数据需要优先考虑的事情

1介绍

数据是良好的科学的基础。这是物理世界的真实数据是否观察或从计算机模拟输出。数据必须认真收集、准备一直解释在一个适当的背景下,存档,并使其能够再现性和后续研究访问。此外,近年来,数据与其它数据集是可互操作的最尖端的科学是跨学科和跨多个物理域。

日益增长的意识可寻性、可访问性、互操作性和可重用性(公平)数据原则(https://www.go-fair.org/fair-principles/)是一个承认这些真理在科学界广泛(1]。然而,这些原则的一致应用自己的是一个科学的挑战,和不同学科多和少进展这些重要的目标2- - - - - -4]。几个公平原则解决确保数据和元数据的正确使用标准词汇表,开发充分存档,和开放,确保数据可以很容易地发现了一个人类或机器。太阳正在朝着确保公平数据采用元数据标准等空间物理归档文件的搜索和提取(SPASE) (https://spase-group.org/data/),这是一个空间研究委员会(COSPAR)的建议。

下面列出的建议,我们相信,如果之后,把太阳物理学与其他领域已经达到标准工作时间数据实现公平原则(我们不应该认为他们已经解决了所有挑战5]。每个推荐包括几个建议行动旨在帮助实现既定目标。

这项研究最初是写在应对2024年太阳十年间的调查由美国国家科学院。前十的调查和其他国家科学院报告已经被许多使用空间机构在美国帮助形成他们对未来十年的战略计划6- - - - - -8]。因此,本研究有一个更以美国为中心的观点与建议,旨在机构在美国可能会采取帮助确保数据是一个优先级。然而,我们认为这些建议适用于其他机构,可在个人层面。

2建议1:数据需要优先考虑的事情

在历史上,数据生产导致的费用和时间相对较低优先级的数据称为公平原则(2]。数据高级和inter-calibrated产品的生产,确保开发适当的元数据,归档经常发生在任务结束时很少或根本没有资金。然而,它更经济划算,这是保持数据集比发射新的卫星任务,开发新的超级计算机模型,或重新运行现有的模型。此外,在太阳活动有长周期振荡(11年的太阳黑子周期9- - - - - -15]),甚至地球磁场的主要世俗变化缓慢,我们尚未获得或优先考虑纵向的这些和类似的数据集。缺乏数据创建路障气候学研究人员感兴趣的空间。最后,在传感器和模型通常会提高更好的工程和更复杂的算法,良好的数据管理是至关重要的跟踪数据和模型质量的发展随着时间的推移,因此科学评估的质量。

Heliophysics-related数据管理必须优先考虑的,相当,但独立于数据收集和解释。

许多科学家和项目致力于在科学数据公平(1- - - - - -3]。然而,这些努力已受过时的学术期望和实践,比如“出版或灭亡”,更不用说和不可靠的资金不足。我们提供可能的行动,这将减轻一些当前的挑战。

2.1行动1对公平的数据作为一个优先级

我们承认公平数据景观变化迅速,迅速超过十年。因此,我们鼓励这个话题经常被重提,每隔10年以上。

2.2行动2对公平的数据作为一个优先级

使空间物理数据设施(SPDF)戈达德太阳物理学一级能力匹配CCMC优先级,从而更容易确保资金和关系模型和观测数据验证。SPDF和类似档案/门户安置在NASA戈达德已经成为自由节点,社区可以发现许多空间物理数据集,特别是卫星,火箭和balloon-based数据。SPDF目前的人员,以确保所有的数据都遵循一套基本的公平标准,如文件类型和元数据(1- - - - - -4]。如此成功,其他小组也有数据访问通过它们,包括NOAA和地面指数。我们建议持续和进一步融资档案中心如SPDF扩大和提供其他门户访问数据中心和档案,如SuperMag和情歌16,17]。

2.3行动3对公平的数据作为一个优先级

确保类似的融资/资源为其他机构与可移植性/门户连接所有机构和行业/学术数据。虽然SPDF涵盖了大部分美国宇航局太阳物理学的数据,我们看到一个对称的需要在其他机构和机构发展和牧师数据门户网站(18,19]。机构需要足够和可靠的资金来维持他们自己的数据档案和访问门户网站访问数据。没有可靠的和一致的资金,数据经常丢失,有时不能恢复。多个存储库中存在冗余的损失。

3建议2:数据需要专项资金

专用的新资金是必要的,以确保数据归档和访问的持久的基础设施。数据档案可以通过多个平台,在理想的情况下,将使用多个平台,以帮助确保冗余。所有选项把专业知识、设备和维修。

随着新的专项资金可能不会立即确保持久的基础设施所需的数据归档和访问,将需要做出价值判断。目前,有很多数据档案的位置。经常在短数据任务,有时长,就有个别机构。我们已经看到在过去如何这可能导致数据丢失,当人们退休,离开现场,或其他需要的存储空间。因此,需要一个新的任务后获得的数据损失,通常将花费的不仅仅是维护数据。作为一个领域,我们已经失去了太多。数据归档计划可以包括在建议,如玫瑰调用的数据管理计划。因此,数据处理、出版物和归档所有需要被纳入预算提案。这可能会导致在短期内减少对科学研究的资助,但将使更多的科学研究和长期收益。

3.1行动1对公平数据被资助

类似的机构与可移植性/资金/资源门户连接所有机构和行业/学术数据。作为我们提高数据管理优先级的所有机构,这项工作需要支持通过资助基础设施和维护,以及社区访问功能,例如,开发数据访问api或标准代码库,负载,和驾驶习惯4,20.,21]。

3.2行动2向公平数据被资助

理想情况下,将会有多个数据存储库用于冗余。通常小和旧任务数据安置在陈旧的平台上(如cd或软盘)或在一个机构或个人系统如Dropbox或大学服务器。这些数据经常丢失当人们换工作,退休,或系统失败。我们建议至少一个存储库是归政府所有的政府,学术界多或行业,有责任确保数据归档的目的和数据的可访问性,确保开放的科学。多平台的方法将利用政府和商业平台,包括云技术。虽然我们预计很多创新的商业实体,我们建议政府还认为类似于基本的云计算平台提供服务和其他协作工具,这将进一步确保数据的可访问性和计算(例如,向公众git.gov),专门为那些买不起商业工具的成本,云计算和存储。

3.3行动3对公平数据被资助

我们看到越来越多的小型项目资金需要端口数据档案。我们承认,在某种程度上,美国宇航局建议系统中已经存在,但可能缺乏融资机构在其他空间。然而,美国宇航局的数据调用仍不知名的整个社区。我们看到数据收集、处理、归档和分析,所有努力新的物理理解,作为整个生态系统的整个生命周期,需要支持,资助机构。为例,说明不同的调用可以工作,我们将使用一个例子从现有的NASA建议调用结构。

这样一个扩张的美国宇航局玫瑰太阳数据环境增强(HDEE)调用可能是一个专用的呼吁成功飞低成本进入太空(lca)任务。一旦飞行任务,团队可以提出让数据更容易访问和向公众开放。尽管许多lca任务工作公开他们的数据,他们微薄的活动资金,这意味着项目和目标的任务不可能全额资助,取得。因此,尽管数据可能在技术上成为公共的格式很难使用一个甚至non-instrument提供者。NASA玫瑰客座研究员(GI)类型程序,数据管理,数据专家,或数据历史学家运用和处理仪器团队进一步处理数据,包括适当的元数据,和基本的阅读、加载和情节的例程将极大地支持可访问性和进一步的科学回报这些低成本的任务(4,22,23]。更大的任务也可能受益于类似扩张他们的呼吁包括数据专家工作的具体建议与任务团队,以确保数据的可访问性和可用性,保证坚持当前的最佳实践和标准。

3.4行动4向公平数据被资助

虽然以上都集中在观测数据,相同的建议适用于模型数据。运行一个大型模拟是昂贵的经济和我们的碳足迹计算和影响。保留模型运行和提高数据更好更快地将使模型数据比较和验证活动,以及包括模型数据和全球数据驱动的研究观点。

4建议3:需要访问数据

软件库、交互式应用程序和基于web的应用程序编程接口(web api)是不同的工具访问所需数据。作为流行的工具改变和更新,需要专业知识和资源,以确保继续访问数据。许多组织已经确定了一个额外的需要存储库或门户网站,这可能不是房子数据但点用户或抓取数据为用户通过他们的接口(22,23]。作为流行的工具变化和更新,需要专业知识和资源来确保持续访问数据。我们可以向其他领域寻求成功的例子,比如在地震学虹膜(https://www.iris.edu/hq/about_iris)[24,25]。

4.1行动1对数据访问

有一种强烈的需要更好地连接不同的数据门户/天文台/观众/档案(如SPDF, Helioviewer,情歌,Supermag, TREX,和AuroraX) (16,17,23,26- - - - - -28]。许多当前的数据档案和门户网站被建立在一个分场太阳,如太阳能、电离层、磁层,,有时甚至更小的子字段,如在航空高度辐射。当我们迈向未来有更多跨学科的科学,我们看到越来越多的需要这些数据门户更多的相互联系。然而,这个建议可以只来一次数据归档和存储库和各自的门户是资助和足够的运营计划如何连接这些设施,建议在章节3.1和3.2。

4.2行动2对数据访问

标准化的数据格式支持更容易访问和增加使用的数据(29日]。ASCII,逗号分隔的变量,是人类可读的数据类型,将永远是有用的但往往占用太多的空间。压缩文件类型或二进制文件是至关重要的对我们日益增长的数据。我们建议朝着Hdf5或NetCDFs因为他们有更大的用户数据库,因此,一个更广泛的开发人员阅读基地的例程(30.- - - - - -32]。这个更广泛的用户群也增加了需要基线支持水平和在未来更新的及时性。

4.3行动3对数据访问

与历史数据和新数据格式的可能性在未来,有一个明确的需要继续开发和维护数据类型之间的转换器。维护数据类型之间的转换器可以确保继续使用和科学在未来收益数据。我们也鼓励目前数据档案更新数据到新的标准数据类型。

4.4行动4对数据访问

维护数据读者多个代码语言是必要的,以确保他们研究社区内继续使用。研究团体使用多个不同类型的编码语言,并确保更容易访问数据将使进一步的科学回报。提供读者也可以减少潜在的错误正确读取数据,从而正确地处理和解释。

元数据是必要的,以确保数据的可寻性(4]。然而,生产和开发元数据是耗时的,需要技巧,并非所有人员或数据提供者不断培养。随着我们领域的增长和扩大,这是必要的,以确保维护元数据标准,从而使我们的数据可以很容易地访问和使用。这可能也需要鼓励开发新专业职称和新技能的培养在我们的领域包括数据策展人及数据专家。

4.5行动5对数据访问

简化元数据与清晰的方式万众和提高继续使用。简化所需的初始基本元数据降低了公开数据的进入壁垒。提供一种方式为他人贡献的进一步更新元数据将允许更新的元数据,并提供洞察科学现象可用于研究的数据,这可能不被认为是数据提供者。例如,最初的元数据可能是一个从SPASE成对下降的版本的期望是什么,如仪表、π,和单位。然后,人群采购可能会增加预期的最小/最大价值,现象类型,波类型,或其他有用的元数据,用户可以贡献。

4.6行动6对数据访问

开发包装或代码包,帮助生产基本元数据和确定哪些元数据和常见的格式,其中,人失踪。这将有助于数据提供者创建和知道什么信息需要和缓解数据从数据提供者转变为SPDF等数据档案/存储库。例如,SPASE作为元数据的协议存在,但它不是容易使用。有一个大的学习曲线为新人们让他们的数据集SPASE-compliant。要是有一个工具来帮助别人符合SPASE协议。

4.7行动7对数据访问

维护,归档和确保数据的可访问性需要时间和精力,必须承认。我们鼓励开发新指标或使用当前信贷指标给这些活动(33- - - - - -35]。作为招聘、晋升和奖励往往在一定程度上依赖于快速h指数等指标,人们越来越需要找到一些方法,相信这种看不见的,常常不被承认的劳动和技能。我们鼓励机构来帮助促进和帮助如下:

•文化进一步准确地引用数据(例如,SPDF提供必须在屏幕上绘制/选择下载数据。

•鼓励更多的研究数据描述。我们建议这样的杂志或期刊文章类型的神(https://joss.theoj.org/描述数据和元数据),大约一个寻呼机来宣传新数据可用性。这种类型的同行评审期刊文章的数据可以检查这些物品如下:做数据的存在,他们有适当的元数据,以及它们可以吗?

5建议4:数据需要收集与全球模型验证和系统科学作为优先事项

尽管我们已经访问空间距离地球70多年和远程观测空间和几百的低层大气,我们没有充分取样所有区域的空间,我们的模型和理论。我们需要更多的科学数据和支持优先级的任务系统和模型验证的推进我们的理解在日球层动力学和耦合。作为进入太空的成本是高昂的,我们应该确保我们充分利用历史数据集(36- - - - - -40]。

5.1行动1向更多的数据

基准测试活动需要更正式的和标准化的研究社区内。间隔时间间隔不同的现象,如安静,太阳风暴,地磁风暴,电离层的影响,和大气影响,需要识别和商定的社区提供一组标准的数据模型验证活动(36,41- - - - - -45]。等组织建模、方法和验证组通过地球空间环境建模(GEM) (https://gem.epss.ucla.edu/mediawiki/index.php/RG _Modeling_Methods_and_Validation),国际空间天气行动小组(ISWAT) COSPAR (https://www.iswat-cospar.org/iswat-cospar)两个群体在社区内努力发展这些基准。

5.2行动2向更多的数据

扩大或创建新的任务线关注问题增加数据进行模型验证。当前任务线优先基础科学问题。而需要验证模型可以硬塞入这个框架,我们相信更好的验证工作将取得了如果这是优先。我们设想这是一个新的资金和预算至少探险者和潜在的更大的多个机械化平台可能需要收集足够的数据验证工作。

5.3行动3向更多的数据

模型数据需要以类似的方式存档可观测的数据集。模型可以运行时间和funding-intensive。因此,通过元数据组织合作,如SPASE,曾是包容性的模型数据的特定需求的元数据。另外,我们需要确保模型可以为观测数据验证和改善研究,利用可观测和模型数据,鉴于我们观察选址不足。因此,我们需要增加激励模型输出与观测资产相似的物理单位观测数据。

•等参数相空间密度L *固有模型而不是我们的观察能力。因此,为了更好地计算错误在我们的测量,观察和分析,我们鼓励将模型输出转换为观测参数,而不是将观测数据转化为模型输出。

•同样的,我们需要把模型数据与观测数据通过努力收集和分析模型数据观测数据以类似的方式。这可能包括以下几点:

•集成时间收集粒子观测和field-aligned当前(FAC)地图,等等。

•集成气候学与单模型运行实例(合唱波发生和粒子损失)

5.4行动4向更多的数据

线是需要一个新的研究与客人的资金水平相似调查员计划,专注于利用历史数据来解决当前存在的科学问题。历史数据非常有价值的解决原任务的主要科学问题和新的科学问题结束后长期任务结束。一条新资金集中在利用过去的历史数据将进一步扩展科学任务和扩展数据档案和门户网站的有用性。

6结论

当我们进入未来十年,数据需要优先,公平,和专项资金。他们需要收集和验证和系统科学作为一个优先级。方便公平数据对科学的数量和质量产生积极的影响,可以完成一个科学界46- - - - - -50]。是时候让空间物理和空间天气,我们基本动力学系统中发生的长时间尺度,需要长期数据存储、优化数据和数据归档。这四个顶级建议和建议的行动将有助于确保数据可用来回答科学问题,开发太空天气工具,帮助我们验证需求未来十年。

我们最后的高层对未来10年的建议如下:

•数据需要优先考虑的事情。

•数据需要专项资金。

•需要访问的数据。

•数据需要收集与全球模型验证和系统科学作为优先事项。

数据可用性声明

最初的贡献提出了研究中都包含在这篇文章/补充材料。进一步询问可以针对相应的作者。

作者的贡献

啊写论文的初稿。所有的合作者帮助编辑。

资金

啊和LR空间降水影响项目支持的戈达德太空飞行中心太阳内部科学的融资模式。

确认

提供有价值的输入和反馈是大肠约书亚Rigler,美国地质调查局。作者要感谢MMV从宝石和宝石社区资源组讨论在2022年夏季宝石车间这一重要话题。作者要感谢在背面,辅助我们合作的能力。位置、经验和观点表达的这项工作是作者的科学家在太空研究社区和不用人机构的官方立场。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织或出版商、编辑和评论员。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用