。

当前挑战

该数据集致力于解决卫星轨道预测与空间态势感知中的核心挑战，即如何在高动态变化的空间环境中实现大规模星座轨道元素的实时、高精度追踪。由于低轨卫星受大气阻力等摄动因素影响显著，其轨道根数随时间迅速衰减，传统静态数据集难以满足碰撞预警等操作需求。在构建过程中，挑战主要源于数据源的异构性与更新频率的保障。需要从分散的官方渠道整合原始TLE数据，并设计自动化流水线以确保每日同步，同时维持Parquet与标准TLE格式的双重兼容性，以适配不同轨道传播库与分析工作流的需求。

常用场景

经典使用场景

在航天动力学领域，轨道预测与碰撞规避是卫星运营的核心挑战。该数据集通过提供每日更新的星链与GPS卫星双行轨道根数，为研究人员和工程师构建了实时轨道传播的基础。经典应用场景包括利用SGP4模型进行卫星位置与速度的短期预报，支持空间态势感知中的交会分析，以及为射频干扰研究提供精确的轨道参照。

衍生相关工作

围绕该数据集，衍生出多项经典研究工作，包括基于历史轨道数据的长期趋势分析、利用机器学习方法提升轨道预报准确性，以及开发开源工具链如python-sgp4和orekit的集成应用。这些工作不仅拓展了轨道数据在空间交通管理中的应用，也为星座协同控制与空间环境可持续发展提供了新的研究范式。

数据集最近研究

最新研究方向

在航天动力学领域，随着近地轨道卫星星座规模的急剧扩张，实时轨道数据已成为空间态势感知与碰撞规避研究的核心基础。starlink-tle-latest数据集每日更新的星链与GPS双行轨道根数，为前沿研究提供了关键数据支撑。当前研究热点聚焦于利用该数据集训练机器学习模型，以预测高动态低轨卫星的轨道演化与碰撞风险，优化星座自主运行策略。同时，结合GPS精密轨道数据，学者们正探索提升时空基准统一性的新方法，以应对全球导航卫星系统在复杂空间环境下的可靠性挑战。这些进展不仅推动了空间交通管理的智能化转型，也为商业航天服务的可持续发展奠定了技术基石。