해당 데이터는 제주 관측소에서 촬영한 태양 표면의 흑점 활동 및 태양 플레어 폭발 유형을 이미지 형태로 기록한 0M, 6M 파라볼라 안테나 및 LP 안테나를 이용한 30MHz에서 2500MHz 사이의 태양 전파 폭발을 관측한 데이터이다. 각 이미지에는 다양한 흑점의 크기, 위치, 발생 시간, 폭발 강도에 따른 분류가 포함되어 있으며, CME(코로나질량방출)와 연관된 폭발 유형 또한 식별 가능하다. 플레어 및 흑점 폭발은 지구 자기장 교란, 위성 통신 장애, GPS 신호 오차, 항공 운항 시스템 오류 등을 유발할 수 있어 사전 예측과 실시간 감시가 중요하다. 이 데이터는 시계열 기반의 이미지로 구성되어 있으며, 정형화된 메타정보가 부가되어 있어 AI 모델을 활용한 플레어 자동분류, 폭발 강도 예측, 이상 징후 탐지 등에 최적화된 형태를 갖춘다. 특히, CNN 기반 영상 인식 및 딥러닝을 활용한 우주기상 경보 시스템의 고도화를 위한 훈련 데이터셋으로 활용할 수 있으며, 신뢰도 높은 실측 기반 이미지 제공으로 범용성과 활용 가능성이 매우 높다. 우주재난 대응, 과학 연구, 위성 운영체계 등 다분야에 걸쳐 고수요·고부가가치의 AI친화적 공공데이터로 평가된다.
해당 데이터는 제주 관측소에서 촬영한 태양 표면의 흑점 활동 및 태양 플레어 폭발 유형을 이미지 형태로 기록한 0M, 6M 파라볼라 안테나 및 LP 안테나를 이용한 30MHz에서 2500MHz 사이의 태양 전파 폭발을 관측한 데이터이다. 각 이미지에는 다양한 흑점의 크기, 위치, 발생 시간, 폭발 강도에 따른 분류가 포함되어 있으며, CME(코로나질량방출)와 연관된 폭발 유형 또한 식별 가능하다. 플레어 및 흑점 폭발은 지구 자기장 교란, 위성 통신 장애, GPS 신호 오차, 항공 운항 시스템 오류 등을 유발할 수 있어 사전 예측과 실시간 감시가 중요하다. 이 데이터는 시계열 기반의 이미지로 구성되어 있으며, 정형화된 메타정보가 부가되어 있어 AI 모델을 활용한 플레어 자동분류, 폭발 강도 예측, 이상 징후 탐지 등에 최적화된 형태를 갖춘다. 특히, CNN 기반 영상 인식 및 딥러닝을 활용한 우주기상 경보 시스템의 고도화를 위한 훈련 데이터셋으로 활용할 수 있으며, 신뢰도 높은 실측 기반 이미지 제공으로 범용성과 활용 가능성이 매우 높다. 우주재난 대응, 과학 연구, 위성 운영체계 등 다분야에 걸쳐 고수요·고부가가치의 AI친화적 공공데이터로 평가된다.
해당 데이터는 제주 관측소에서 촬영한 태양 표면의 흑점 활동 및 태양 플레어 폭발 유형을 이미지 형태로 기록한 0M, 6M 파라볼라 안테나 및 LP 안테나를 이용한 30MHz에서 2500MHz 사이의 태양 전파 폭발을 관측한 데이터이다. 각 이미지에는 다양한 흑점의 크기, 위치, 발생 시간, 폭발 강도에 따른 분류가 포함되어 있으며, CME(코로나질량방출)와 연관된 폭발 유형 또한 식별 가능하다. 플레어 및 흑점 폭발은 지구 자기장 교란, 위성 통신 장애, GPS 신호 오차, 항공 운항 시스템 오류 등을 유발할 수 있어 사전 예측과 실시간 감시가 중요하다. 이 데이터는 시계열 기반의 이미지로 구성되어 있으며, 정형화된 메타정보가 부가되어 있어 AI 모델을 활용한 플레어 자동분류, 폭발 강도 예측, 이상 징후 탐지 등에 최적화된 형태를 갖춘다. 특히, CNN 기반 영상 인식 및 딥러닝을 활용한 우주기상 경보 시스템의 고도화를 위한 훈련 데이터셋으로 활용할 수 있으며, 신뢰도 높은 실측 기반 이미지 제공으로 범용성과 활용 가능성이 매우 높다. 우주재난 대응, 과학 연구, 위성 운영체계 등 다분야에 걸쳐 고수요·고부가가치의 AI친화적 공공데이터로 평가된다.