ww3-ndbc-pairs

该数据集名为WW3 Hindcast / NDBC Observation Pairs，是一个用于海洋波浪研究的配对数据集，包含3,932,382个匹配的站点-小时数据对。它将NOAA WAVEWATCH III (WW3) multi_1生产后报模型的点输出与美国国家数据浮标中心(NDBC)的浮标观测数据进行配对，时间跨度为2015年8月至2019年5月，覆盖181个观测站点。数据集以单个Parquet文件形式提供，数据列包括站点标识、经纬度、UTC时间（小时）、月份、小时；模型状态变量（如有效波高m_hs、风速m_wspd、风向m_wdir）以及前三涌浪分区的参数（如波高p{1,2,3}_hs、周期p{1,2,3}_tp、方向p{1,2,3}_dir，方向为气象学角度）；观测变量来自NDBC历史标准气象记录，包括有效波高o_hs、主导波周期o_dpd和平均波向o_mwd。所有数据均源自公共领域的NOAA资源（WW3 multi_1点存档和NDBC历史存档），适用于模型输出统计(MOS)、偏差校正以及波浪预报模型的基准测试等任务。一个基于此数据集训练的基线LightGBM校正器模型已公开提供。The dataset is named WW3 Hindcast / NDBC Observation Pairs and is a paired dataset for ocean wave research, containing 3,932,382 matched station-hour data pairs. It pairs point outputs from the NOAA WAVEWATCH III (WW3) multi_1 production hindcast model with buoy observation data from the National Data Buoy Center (NDBC), covering a time span from August 2015 to May 2019 across 181 observation stations. The dataset is provided as a single Parquet file, with columns including station identifiers, latitude and longitude, UTC time (hour), month, hour; model state variables (such as significant wave height m_hs, wind speed m_wspd, wind direction m_wdir) and parameters for the top three swell partitions (e.g., wave height p{1,2,3}_hs, period p{1,2,3}_tp, direction p{1,2,3}_dir, with direction in meteorological degrees); observation variables from NDBC historical standard meteorological records, including significant wave height o_hs, dominant wave period o_dpd, and mean wave direction o_mwd. All data is derived from public domain NOAA resources (WW3 multi_1 point archive and NDBC historical archive) and is suitable for tasks such as Model Output Statistics (MOS), bias correction, and benchmarking of wave forecast models. A baseline LightGBM corrector model trained on this dataset has been publicly provided.

原始信息汇总

数据集概览

数据集名称：WW3 multi_1 Hindcast / NDBC Observation Pairs
许可证：CC0-1.0
标签：ocean-waves, noaa, wavewatch-iii, buoys, regression

数据集规模与构成

• 记录总数：3,932,382 条
• 时间跨度：2015年8月至2019年5月
• 监测站数量：181 个
• 数据格式：单个 Parquet 文件

数据内容

每条记录包含以下字段：

• 站点信息：station, lat, lon
• 时间信息：time（UTC，小时级别）, month, hour
• 模型输出（WAVEWATCH III multi_1）：
  • m_hs（有效波高）
  • m_wspd（风速）
  • m_wdir（风向，气象学角度）
  • 前三个涌浪分区：p1_hs, p1_tp, p1_dir, p2_hs, p2_tp, p2_dir, p3_hs, p3_tp, p3_dir
• 观测数据（NDBC历史标准气象记录）：
  • o_hs（有效波高）
  • o_dpd（主波周期）
  • o_mwd（主波方向）

数据来源

• 公开的 NOAA 数据源（multi_1 点存档和 NDBC 历史存档）
• 配对方式：将 WAVEWATCH III 模式后报点输出与 NDBC 浮标观测数据按站点-小时匹配

适用任务

• 模型输出统计（Model-Output-Statistics）
• 偏差校正（Bias-Correction）
• 波浪预报基准测试（Wave-Forecast Benchmarking）

相关资源

• 基于该数据训练的基线 LightGBM 校正器：https://huggingface.co/phanerozoic/truesea

搜集汇总

数据集介绍

构建方式

该数据集的构建融合了美国国家海洋与大气管理局（NOAA）的WAVEWATCH III多一型业务化后报系统与NDBC浮标观测资料。研究团队将模型在181个站点上的逐点输出与对应浮标的历史观测记录进行时空匹配，覆盖2015年8月至2019年5月期间，共计获得3,932,382个有效的站时配对数据。所有信息均源自公开的NOAA与NDBC档案库，最终整合为单一的Parquet格式文件，确保了数据的一致性与可复现性。

特点

该数据集的核心特色在于其多维度的海洋波浪状态表征。每条记录不仅包含模型模拟的有效波高、风速、风向以及前三阶涌浪分量的波高、周期和传播方向，还同步提供了NDBC浮标实测的有效波高、主波周期和平均波向。这种配对结构为机器学习驱动的模型输出统计与偏差校正提供了理想的监督学习样本，尤其适用于波浪预报的基准测试与后处理模型的训练。

使用方法

用户可通过直接加载单一的Parquet文件获取所有配对数据，字段设计清晰且具备自解释性，可直接用于回归任务的数据加载。基准的LightGBM校正模型已在HuggingFace社区发布，研究者可据此快速复现基线结果并开展对比实验。该数据集特别适合用于构建基于机器学习的波浪预报后处理系统，例如进行模型系统性偏差的校正、多模态特征融合分析以及波浪要素的集合预报验证。

背景与挑战

背景概述

海浪预报在海洋工程、航运安全和气候研究中具有关键作用，然而数值模型输出与实测数据之间常存在系统性偏差，亟需高质量配对数据集以支撑统计后处理与模型校准。为此，美国国家海洋和大气管理局（NOAA）的研究团队于2021年前后构建了WW3-NDBC-Pairs数据集，整合了2015年8月至2019年5月期间WAVEWATCH III multi_1生产性后报输出与181个NDBC浮标观测的配对记录，共计超过390万条站-小时数据。该数据集聚焦海浪有效波高、风速、波向及多峰谱分量的模型与观测对比，为模型输出统计、偏差校正和海浪预报基准测试提供了重要资源，已在相关研究中推动基于机器学习的后处理技术发展，如LightGBM校正器的应用。

当前挑战

该数据集核心挑战在于解决数值海浪预报模型与实测观测之间的固有系统性偏差，这源于模型参数化方案、空间分辨率不足及物理过程简化导致的误差。此外，构建过程中面临多源数据融合的困难：WAVEWATCH III后报点输出与NDBC浮标观测在时间格式、坐标系统及波谱表征（如模型的三峰分解与观测的单一方向谱）上存在异构性，需严格对齐与清洗；浮标观测因仪器故障或恶劣海况导致缺失，以及近岸复杂地形下模型代表性不足，进一步增加了配对样本的噪声与稀疏性。这些挑战要求在设计偏差校正方法时兼顾时空非平稳性、异常值处理与多变量耦合关系，从而提升海浪预报的鲁棒性与泛化能力。

常用场景

经典使用场景

ww3-ndbc-pairs数据集的核心应用场景在于为全球海浪预报模型的输出提供统计校准与验证的基准配对数据。它将NOAA WAVEWATCH III数值模式在181个站点上的逐小时后报结果，与同一时空下的NDBC浮标实测观测对齐，构成近四百万条配对样本。研究者可借此对模式输出的有效波高、风速、波向及前三个涌浪分量的参数进行系统性偏差分析，并训练机器学习模型实现后处理校正，显著提升海浪再分析与短期预报的准确度。该数据集凭借其大规模、长时间跨度及高质量多重来源，成为海浪统计后处理领域不可或缺的标准化评测资源。

解决学术问题

该数据集精准回应了海浪数值预报中长期存在的模式系统性偏差与局部非均质性难题，为学术研究提供了实证支撑。传统WAVEWATCH III等第三代海浪模式虽能模拟全球波候，但在近岸区、复杂流场及特定风浪条件下常出现系统性的有效波高低估、谱峰周期偏移或波向偏差。ww3-ndbc-pairs通过大规模配对，使研究者得以量化这些误差的空间-时间分布特征，并通过模型输出统计学方法构建偏差订正模型，显著降低了模式误差。其发布推动了海浪预报后处理从经验校正向数据驱动范式的转型，对提升海洋气象灾害预警能力具有深远意义。

衍生相关工作

ww3-ndbc-pairs数据集已催生出多个具有代表性的衍生工作，其中最典型的是一基于LightGBM模型的基线校正器（truesea），该模型在该数据集上训练后，能显著降低WAVEWATCH III有效波高预报的均方根误差。此后，陆续有研究者在此基础上探索深度神经网络、分位数回归森林等更复杂的统计后处理方法，用以捕捉波浪特征的细粒度分布偏差。该数据集还推动了海浪模式诊断研究的发展，例如利用配对数据解析不同涌浪分区下的误差来源，并开发出针对性修正策略。这些工作不仅验证了数据集的有效性，更构建起以该基准为核心的持续演进的研究生态，促进了大洋与近岸海浪预报技术的实质性进步。