信息速览

数据集名称四年盯住同一片天 — Kepler 光变曲线档案

数据类型时序信号,FITS文件,像元立方体,质量标志位,科学元数据

规模约二十万颗恒星目标/每季逾十六万长节奏目标

接入方式https://archive.stsci.edu/missions-and-data/kepler

AI 就绪度

2009 年 5 月到 2013 年 5 月，一架口径 0.95 米的望远镜对着天鹅座附近同一片天区，几乎没挪过视线，每 29.424 分钟给大约二十万颗恒星各留一个亮度读数，攒了四年。听起来这应该是一个「四年连续光变曲线」的数据集，但档案里并没有这样的文件：望远镜每 90 天要绕轴转 90 度，好让太阳翼对着太阳、散热器对着深空，于是数据被切成 Q0 到 Q17 共十八段；每个目标每个季度一个光变曲线文件，短节奏目标甚至一个季度三个文件。想拿到一条连贯四年的曲线，得自己拼接。

比切分更麻烦的是版本。流水线被反复重跑，每一次重跑给出一个数据发布号。MAST 现在直接提供的是 Data Release 25（DR25），即 Q0–Q17 的最终再处理；更早的 DR20 到 DR24 只在批量下载脚本里，DR19 及以前进了冷存储，要联系档案才能调档。同一颗星、同一段时间，在不同发布号下的数据点数值并不相同，这不是错误，而是标定、去趋势、伪像处理逐步改进留下的痕迹。引用时只写「我用了 Kepler 数据」不够，还得写清文件头里的 DATA_REL。

第三个矛盾藏在列里。光变曲线有两套成品：SAP_FLUX 是简单孔径测光的直接输出，PDCSAP_FLUX 是「预搜寻数据调理」模块用贝叶斯方法去掉指向漂移、聚焦变化与热瞬变之后的产物。做凌星的人通常用后者，做恒星自转或长周期变率的人常常要回到前者，因为这一轮处理有可能把天体本身的慢变化当作系统误差吸走。档案把两级成品都留着，并在文件头里给出四个「好坏」指标，这本身就是一种表态：并不存在一条对所有科学目标都正确的曲线。

一屏速览见下表。

维度	内容
全名	Kepler Mission Archive at MAST（开普勒任务光变曲线、目标像素与整帧图像档案）
托管方	Space Telescope Science Institute 下属 Mikulski Archive for Space Telescopes（MAST）
数据处理方	NASA Ames 研究中心的科学运行中心（SOC）
观测时间跨度	2009 年 5 月 2 日至 2013 年 5 月 11 日
季度划分	Q0–Q17 共十八个季度，因每 90 天滚动 90 度以保持太阳翼朝向太阳
现行版本	Data Release 25（DR25，覆盖 Q0–Q17），释放说明改定于 2016 年 8 月 8 日
档案手册	MAST Kepler Archive Manual（Mullally 2020），更新于 2020 年 7 月 16 日
目标规模	每季逾 160,000 个长节奏目标；每季最多 512 个短节奏目标
采样节奏	长节奏 29.424 分钟，含 270 次积分；短节奏一分钟，含 9 次积分
单季长节奏规模	Q0 为 476 个节奏编号；Q17 结束时全任务长节奏编号止于 72531
文件格式	FITS：光变曲线 `_llc.fits`、`_slc.fits`；目标像素 `_lpd-targ.fits`、`_spd-targ.fits`
文件版本号	光变曲线与目标像素 6.1；整帧图像 3.1；背景 3.0；共趋向量 4.0
时间基准	BKJD = BJD − 2454833.0，零点为 UTC 2009 年 1 月 1 日 12:00:00
星表规模	输入星表 13,161,029 源；特性表 6,569,466 行；每季落在 CCD 上的目标 4,353,971 个
可达版本	DR25 经检索服务直取；DR20–DR24 仅经批量脚本；更早版本需联系 MAST
许可	MAST 数据使用政策：站内多数数据属公有领域，无使用限制，发表需致谢任务与 STScI
典型用途	凌星搜寻与建模、恒星变率与星震学、食双星、自行重做测光以对照流水线结果

§1 它要解决的具体麻烦

1.1 观测时间很长，文件却按季度发

空间测光的两难在于：把望远镜长时间钉在一片天区，才能得到足够长的基线去抓周期性事件；但航天器要保持姿态与能源，必须定期滚动，而滚动之后星图就落到不同的 CCD 上。这两件事加在一起，决定了数据的基本形态。

望远镜连续盯了四年，档案却不提供「四年文件」，只提供季度文件：每个目标每季度一个光变曲线文件、一个目标像素文件。DR25 释放说明里的表 1 与表 2 逐季列出该季度第一个节奏与最后一个节奏的 MJD 中点、UTC 中点，以及该季度的节奏编号个数。季度之间是严丝合缝的吗？看首尾便知：Q0 的长节奏止于 2009 年 5 月 11 日 17:51:31，Q1 的长节奏始于 2009 年 5 月 13 日 00:15:50，中间有一天多的处理间隔；而节奏编号本身是一条贯穿全任务不断递增的整数序列，Q0 起于 568、Q17 止于 72531。

这对使用者有三个直接后果。第一，一条完整的时间序列要靠拼接得到，拼接时必须处理季度之间的零点差与幅度差。第二，同一颗星在两个季度可能不再落在同一块 CCD，某些目标在某些季度本身就取不到。第三，季度长度并不一致：Q17 的长节奏只有 1,556 个节奏编号，因为第二个反作用轮失效，观测在 2013 年 5 月提前终止，把它当作「正常季度」训练会引入末段偏差。

1.2 三条常见的错误期待

第一条，期待它是一张行星表。它给的是像素与亮度的时间序列，没有任何一列写着「这里有行星」。参数是另一层产品。

第二条，期待 PDCSAP_FLUX 就是事实。它只是流水线给出的一种去趋势结果。这一模块用贝叶斯最大后验的方式先建立「合理」的稳健拟合参数取值范围，再由这个范围生成先验与后验概率分布，取其最大值得到最终结果，目的是在去除系统误差的同时抑制信号失真与噪声注入。这个设计对凌星友好，对慢变天体不然，因此做长周期分析的人被建议回到 SAP_FLUX 自行处理，或者用官方提供的共趋向量自己剔除系统项。

第三条，期待绝对标定已经完成。两套成品的单位都是电子率（electrons per second，e-/s），不是星等，也不是物理流量。要做绝对深度或绝对光度的比较，还得自己处理孔径内其他恒星的污染、以及目标通量落在最优孔径里的份额，这两项分别写在文件头的 CROWDSAP 与 FLFRCSAP 关键字里。

1.3 它能给到的与给不到的

你的需求	它给的	够不够
单颗星的长时序亮度序列	每季度一个文件、二十列时间序列	够，季度拼接由你自己完成
凌星事件的搜寻与建模	PDCSAP_FLUX 已去除指向漂移、聚焦变化与热瞬变	够做常规分析，未知的极短周期仍有被改动的风险
恒星自转、长周期变率	SAP_FLUX 保留原始形态，另有共趋向量供自行去趋势	够，但不要用 PDC 结果当主键
自己重做孔径测光	目标像素文件逐节奏给出每个像素的 FLUX 与 RAW_CNTS	够，甚至可以反过来与官方 SAP_FLUX 对照
源混淆与背景判定	每季三幅整帧图像、整帧图像自带的世界坐标系，以及关于污染值的明确注记	部分够，整帧图像每季三幅，不能做时序
已知行星的参数与候选名册	无	不够，参数层产品不在这一侧
2013 年之后的新观测	无	不给，任务已结束，档案不会再长
即取即用的训练样本	只有原始时间序列与官方两级成品，没有切好的样本	不够，切窗与标签要自己定义

1.4 你的处境与它能帮到的事

你的处境	它能帮你什么	下一步该做什么
做时序异常检测，缺一段真实、长、采样稳定的数据	四年、同为 29.424 分钟、成品种类明确的序列，且目标数量巨大	按 §5.4 的流程先拼季度，再定窗长；注意季度不可跨缝切窗
做去趋势算法的评估	同一季度的 SAP 与 PDCSAP 并存，等于给了基线与待超越对象	以 SAP 为输入、PDCSAP 为参照，写清你用的是哪一级产品
验证模型的鲁棒性	每个节奏都有质量标志位，标出姿态微调、安全模式、粗指向、宇宙线修正等事件	用位掩码划分「干净段」与「事件段」，分别报性能
复现别人的论文结果	每个文件的头里写着 DATA_REL 与 FILEVER，可以锁死版本	先核对这两个字段，再谈复现
教天体测光	目标像素文件同时给出 RAW_CNTS 与 FLUX，标定的前后都在	用 §5.5 的做法从 FLUX 复算 SAP_FLUX，看清标定改了什么
只想看一条好看的曲线	门户里少数目标可直接查询下载	用 MAST Portal 或 exo.MAST 直接搜，不必写脚本

1.5 一句话判断

它不是一个「下载即可训练」的行星数据库，而是一整套保留了处理中间态、可供你自己重做的观测档案：价值在可追溯，而不在方便。

1.6 不适合谁：四条边界

不适合把它当成品表用。 没有行星参数、没有候选分类、没有 KOI 名册。想要这些，去的是另一层产品。

不适合期待「只下一版就够了」。 DR20 到 DR25 的差别是标定与去趋势的差别。跨版本的对比研究要有意识地选择版本，混用则必须在方法节写明。

不适合做高频事件的精细计时。 长节奏 29.424 分钟一个点，一分钟一次的短节奏目标每季最多 512 个。分钟以内的分辨率它给不到。

不适合把它当成「望远镜的全部原始影像」。 Kepler 只下传所选目标周围的一小部分像元，平均每目标约 32 个像素，而不是整个视场的连续影像；整幅天区的完整影像只在每季三幅整帧图像里。

§2 数据构成与规格

2.1 三个层级：目标级、整帧级、通道级

档案的产品按「服务谁」分成三层。目标级数据围绕一颗星组织：光变曲线文件给流量时间序列，目标像素文件给该目标的像元方块时间序列。整帧级数据与具体目标无关：每个季度取三幅覆盖全视场的整帧图像，用于核查目标附近的污染与探测器指向。通道级数据为处理服务：共趋向量、背景像元、辅助像元、伪像移除像元、逆时钟数据、焦点面特性模型、辅助工程数据等，它们的作用是给目标级产品的修正提供输入。

分清三层的意义在于引用正确性。只下载光变曲线，就意味着默认接受了流水线对邻近污染的判断；若要质疑这个判断，必须回到目标像素文件，必要时再回到整帧图像与通道级产品。这也是为什么同一份数据会有「同一段时间、三种取值」的情况，而不是一锤定音。

2.2 文件名字典

所有 Kepler 文件名都由三段拼成：kplr<rootname>_<suffix>.<extension>。rootname 可能包含 Kepler 编号或 module/output 编号，后面跟截止时间 yyyydddhhmmss，其中 ddd 是年积日。时间序列文件的截止时间用的是本地太平洋时间（该季度或该月最后处理节奏的时刻），其余文件用 UTC。后缀决定数据类型。

数据类型	rootname	后缀	扩展名
长节奏标定光变曲线	`<kepler_id>-<stop_time>`	`llc`	fits
短节奏标定光变曲线	`<kepler_id>-<stop_time>`	`slc`	fits
长节奏目标像素数据	`<kepler_id>-<stop_time>`	`lpd-targ`	fits
短节奏目标像素数据	`<kepler_id>-<stop_time>`	`spd-targ`	fits
整帧图像·原始	`<stop_time>`	`ffi-orig`	fits
整帧图像·标定	`<stop_time>`	`ffi-cal`	fits
整帧图像·不确定度	`<stop_time>`	`ffi-uncert`	fits
背景数据	`<modout>-<stop_time>`	`bkg`	fits
长节奏辅助像元数据	`<modout>-<stop_time>`	`coll`	fits
短节奏辅助像元数据	`<modout>-<stop_time>`	`cols`	fits
伪像移除像元数据	`<modout>-<stop_time>`	`arp`	fits
共趋向量	`<timestamp>-q<##>-d<##>`	`lcbv`	fits

有一类特殊目标要额外留意：自定义孔径目标。它们不在输入星表里，或者需要专门设计的孔径，因此被分配 100,000,000 到 100,004,300 之间的 Kepler 编号，且每季度重新编号。找这类目标要按赤经赤纬做锥形检索，而不是按输入星表编号。档案里最有代表性的两类，一是疏散星团 NGC 6819 与 NGC 6791，由 200×200 像素的相邻自定义光圈拼出，investigation ID 为 STC，自定义编号大于一亿；二是覆盖 Q5 到 Q17 的背景超级光圈，investigation ID 为 EXBA，代表全 CCD 上位置相同的相对暗弱天区。

2.3 一个光变曲线文件的三个部分

长节奏光变曲线文件有三个头数据单元。主头描述目标属性与处理版本；光变曲线扩展是一个二进制表，逐节奏给数值；光圈扩展是一张图，标记哪些像素参与。

官方给出的一个 Q17 文件主头片段里可以读出这样一批行：ORIGIN = 'NASA/Ames'、OBJECT = 'KIC 7206837'、KEPLERID = 7206837、CHANNEL = 46、MODULE = 14、OUTPUT = 2、QUARTER = 17、SEASON = 3、DATA_REL = 25、OBSMODE = 'long cadence'、FILEVER = '6.1'、NEXTEND = 2。同一份头里还有各波段星等（g、r、i、z、D51、J、H、K、Kepler 星等）、色指数（g−r、J−K、g−K）、红化与消光（E(B−V)、A_v）以及恒星参数（TEFF、LOGG、FEH、RADIUS）。这些内容来自输入星表，用来判断目标属性，官方明确提示它们不打算被直接当作发表值使用。

另一组关键行是版本：FILEVER 决定列的布局，DATA_REL 决定这批数据属于哪次再处理。这两条是引用与排错的起点——同一批次里出现不同 FILEVER，说明列布局可能不同，读取代码不能假定「所有 Kepler 文件结构一样」。

2.4 光变曲线扩展的二十列

光变曲线扩展里 TFIELDS = 20，也就是二十列。下表按官方顺序给出字典。

列名	类型	单位或含义	使用要点
`TIME`	64 位浮点	BKJD，节奏中点	换成儒略日要加文件头里的 BJDREFI 与 BJDREFF
`TIMECORR`	32 位浮点	日	重心修正加时间片修正，已计入 TIME；要回到航天器上报时间用它反算
`CADENCENO`	32 位整数	节奏编号	逐节奏加一，跨季度连续，是拼接时最可靠的排序键
`SAP_FLUX`	32 位浮点	e-/s	孔径测光模块的直接输出，含航天器系统误差
`SAP_FLUX_ERR`	32 位浮点	e-/s（1σ）	最小误差（散粒噪声加读数噪声）再加一个补偿项，不是完整误差传播
`SAP_BKG`	32 位浮点	e-/s	孔径内背景通量之和，由每个 module/output 的背景像素拟合曲面得到
`SAP_BKG_ERR`	32 位浮点	e-/s（1σ）	背景通量的不确定度
`PDCSAP_FLUX`	32 位浮点	e-/s	去趋势后的流量；代价是有可能吸走真实的长时间尺度变化
`PDCSAP_FLUX_ERR`	32 位浮点	e-/s（1σ）	去趋势流量的不确定度
`SAP_QUALITY`	32 位整数	位标志	只有全 0 才表示这一节奏没有任何标志被置起
`PSF_CENTR1`	64 位浮点	pixel	点扩散函数拟合的列方向质心，只对部分目标计算
`PSF_CENTR1_ERR`	32 位浮点	pixel（1σ）	列质心的误差
`PSF_CENTR2`	64 位浮点	pixel	行方向质心，同样只对部分目标计算
`PSF_CENTR2_ERR`	32 位浮点	pixel（1σ）	行质心的误差
`MOM_CENTR1`	64 位浮点	pixel	通量加权质心（一阶矩）的列值
`MOM_CENTR1_ERR`	32 位浮点	pixel（1σ）	一阶矩列值的误差
`MOM_CENTR2`	64 位浮点	pixel	通量加权质心的行值
`MOM_CENTR2_ERR`	32 位浮点	pixel（1σ）	一阶矩行值的误差
`POS_CORR1`	32 位浮点	pixel	由运动多项式算得的像面运动列分量，相对该季度中卡节奏给出
`POS_CORR2`	32 位浮点	pixel	像面运动的行分量，同样相对季度中卡节奏

缺失值用 NaN 表示，这一点很容易踩坑：所有「直接取平均」「直接除以最大值」的写法都会因为 NaN 的传播而得到空结果。误差列同样可能是 NaN，噪声大的节奏尤其常见。

2.5 SAP_QUALITY 的位字典

SAP_QUALITY 是一个 32 位整数，每位代表一种事件。下表列出官方定义的各位含义，其中带星号的位会被流水线直接打成缺口，其余标志只提供信息，不代表数据不可用。

位	值	含义	流水线是否打缺口
1	1	姿态微调	是
2	2	安全模式	是
3	4	航天器处于粗指向，手动标记的补充值用以垫齐非精细指向的数据	是
4	8	航天器处于地球指向，标记其后的第一个真实节奏	是
5	16	反作用轮零穿越	否
6	32	反作用轮去饱和事件	是
7	64	多个通道同时探到亮度陡增	是
8	128	最优孔径内发现并修正了宇宙线	否
9	256	人工排除，因异常而排除的节奏	是
10	512	Kepler 未使用此位	否
11	1024	探到突发像素灵敏度跌落，标记在其前最后一个未缺口的节奏	否
12	2048	去趋势前移除的脉冲型离群点	否
13	4096	指定 module/output 上发生亮度陡增事件	是
14	8192	最优孔径的辅助像元行或列上探到宇宙线	否
15	16384	探测器异常标志被拉起	是
16	32768	航天器未处于精细指向	是
17	65536	无数据	否
18	131072	最优孔径内探到滚动带	否
19	262144	整个掩模内探到滚动带	否
20	524288	可能的推力器点火，Kepler 中未置	否
21	1048576	推力器点火，Kepler 中未置	否

第 18、19 位的处理需要判断：官方说明滚动带的影响大小因科学目标而异，是否需要把该节奏判为无效要使用者自己决定，这正是它们没有被流水线自动打缺口的原因。第 8 位也是同理，它只说明该节奏的最优孔径里有一条被修正过的宇宙线，多数情况下数据依然可用。

2.6 目标像素文件的十三列

光圈扩展是一张整型图，每像素的值按位解释。光变曲线文件的光圈图有四个位：位 1 表示航天器收取了该像素；位 2 表示它属于最优孔径；位 3 表示它参与通量加权质心计算；位 4 表示它参与点扩散函数质心计算。官方特别注明：DR25 的长节奏光变曲线里位 3 与位 4 没有置位，实际用于加权质心的是光圈外一圈像素，用于点扩散函数质心的是全部收取像素。目标像素文件的光圈图只有两个位：收取与属于最优孔径。

FITS 标准要求矩形边界框，但很多孔径不是矩形，所以这张图里包含从未被收取的空像素。这就是为什么用 mask & 2 取孔径时看到的像素往往比实际参与测光的多。

目标像素文件自身有十三列，官方给出的定义如下。

列名	类型	含义	使用要点
`TIME`	64 位浮点	BKJD，节奏中点	与光变曲线文件的 TIME 同源
`TIMECORR`	32 位浮点	重心修正加时间片修正	与光变曲线文件同源
`CADENCENO`	32 位整数	节奏编号	与光变曲线文件同源
`RAW_CNTS`	32 位整数二维数组	每节奏一张图的原始计数	缺失值填 −1；还原为模数单位要减固定偏移并加平均黑电平
`FLUX`	32 位浮点二维数组	每节奏一张图的已标定通量，单位 e-/s	按最优孔径求和可复算 SAP_FLUX
`FLUX_ERR`	32 位浮点二维数组	e-/s（1σ）	含背景扣除的误差，不含像素间相关背景误差
`FLUX_BKG`	32 位浮点二维数组	被扣除的背景通量，单位 e-/s	由每通道约 4500 个专用背景像素插值二维曲面得到
`FLUX_BKG_ERR`	32 位浮点二维数组	e-/s（1σ）	背景误差，同样不含相关项
`COSMIC_RAYS`	32 位浮点二维数组	孔径测光模块识别出的宇宙线通量	多数节奏是 NaN，表示当节奏没有宇宙线
`QUALITY`	32 位整数	同样的位标志表	见 §2.5
`POS_CORR1`	32 位浮点	像面运动列分量	与光变曲线文件同名列一致
`POS_CORR2`	32 位浮点	像面运动行分量	同上
`RB_LEVEL`	32 位浮点二维数组	滚动带强度	数组行对应 CCD 行、列对应递增的脉冲时长，时长存在 RBTDURi 关键字里

「多数使用者只关心光变曲线与目标像素」这句官方判断的准确含义是：只要时间序列，光变曲线文件足够；一旦开始怀疑某个信号到底是不是来自天体本身，就得下到目标像素这一层，甚至回到整帧图像。

2.7 文件版本号对照

文件类型	档案手册所述版本	对应手册小节
光变曲线文件	6.1	2.3.1
目标像素文件	6.1	2.3.2
整帧图像	3.1	2.3.3
背景数据	3.0	2.3.6
辅助像元与伪像移除像元	2.0	2.3.7 – 2.3.8
共趋向量	4.0	2.3.4
焦点面特性模型	1.0	2.3.5

版本号由文件头的 FILEVER 关键字给出，不由下载路径里的季度决定。同一目标的两个季度文件也可能分属不同 FILEVER，读取代码的容错必须先落在这些字段上。

§3 它是谁的数据：一条航天器流水线的产物

3.1 数据是怎么走到 MAST 的

数据流比一般设想的长。观测数据先从航天器经深空网络下传；任务运行中心（位于 LASP）接收数据包并按类型打包成文件；接着送到 STScI 的数据管理中心归档，在那里解压、按节奏类型与像素类型分拣、转成 FITS 格式，这一步的产物在旧文档里叫 original，今天多称 raw 或 uncalibrated；随后数据被送到 NASA Ames 的科学运行中心做细致标定并生成光变曲线与目标像素文件；最后产品回到数据管理中心归档、对外提供。

这条流水线解释了一个容易困惑的现象：同一个目标的原始像素与已标定像素都能拿到，因为目标像素文件里同时保留了 RAW_CNTS 与 FLUX。前一级是下行的裸数据，后一级是流水线处理的结果。档案并不需要使用者无条件信任流水线——想验证，就从 FLUX 自行求和，看能不能复算出 SAP_FLUX。这也是它与多数「只给成品」的数据集最不一样的地方。

3.2 时间轴与季度边界

任务于 2009 年 3 月 6 日发射，2009 年 5 月 2 日起进入科学观测，2013 年 5 月 11 日结束。航天器位于尾随地球的太阳中心轨道，公转周期约 372.5 天，四年后距离地球超过 0.4 天文单位。这条轨道的好处非常具体：可以对同一天区连续指向、姿态极稳、避开了地球轨道的高辐射剂量。

下表按 DR25 释放说明里表 1、表 2 的长节奏行给出每一季度的观测边界。节奏编号是全任务连续编号，因此「编号起止」一列可以直接读作该季度在全任务时间轴上的位置。

季度	首个节奏（MJD 中点）	末个节奏（MJD 中点）	起始 UTC	结束 UTC	该季节奏数	节奏编号起止
Q0	54953.03815	54962.74411	2009-05-02 00:54:56	2009-05-11 17:51:31	476	568 – 1043
Q1	54964.01099	54997.48122	2009-05-13 00:15:50	2009-06-15 11:32:58	1639	1105 – 2743
Q2	55002.01748	55090.96492	2009-06-20 00:25:10	2009-09-16 23:09:29	4354	2965 – 7318
Q3	55092.72221	55181.99660	2009-09-18 17:19:59	2009-12-16 23:55:06	4370	7404 – 11773
Q4	55184.87774	55274.70384	2009-12-19 21:03:56	2010-03-19 16:53:32	4397	11914 – 16310
Q5	55275.99115	55370.66003	2010-03-20 23:47:16	2010-06-23 15:50:27	4634	16373 – 21006
Q6	55371.94733	55461.79386	2010-06-24 22:44:09	2010-09-22 19:03:10	4398	21069 – 25466
Q7	55462.67251	55552.04909	2010-09-23 16:08:24	2010-12-22 01:10:42	4375	25509 – 29883
Q8	55567.86468	55634.84602	2011-01-06 20:45:09	2011-03-14 20:18:16	3279	30657 – 33935
Q9	55641.01696	55738.42395	2011-03-21 00:24:25	2011-06-26 10:10:30	4768	34237 – 39004
Q10	55739.34343	55832.76587	2011-06-27 08:14:33	2011-09-28 18:22:51	4573	39049 – 43621
Q11	55833.70579	55930.82669	2011-09-29 16:56:20	2012-01-04 19:50:26	4754	43667 – 48420
Q12	55931.90966	56014.52273	2012-01-05 21:49:55	2012-03-28 12:32:44	4044	48473 – 52516
Q13	56015.23787	56105.55441	2012-03-29 05:42:32	2012-06-27 13:18:21	4421	52551 – 56971
Q14	56106.63736	56203.81957	2012-06-28 15:17:48	2012-10-03 19:40:11	4757	57024 – 61780
Q15	56205.98550	56303.63768	2012-10-05 23:39:07	2013-01-11 15:18:16	4780	61886 – 66665
Q16	56304.59804	56390.46005	2013-01-12 14:21:11	2013-04-08 11:02:28	4203	66712 – 70914
Q17	56391.72690	56423.50115	2013-04-09 17:26:45	2013-05-11 12:01:40	1556	70976 – 72531

这张表最容易错过的信息是：季度与季度并不严格相连。Q0 结束到 Q1 开始隔了一天多；Q7 收尾于 2010 年 12 月 22 日，而 Q8 始于 2011 年 1 月 6 日，中间是两周的处理间歇；Q17 只持续约一个月。

这些间隙不属于数据，也就不需要填补。按行索引切窗的做法会跨过它们，把本来就中断的两段观测塞进同一个窗口，这是 Kepler 上最常见的取数错误之一。

3.3 观测几何与「看得见」的范围

望远镜口径 0.95 米，视场 115.6 平方度，任务页把它概括为「天鹅座附近约 100 平方度的天区」。焦面由 21 个模块、42 块 CCD 构成，每块 CCD 有两路读出，因此成像通道共 84 个，每个通道单独处理。CCD 尺寸为 2200×1024 像素，比例尺 4 角秒每像素。响应波段半高全宽为 435 到 845 纳米，相对光谱响应超过 1% 的范围最短可到 420 纳米、最长可到 905 纳米。

单个像素的读取周期由 6.019803 秒曝光与 0.51895 秒读出构成。长节奏把 270 次积分堆进一个 29.424 分钟的点，短节奏只堆 9 次得到一分钟点。由于每个目标平均只读取约 32 个像素，下行带宽的代价被压缩到可控范围内——这是「同时盯住约二十万颗星」在 2009 年的工程条件下得以成立的唯一方式。

天区中心位于银道 l = 76.32°、b = +13.5°，赤道坐标赤经 19h22m40s、赤纬 +44°30′00″。42 块 CCD 构成四重对称布局，使多数恒星经历季度滚动之后仍留在感光面内；但并非全部，模块之间还存在缝隙。这正是目标检索表按 season 组织的原因：season 编号 0 到 3 分别对应夏、秋、冬、春，是否每个季度都能看到某个目标，要按 season 判断。

3.4 星表这一层

星表或表	官方给出的规模	作用
开普勒输入星表（KIC）	13,161,029 源	目标选择与孔径定义的底表，MAST 上托管 v10 版
特性表（CT）	6,569,466 行	判断某 Kepler 编号是否在四个 season 都落在感光面上
每季都在 CCD 上的 KIC 目标	4,353,971 个	特性表给出的「四季可见」目标规模
开普勒目标检索表	超过 15,000,000 个目标	合并 KIC、特性表、2MASS、KIS、GALEX、SDSS/DR9、UBV 巡天、IRT 巡天的产物
目标表在任务初期的规模	约 150,000 个目标	发射时的 KTC 规模，此后按季度更新
Everett-Howell UBV 巡天	4,414,002 源	覆盖 191 平方度的三波段测光，补上 KIC 缺少的 u 段
Everett-Howell 完备星等	U∼18.7、B∼19.3、V∼19.1	随天区位置变动
Everett-Howell 亮端限值	U=10.1、B=10.6、V=10.5	平均值，同样随位置变动

这里有一个容易被误用的细节：目标检索界面给出的 contamination 值是一个 0 到 1 之间的浮点数，表示孔径内来自目标星的通量比例，官方明确说它是粗估，不能用来改正光变曲线，作用仅限于挑选孤立星。真正用于改正的值是帆在光变曲线文件头里的 CROWDSAP 与 FLFRCSAP（2.1 版之后的文件均提供）。后面 §4.5 会给出 PDC 实际使用的改正公式。

§4 它最独特的东西

4.1 同一颗星上的三个层次

公开数据集里极少有一份数据把「处理前的中间态」与「处理后的成品」并排放着。Kepler 给了三个层次：目标像素文件里的 FLUX 让你自己求和，SAP_FLUX 是官方孔径测光模块的输出，PDCSAP_FLUX 是官方去趋势模块的输出。

层次	数据来源	适合解决的问题	不适合解决的问题
`FLUX`（目标像素文件）	自己按孔径求和	孔径选择是否合理、是否有污染像素贡献进来	需要长时段稳定性的场景，因为指向与热项要自己处理
`SAP_FLUX`	官方孔径测光模块	保留原始形态的长周期、慢变化、星斑演化	存在指向漂移与热瞬变，短信号极易被淹没
`PDCSAP_FLUX`	官方去趋势模块	凌星、短周期事件、绝大多数常规分析	慢变信号可能被吸走，去趋势口径由官方选定

「可以自己重做」这件事的代价是：重做时必须讲清楚为什么要重做，而不是一句「我们重新提取了光变曲线」。这也是文件头里 PDCSAPFL 关键字存在的意义——它记录这一轮去趋势具体做了什么，是解释差异来源的凭据。

4.2 文件头里的四个「好坏」指标

长节奏去趋势数据在文件头里给出四项 goodness 指标，取值 0 到 1，0 为差、1 为完美，另有一个几何平均总值。官方同时提醒：四项都高并不代表这条曲线一定被可靠地改正过，只说明它在这四个度量下表现良好。

指标	关键字	含义	变低意味着什么
相关性	`PDC_COR` / `PDC_CORP`	去趋势后是否残留了目标之间的相关系统项	系统误差残留
变率	`PDC_VAR` / `PDC_VARP`	恒星自身变率是否被保住	天体信号被部分吸走
噪声	`PDC_NOI` / `PDC_NOIP`	是否引入了接近奈奎斯特频率的高频噪声	高频噪声注入
地球指向	`PDC_EPT` / `PDC_EPTP`	地球指向之后的热恢复特征是否被去除	热瞬变残留

这四个指标的实际用途不是「挑高分」，而是「排低分」：如果某个目标的变率指标很低，用它做长周期分析就是自找麻烦，此时回到 SAP_FLUX 更合适。写论文时请直接写这些指标的英文关键字，避免译名带来的歧义。

4.3 时间系统的两列账

BKJD 的定义是儒略日减 2454833.0，而 2454833.0 对应 UTC 2009 年 1 月 1 日 12:00:00。TIME 列已经是重心修正后的值，要回到儒略日，就把文件头里的 BJDREFI 与 BJDREFF 加回去。

TIMECORR 列的存在是为了反向：官方说明要得到航天器上报的时间，可以从 TIME 减去 TIMECORR 再加 2454833。任何需要与地面钟面时间对齐的场景，比如多信使或地面联测，都要用到这一列。

关于精度，官方的说法是：任意节奏的时间被认为准到 ±50 毫秒以内，这一要求的设计意图是让天文事件的时刻精度受限于事件本身，而不是受限于飞行系统。需要优于一分钟时间精度的使用者，被引到数据特性手册与仪器手册核对更细节的修正项。

4.4 孔径不是固定的

最优孔径在数据收取之后会重新计算，这使得同一颗星在不同季度实际参与测光的像素集合可能不同，档案手册的措辞是「每一季度很可能不同」。再加上季度滚动带来的阵列位移，季度边界上出现阶跃是常态而不是错误。

还有一种情况是使用者想改孔径。档案允许自定义孔径，代价是编号体系完全不同（§2.2）。官方特别提示的两类自定义目标中，疏散星团的目标是关心星团成员的首选，而背景超级光圈 EXBA 提供了一片在所有 CCD 上位置相同、相对暗弱的天区，用于背景估计，覆盖 Q5 到 Q17。

4.5 边界条件：它坚持不承诺什么

第一，它不承诺更高的时间分辨率。长节奏 29.424 分钟一个点，短节奏一分钟一个点且每季最多 512 个目标。分钟以内的计时它给不到。

第二，它不承诺整帧图像的连续性。整帧图像每季三幅（名义值），用途是确认探测器在天空上的方位与放置、评估测光器健康，而不是时间序列。此外，Q0 期间有八幅「金标准」整帧图像，它们在 DR21 之后再没有被重处理过，其世界坐标系并非直接从图像算得；DR24 与 DR25 的世界坐标系直接基于整帧图像自身的运动多项式，典型精度 0.1 像素，约 0.4 角秒。

第三，它不承诺污染改正值在检索界面上的可用性（§3.4 已述）。PDC 实际使用的公式在官方说明里写得很清楚：改正后的去趋势流量等于去趋势流量减去「一减污染度量」再乘去趋势流量的中位数。要复算官方改正就得照这个式子算，而不是凭直觉减一个常数。

§5 怎么拿到

5.1 目录结构与当前可达版本

获取方式	覆盖范围	说明
MAST Portal	DR25	面向少量目标的交互式检索与下载
exo.MAST	DR25	按已知行星或 KOI 找 MAST 数据，可按轨道相位匹配
Kepler 数据检索与取回表单	DR25	按目标或观测元数据检索目标像素与光变曲线
MAST Astroquery	DR25	按坐标表或目标名程序化检索与下载
批量下载脚本	各季度各类型	官方给出 curl 脚本，其中每一行可单独执行以取单个文件
匿名 FTP	各类型	档案手册列出的方式，与门户内容一致
云镜像入口	无	官方任务页保留了亚马逊云入口，2026 年核实该链接返回 404，不要写进中心线
DR19 及更早版本	冷存储	需要联系 MAST 调档

版本选择的判据很简单：新工作一律用 DR25；只有在复现旧文献、需要与早期 KOI 表严格对齐时，才回到 DR20–DR24 的批量脚本。

5.2 单目标的最短取数路径

#-- 在门户按 Kepler 编号检索确认文件名，再用 curl 取单个季度
#--    文件名遵循 kplr<kepler_id>-<stop_time>_llc.fits
curl -O https://archive.stsci.edu/pub/kepler/lightcurves/0007/0007/kplr000757076-2009166044711_llc.fits

#-- 目标像素文件同为一类目录结构，后缀换成 lpd-targ
curl -O https://archive.stsci.edu/pub/kepler/target_pixel_files/0007/0007/kplr000757076-2009166044711_lpd-targ.fits

上面这两行里的编号与时间戳必须以门户的检索结果为实。这里展示的是路径样式，不是必然存在的具体文件。

5.3 批量下载：按季度取一整批

官方给的批量脚本就是一串 curl 命令，一个季度一个脚本。典型用法如下。

#-- 取某一个季度的长节奏脚本（脚本内含该季度全部文件的地址列表）
curl -O https://archive.stsci.edu/missions-and-data/kepler/lightcurves/q09/Q09LongCadence.sh
bash Q09LongCadence.sh

#-- 只想取其中几个文件：打开脚本，把对应行单独贴到终端执行即可
#-- 需要并发时不要用过高并行度，公开服务会被限流
xargs -P 4 -n 1 curl -sS -O < filelist.txt

脚本命名一律是季度加节奏类型。短节奏在同一季度里最多分成三段，对应三个月的子区间，因此同一季度的短节奏目标最多给出三个文件；这正是「短节奏目标至少观测一个月」的另一面。唯一的例外是 Q4：模块 3 在 Q4 期间发生硬件失效，该模块上的目标在这一季度丢失，长节奏与短节奏观测都受影响。

5.4 拼接与清洗的最小流程

import glob
import numpy as np
from astropy.io import fits

KEPID = '000757076'

#-- 同一目标的长节奏文件，按文件名排序即按季度排序
files = sorted(glob.glob(f'{KEPID}*_llc.fits'))
assert files, '没有找到长节奏文件，检查当前目录或编号写法'

t, f, e, q = [], [], [], []
for fn in files:
    with fits.open(fn) as hdu:
        hdr = hdu[0].header
        #-- DATA_REL 决定这批数据属于哪次再处理，拼接前必须先核对
        assert hdr['DATA_REL'] == 25, f'{fn} 的 DATA_REL 不是 25'
        d = hdu[1].data
        t.append(d['TIME'])
        f.append(d['PDCSAP_FLUX'])
        e.append(d['PDCSAP_FLUX_ERR'])
        q.append(d['SAP_QUALITY'])

t = np.concatenate(t)
f = np.concatenate(f)
e = np.concatenate(e)
q = np.concatenate(q)

#-- 只保留没有任何标志位被置起、且流量与误差均为非 NaN 的节奏
ok = (q == 0) & np.isfinite(f) & np.isfinite(e)
t, f, e = t[ok], f[ok], e[ok]

#-- 归一化到相对流量：这一步是为了消除季度之间的零点差
r = f / np.median(f)

print(len(t), t[0], t[-1], np.isfinite(r).all())

这段脚本里每一步都有官方依据：q == 0 依据 §2.5 的位字典；np.isfinite 依据「缺失值用 NaN 表示」；DATA_REL == 25 依据 §2.3 与 §5.1 的版本说明。唯一没有官方依据的是用中位数做的归一化，那是为消除季度零点差而自行加入的处理，写在方法里时应单独说明。

5.5 用目标像素文件复算 SAP_FLUX

import numpy as np
from astropy.io import fits

#-- 目标像素文件：主头 + 目标表扩展 + 光圈掩码扩展
with fits.open('kplr000757076-2009166044711_lpd-targ.fits') as hdu:
    tab = hdu[1].data
    mask = hdu[2].data

#-- 位 2 表示属于最优孔径，据此逐节奏取出参与测光的像素
ap = (mask & 2) > 0
flux_img = tab['FLUX']          #-- 每节奏一张图，单位 e-/s
mine = flux_img[:, ap].sum(axis=1)

#-- 与官方光变曲线里的 SAP_FLUX 对照，验证自己对标定的理解
with fits.open('kplr000757076-2009166044711_llc.fits') as hdu:
    sap = hdu[1].data['SAP_FLUX']

same = np.isfinite(sap) & np.isfinite(mine)
print(np.nanmax(np.abs(mine[same] / sap[same] - 1)))

如果最后一行给出的偏离很大，问题多半不出在算法精度上，而是三处实操错误：把 RAW_CNTS 与 FLUX 混用、光圈位理解错误、或者季度写错。官方文档专门写了「可以用 FLUX 与最优孔径复算 SAP_FLUX」这一句，正是为了让这种检查成为可能。

5.6 五个坑

坑一：把季度当作连续观测。 季度之间有一天到两周的处理间隔（§3.2）。任何按固定长度切窗的做法都会跨过这些间隙；正确做法是按 CADENCENO 的连续性切窗，而不是按行索引。

坑二：把 NaN 和 −1 当数字。 缺失值在浮点列里是 NaN，在目标像素的整数列 RAW_CNTS 里是 −1。前者会让整窗算术结果变成 NaN，后者会被当成极小的「通量」参与求和，两种错误都很难从单行报错里看出来。

坑三：混用 DATA_REL 与 FILEVER。 同一个目标的两个文件可能来自不同次再处理，列布局也可能不同。拼接、平均、差分之前先核对这两个字段。

坑四：直接拿检索界面的 contamination 改正光变曲线。 官方说明那只是粗估值，用于选孤立星；改正要用文件头的 CROWDSAP 与 FLFRCSAP。混用会得到看似精致但方向错误的结果。

坑五：共趋向量用到第八个以上。 每个季度每个通道提供 16 个共趋向量，官方警告使用第八个以上通常没有明显改善，并且已知会引入非物理信号；此外 PDC 内部使用的多尺度分组基向量并不向使用者提供。还有一条必查项：共趋向量文件头的 DATA_REL 必须与被去趋势的数据一致，文件名里的 -d<##> 也是为了这个目的而设。

§6 与站内其他数据集的关系

6.1 与 NASA 系外行星档案的分工

站内已发布的 nasa-exoplanet-archive 讲的是结论层：确认行星、候选名册、参数行。本文讲的是观测层：每个季度的电子率、每个像素的通量，以及随之而来的改正与校验。两者是单向依赖——参数表最终仍要从这类时间序列里提炼出来，但从一串电子率并不能直接跳到「这里有行星」。

维度	Kepler 光变曲线档案	NASA 系外行星档案
交付形态	每个目标每个季度的 FITS 文件	参数表格与候选名册
基本单位	电子率随时间变化的序列	恒星与行星的物理参数行
更新方式	任务结束，不再新增，只有再处理	持续累积新增确认与候选
使用者的主要工作	拼接、去趋势、定窗、判断信号真伪	查询、筛选、按列汇算
混淆的后果	把「有数据」当成「有行星」	把「有参数」当成「能拿到原始序列」

6.2 检索路径

如果想在本百科里按主题游走，有三条常见路线。

从数据形态出发：长周期、多目标、同节奏——本文；再往前可以看到 mcphases 那类每日重复测量的长时程生理档案，处理缺失与相位对齐的思路与这里高度相似。
从时序算法出发：santa-fe 与 tns 提供的是给算法打分的尺子，本文提供的是真实观测数据本身的毛刺。前者适合验证方法，后者适合暴露方法的脆弱处。
从伪像标注出发：incartdb 与 pwave 有逐搏或逐波的人工标注，本文的质量位则是流水线自动置位或前处理人工置位。二者在「谁负责说这是不是伪像」这件事上采取的是完全不同的立场。

6.3 分工判据

如果你要的是	去这里	理由
一片天区四年不间断的公开测光序列	本文	DR25 的 Q0–Q17 直接给了这一时间跨度
已确认行星的参数	nasa-exoplanet-archive	参数是结论层，不在这里交付
干净的时序算法基准	santa-fe、tns	它们的目的就是给算法打分，而不是做科学发现
带人工逐事件标注的生理信号	incartdb、pwave	标注的责任主体是人，不是流水线
影像加时序的公开数据	multimodal-satellite-data	同时提供对地观测的时间序列与影像
连续整夜监测的非接触信号	sleepbrl	与本文一样关注长时间不中断的代价

§7 质量评估与局限性

7.0 前置校正：先定口径再谈质量

对这套数据做任何质量判断之前有一条前置动作：确定去趋势口径。用 SAP 的人看到的是未经处理的望远镜；用 PDCSAP 的人看到的是官方认为最合理的处理；自行处理的人看到的是自己认为最合理的处理。同一份数据在三种口径下的结论可能不同，这并不代表数据不稳定，而代表去趋势方法本身参与了科学结论。跳过这一步去比较两篇论文的结果，很容易把方法差异误读成数据差异。

7.1 五维评分

维度	评价	依据
时间跨度	极强	2009 年 5 月 2 日至 2013 年 5 月 11 日，十八个季度，节奏编号一路编到 72531
目标规模	强	每季逾十六万长节奏目标，属于工业量级而非精选几百颗
文档完备性	极强	档案手册、数据特性手册、数据处理手册、仪器手册、释放说明分册出版，逐列逐位定义
可追溯性	强	文件头给出 FILEVER、DATA_REL、PROCVER 与 CREATOR，后者含流水线作业号与版本标签
易用性	弱	需自行拼接季度、自行决定去趋势口径、自行核对版本，不是开箱可用

7.2 数据的三层责任主体

层	谁负责	标志或关键字落点
航天器事件层	前处理阶段的人工与前处理置位	质量位的第 3 位（粗指向）、第 9 位（人工排除）等
流水线处理层	标定、孔径测光、去趋势三个模块	第 11、12 位，以及四项去趋势 goodness 关键字
元数据层	输入星表与流水线输入参数	TEFF、LOGG、FEH、RADIUS 来自输入星表，官方提示不要直接当作发表值

分层的实际意义是：读取得再熟练，也替代不了「判断某个特征是不是真的来自天体」。一个常用的交叉检查手段是把像面运动（POS_CORR1 与 POS_CORR2）同质心列（PSF_CENTR1、PSF_CENTR2、MOM_CENTR1、MOM_CENTR2）放在一起看——如果它们同步跳动，首先应该怀疑指向，而不是怀疑恒星在变。

7.3 可枚举的偏差来源

偏差来源	表现	官方处理或提示
季度滚动导致星图落到不同 CCD	季度边界的幅度阶跃	每季重算最优孔径；拼接需处理零点差
Q4 期间模块 3 硬件失效	该模块目标在 Q4 丢失	档案手册在节奏说明里直接注明这一例外
孔径内其他恒星的污染	流量被抬高、凌星深度被稀释	文件头 CROWDSAP；去趋势模块的改正公式见 §4.5
目标通量只有部分落入孔径	幅度与绝对幅值不可靠	文件头 FLFRCSAP（通量落在最优孔径中的份额）
滚动带	第 18、19 位被置起	官方提示影响大小因科学目标而异，需自行判断
突发像素灵敏度跌落	第 11、12 位被置起	去趋势模块会保护已知凌星不与跌落混淆
缺失值的伪装	NaN 与 −1	官方明确规定缺失值的填充方式，见 §2.4 与 §2.6

「只保护已知的凌星」最容易被误读。去趋势模块依据已知的历元、周期与时长算出哪些节奏包含凌星或食事件，并假定线性历书，在这些节奏里不做跌落与离群修正；但处理时尚未被识别的凌星仍有可能被这些修正改动。这是一个可以写进方法节的明确边界，比笼统地说「去趋势可能改变信号」要有用得多。

7.4 外部验证能做到什么程度

这套数据的复核通道有两处在档案内部：一是目标像素文件可用来复算 SAP_FLUX（§5.5），这是官方主动提供的复查接口；二是整帧图像提供独立于目标文件的整幅影像，用来验证孔径是否覆盖到了本不该覆盖的邻居。两者都不需要离开 MAST。

档案之外的第三类复核，是把结果放回季度边界去看：同一段信号在相邻两个季度是否落在同一相位、幅度是否一致。这个检查的代价极低，却能拦下相当一部分由拼接错误或邻近污染造成的假信号。

7.5 为什么任务结束多年仍在被使用

任务早已结束，数据不会新增，看起来应该被后续任务取代；但它占据的位置是「长基线 × 高精度 × 大批目标」的交点。任何依赖四年连续、均匀采样、几十万目标的研究，面对的是同一个现实：更难得的是同一段时间内这么多目标都拥有同节奏的数据。这使它在时序数据生态里仍没有被等价替换。

§8 生态位与历史

8.1 沿革

时间	事件
2009 年 3 月 6 日	发射
2009 年 5 月 2 日	进入科学观测，即 Q0 起点
2009-05-02 至 2013-05-11	Q0–Q17 共十八个季度的观测
2013 年	第二个反作用轮失效，此后航天器被改造为 K2 任务观测黄道面
2015 年 12 月 9 日	DR25 释放说明首次发布，当时仅覆盖长节奏数据
2016 年 8 月 8 日	DR25 释放说明改定，修正节奏表并补充短节奏口径与质心标志的说明
2020 年 7 月 16 日	MAST Kepler Archive Manual 更新版发布

DR25 的定义要准确理解：它是 Q0–Q17 的最终再处理，也是最后一次 Kepler 再处理。此后 MAST 存档保留最近三个版本的数据，也就是 DR20 到 DR25。

8.2 与竞赛型数据集的区别

常见的 AI 数据集以任务包为核心：固定的训练与测试划分、评价指标、标签批次。Kepler 档案不是这样，它没有官方划分，没有标签，也不提供模型建议。它交付的是观测原始数据加两级官方成品。

这让它在 AI 用法上更像原料而不是考题：切窗长度、归一化方式、异常的定义、正负样本的划定，全在使用者一侧。好处是不受既定划分约束，代价是不同论文之间的可比性要自行维护——而可比性的第一道门槛，是统一 DATA_REL、QUALITY 过滤口径与量程处理，这三者必须写在方法节里。

8.3 生态位

MAST 托管多种天文数据，Kepler 在其中属于长期、单目标导向的空间测光。同一档案里还托管一批社区贡献的高水平科学产品，例如 K2SFF、KEPLER-SMEAR、KSwAGS 等，它们与本文所述的一线档案产品性质不同：高水平科学产品通常由另行声明的许可覆盖（常见的是 CC BY 4.0），引用时必须同时致谢提供方与 MAST，不能照搬本文 §9.3 里的致谢文本。

8.4 谁在用

角色	怎么用	最在意的东西
凌星与系外行星研究者	以去趋势成品为主，按季度拼接后做搜寻与建模	质量位、QUARTER、DATA_REL
恒星变率与星震学者	回到未去趋势序列或用共趋向量自行处理	变率指标、CROWDSAP、缺失值处理
时序算法工程师	把成千上万条序列当作真实世界语料	规模、真实缺失值、真实伪像
复现性核查者	按版本字段锁死再处理版次	PROCVER 与 FILEVER 的稳定性
教学	极少数目标、极少数季度即可	门户能否直接出图

§9 使用指引

9.1 三种角色的最短路径

角色	第 1 步	第 2 步	第 3 步
只想看一条曲线	在门户按 Kepler 编号检索	选一个季度下载 `_llc.fits`	用 PDCSAP_FLUX 出图
做具体科学目标的分析	先决定用未去趋势还是去趋势成品	按节奏编号拼接并处理季度边界	报告里写明版本与过滤口径
建立大规模语料	用批量脚本按季度取全量长节奏	统一版本字段后统一解析	保留质量位原值以便后续重做过滤

9.2 最短流程（入门版）

#-- 一个能落地的入门流程：取一个目标、一个季度，用去趋势流量出图
import numpy as np
from astropy.io import fits

fn = 'kplr000757076-2009166044711_llc.fits'   #-- 换成你自己检索到的真实文件名
with fits.open(fn) as hdu:
    hdr = hdu[0].header
    d = hdu[1].data

#-- 先核对这两个版本字段
print(hdr['OBJECT'], '季度', hdr['QUARTER'], '版本', hdr['DATA_REL'], '文件版', hdr['FILEVER'])

t = np.array(d['TIME'])
f = np.array(d['PDCSAP_FLUX'])
q = np.array(d['SAP_QUALITY'])
#-- 只留下没有任何标志位被置起、且非 NaN 的节奏
ok = (q == 0) & np.isfinite(f)
t, f = t[ok], f[ok]
print('有效节奏数', len(t), '首个时刻', t[0], '末个时刻', t[-1])

9.3 引用方式

官方给出两段必备致谢文本。使用 Kepler 数据的论文应包含：「This paper includes data collected by the Kepler mission. Funding for the Kepler mission is provided by the NASA Science Mission Directorate.」从 MAST 取得数据的论文还应包含对 MAST 的致谢：「Some/all of the data presented in this paper were obtained from the Mikulski Archive for Space Telescopes (MAST). STScI is operated by the Association of Universities for Research in Astronomy, Inc., under NASA contract NAS5-26555. Support for MAST for non-HST data is provided by the NASA Office of Space Science via grant NNX13AC07G and by other grants and contracts.」其中资助号以 MAST 数据致谢页面的当前值为准。

引用对象	内容
数据集本体	写明 Kepler 任务、DR25（Q0–Q17）、取得自 MAST
档案手册	Mullally, S. E. 2020, MAST Kepler Archive Manual（2020 年 7 月 16 日版本）
释放说明	Thompson, S. E., Caldwell, D. A., Jenkins, J. M., et al. 2016, Kepler Data Release 25 Notes（KSCI-19065-002，2016 年 8 月 8 日改定）
文件校验信息	建议在正文或附件给出所用文件的 FILEVER、DATA_REL 与下载时间
本站地址	`https://www.qianfanghub.com/ai-ready-dataset/kepler/1810`，rID 在发布时自动注入

§10 AI 使用声明

项目	声明
文本生成	本文由 AI 辅助撰写，编辑把关结构与事实
数字来源	规模、结构、边界三类数字来自 MAST Kepler 官方页面、MAST Kepler Archive Manual（2020）、Kepler Data Release 25 Notes（2016）
文件核验	任务页返回 HTTP 200；档案手册与释放说明两个 PDF、数据使用政策页均经直接访问确认
不一致说明	目标规模有两处官方表述：任务页写大约二十万颗恒星，云镜像简介写超过十八万颗恒星、30 分钟节奏观测四年；本文按出现位置分别标注，不做融合
论文信息	释放说明与手册中列出的后续论文仅依据文档所给出处，未读全文
未核验内容	云镜像入口当前是否仍可访问（2026 年核实返回 404）；各季度文件总数与字节体积；单个目标在不同季度的具体文件清单
图像	无配图；封面为生成式提示词，不含真实观测图像
免责	本文不构成对数据可得性与时效性的承诺；使用须遵守 MAST 数据使用政策与官方发表致谢要求

常见误读（避坑清单）

说法	实际	证据
「它给的是已确认行星的参数表」	它给的是时间序列与影像，参数属于另一层产品	光变曲线文件里没有与行星相关的列
「它有一条现成的四年曲线」	按季度交付十八个文件，拼接由使用者完成	释放说明表 1、表 2 逐季给出节奏编号起止
「去趋势结果就是事实，未去趋势的是坏的」	两者适用不同科学目标，官方同时保留	档案手册 2.3.1.2 专门说明去趋势模块的做法
「它是三十分钟」	长节奏 29.424 分钟，含 270 次积分	档案手册 1.1
「视场就是一百平方度」	视场 115.6 平方度，任务页概括为约一百平方度	档案手册 1.1 与任务页两处表述并存
「每个目标每个季度都有」	受滚动、CCD 缝隙与 Q4 硬件失效影响，有的季度取不到	目标检索表按 season 组织；档案手册注明 Q4 模块 3 例外
「短节奏和长节奏的目标一样多」	每季最多 512 个短节奏目标，长节奏逾十六万	档案手册 2.3.1
「质量位不为零的数据都不能用」	多数标志只提供信息，不代表不可用	档案手册 2.3.1.1 与位表脚注
「检索界面的污染值可以改正光变曲线」	只能用于选孤立星，改正要用文件头的值	档案手册 3.2 的专门注记
「共趋向量用得越多越好」	第八个以上通常无改善且可能引入非物理信号	档案手册 2.3.4 的警告

FAQ

Q1：为什么我用 np.mean(f) 得到的是 NaN？

因为缺失值用 NaN 表示，而 NaN 在算术里会传播。很多目标在某些季度存在缺节奏，工作流的第一步必须是过滤非有限值。另一处容易忽略的是目标像素文件里的 RAW_CNTS：它是整数列，缺失值填 −1，而 −1 会被当成很小的通量参与求和，所以处理这一列时要把 −1 单独掩掉。

Q2：做一件事到底该用 SAP_FLUX 还是 PDCSAP_FLUX？

取决于你要的信号有多慢。去趋势成品已经去掉了指向漂移、聚焦变化与热瞬变，对凌星与短周期事件友好；但它有可能把天体本身的慢变化当作系统误差吸走，所以做恒星自转、长周期变率与星斑演化的人通常回到未去趋势序列，或者用共趋向量自行去趋势。一个实用的判断把手是文件头里的变率指标：它的数值偏低时，说明这一轮处理可能已影响到天体自身的变率。

Q3：为什么不同文献对同一颗星给出的凌星深度略有差别？

常见原因有三个：用了不同的再处理版次；用了不同级别的成品；是否做了邻近污染与通量份额的改正。前两项可以在方法节写清版本字段与成品级别来对齐，第三项要用文件头里的 CROWDSAP 与 FLFRCSAP。复现他人工作时，这三项都应当在文献核对表里逐条列出，而不是只写一个数据来源。

Q4：它能直接拿来训练深度学习模型吗？

能，但不是开箱可用。它没有官方的训练划分，也没有标签，取多长的窗、怎么归一化、什么算异常都要使用者定义。更稳妥的做法是把它当作真实世界语料：按节奏编号切窗，保留质量位原值以便后续重做过滤，并按版本字段分组处理。跨季度缺口绝不能被放进同一个窗口。

Q5：二零一三年之后还有新数据吗？

没有。观测在 2013 年 5 月 11 日终止，此后航天器被改造成 K2 任务观测黄道面，属于另一套产品体系。本文描述的是 Q0 到 Q17 的开普勒档案，数据不会新增，只会存在流水线再处理的追溯，最后一次即 DR25。

术语表

术语	含义
MAST	米库尔斯基空间望远镜档案，由 STScI 运营的天文数据档案
SOC	科学运行中心，位于 NASA 艾姆斯研究中心，负责标定与光变曲线生成
DMC	数据管理中心，位于 STScI，负责归档、分拣与生成 FITS
节奏编号	逐节奏加一的全任务连续编号，拼接时的排序键
BKJD	开普勒重心儒略日，定义为儒略日减 2454833.0
SAP	简单孔径测光，光路 Landing 一级的直接输出
PDC	预搜寻数据调理模块，输出去趋势后的流量
MAP	贝叶斯最大后验，去趋势模块使用的拟合方法
CBV	共趋向量，用于自行去除通道级系统误差
TPF	目标像素文件，逐节奏给出该目标的像元方块
FFI	整帧图像，覆盖全视场，每季度三幅
PRF	像素响应函数
KIC	开普勒输入星表，用于选目标与定义孔径
CT	特性表，记录某个编号在每个 season 是否落在感光面上
SPSD	突发像素灵敏度跌落
KOI	开普勒感兴趣天体，属于参数层产品
DATA_REL	数据发布版次，写在每个文件的文件头里

附录 A：核心数字核对表

数字	出处
观测跨度 2009 年 5 月 2 日至 2013 年 5 月 11 日	DR25 释放说明表 1、表 2 的长节奏首尾时刻
Q0 长节奏 476 个节奏编号	DR25 表 1，Q0 长节奏行
Q17 长节奏 1556 个节奏编号，末号 72531	DR25 表 2，Q17 长节奏行
长节奏 29.424 分钟含 270 次积分；短节奏一分钟含 9 次积分	档案手册 1.1
单次像素读取 6.019803 秒曝光加 0.51895 秒读出	档案手册 1.1
每季逾 160,000 个长节奏目标、最多 512 个短节奏目标	档案手册 2.3.1
每目标平均提取约 32 个像素	档案手册 1.1
视场 115.6 平方度，21 个模块 42 块 CCD，单块 2200×1024 像素，比例尺 4 角秒每像素	档案手册 1.1 与任务页
响应波段半高全宽 435 至 845 纳米	档案手册 1.1
轨道周期约 372.5 天，四年后距地球超过 0.4 天文单位	档案手册 1.1
光变曲线与目标像素文件版本 6.1，整帧图像 3.1，共趋向量 4.0	档案手册表 2-2
光变曲线扩展 TFIELDS 为 20	档案手册附录 A.1b
任意节奏时刻被认为准到 ±50 毫秒以内	档案手册 2.1.2
输入星表 13,161,029 源；特性表 6,569,466 行；每季在感光面上的目标 4,353,971 个	档案手册 3.1 与 3.2
目标检索表超过 15,000,000 个目标，任务初期约 150,000 个	档案手册 3.2 与 3.3
共趋向量每季每通道提供 16 个基向量	档案手册 2.3.4
整帧图像世界坐标系典型精度 0.1 像素，约 0.4 角秒	档案手册 2.3.3
自定义孔径编号区间 100,000,000 至 100,004,300	档案手册 2.2.1
目标像素文件十三列	档案手册 2.3.2
每通道约 4500 个专用背景像素	档案手册 2.3.2
Everett-Howell 巡天 4,414,002 源，覆盖 191 平方度	档案手册 3.2
DR25 释放说明初版 2015 年 12 月 9 日，改定 2016 年 8 月 8 日	释放说明文档变更日志
档案保留 DR20 至 DR25，更早版本在冷存储	档案手册 2.3
档案手册更新于 2020 年 7 月 16 日	MAST Kepler 任务页文档栏

附录 B：如果只记五件事

序号	记住什么	为什么
1	每目标每季一个文件，Q0–Q17 共十八季度，要自己拼接	季度之间有处理间隔，不能按行索引切窗
2	SAP 与 PDCSAP 是两个层次，选哪个取决于信号的快慢	慢信号回到未去趋势序列，短事件用去趋势成品
3	DATA_REL 决定这批数据属于哪次再处理，DR25 是终版	混版本会引入难以解释的差别
4	多数质量标志只提供信息，不等于数据不可用	一味过滤会丢掉大量可用节奏
5	缺失值是 NaN（浮点列）与 −1（整数 ROW 列）	这是「跑出全 NaN」最常见的来源