ASR-CYGNSS-HGMM-Reproducibility

该数据集是论文“ASR CYGNSS-SMAP H-GMM reproducibility”的复现数据仓库，提供了用于年自适应CYGNSS海面风速反演方法的衍生数据。数据包括：基于CYGNSS L2 v3.2和SMAP L2B CAP v5.0产品生成的联合定位数据（collocations），以Parquet格式按月分片存储，覆盖2021年至2025年；平衡的历史训练样本；硬门控H-GMM模型及其时间校准器检查点；2025年原始和严格时间外测试预测；以及评估统计指标（含bootstrap置信区间）和手稿图表。数据适用于表格回归任务，可用于海洋遥感、GNSS反射信号反演、海面风速估计等研究。许可证为CC-BY-4.0。This dataset is the reproducibility data repository for the paper ASR CYGNSS-SMAP H-GMM reproducibility, providing derived data for the annual adaptive CYGNSS sea surface wind speed retrieval method. The data includes: collocations generated from CYGNSS L2 v3.2 and SMAP L2B CAP v5.0 products, stored in Parquet format monthly shards covering 2021 to 2025; balanced historical training samples; checkpoints of the hard-gated H-GMM model and its temporal calibrator; original and strict temporal out-of-sample test predictions for 2025; as well as evaluation statistics (with bootstrap confidence intervals) and manuscript figures. The dataset is suitable for tabular regression tasks and can be used for research in ocean remote sensing, GNSS reflectometry, sea surface wind speed estimation, etc. License: CC-BY-4.0.

原始信息汇总

数据集概述：ASR CYGNSS-SMAP H-GMM 可复现性数据集

基本信息

• 许可证：CC-BY-4.0
• 任务类别：表格回归（tabular-regression）
• 标签：CYGNSS、SMAP、GNSS-R、海洋风场、遥感、高斯混合模型

数据集用途

该数据集为关于年自适应CYGNSS海面风速反演的研究论文提供支撑，包含衍生的CYGNSS-SMAP匹配数据、模型检查点、评估统计数据和论文图表，旨在实现研究结果的可复现性。

上游公共数据来源

1. CYGNSS Level-2科学数据记录 v3.2（CYGNSS_L2_V3.2），来自NASA PO.DAAC，DOI: 10.5067/CYGNS-L2X32
2. JPL SMAP Level-2B CAP海面盐度和极端风产品 v5.0（SMAP_JPL_L2B_SSS_CAP_V5），来自NASA PO.DAAC，DOI: 10.5067/SMP50-2TOCS

注意：原始HDF5/netCDF数据块未存储在本仓库中，而是在Google Colab中临时获取并转换为质量控制后的匹配数据分片，上传后原始文件即被删除。

仓库结构

目录	内容说明
data/collocations/	2021-2025年的月度Parquet数据分片
training/	平衡的历史训练样本
models/	硬门控H-GMM模型和时间校准器
predictions/	2025年原始及严格时间外测试预测结果
metrics/	JSON/CSV格式的统计输出和置信区间
figures/	矢量PDF和600-dpi PNG格式的论文图表
manifests/	来源追踪、校验和、数据集划分定义和处理日志
code/	精确的Colab笔记本和支持包

重要局限性说明

• SMAP被视作外部参考产品而非无误差的基准真值
• 严格的主协议使用2025年最早5%的观测作为时间锚点，并评估所有后续观测，确保锚点与测试集无重叠

搜集汇总

数据集介绍

构建方式

本数据集源自对CYGNSS Level-2科学数据记录v3.2与JPL SMAP Level-2B CAP海表盐度及极端风速产品v5.0的协同处理，通过Google Colab环境临时获取原始HDF5/netCDF粒度数据，历经严格质量控制，转化为按月划分的Parquet分片，并最终上传至数据仓库。数据构建过程强调可复现性，不仅存储了2021至2025年间的配准数据，还囊括了平衡的历史训练样本、硬门控H-GMM模型检查点及时间校准器，为海洋风速反演研究提供了端到端的完整数据链路。

特点

该数据集的核心特色在于其面向年份自适应CYGNSS海面风速反演研究的设计，融合了GNSS-R遥感与高斯混合模型的先进方法论。数据集中包含了2025年原始及严格时间外测试预测，以及详尽的统计指标与自助法置信区间，并附有矢量PDF与高分辨率PNG格式的论文图表。此外，通过清单文件记录了完整的来源追踪、校验和及处理日志，确保了数据的高度透明性和科研可重复性，为海洋遥感领域提供了宝贵的数据资产。

使用方法

使用该数据集时，研究人员可直接从'data/collocations/'目录加载月度Parquet分片，利用'training/'中的平衡样本训练或微调模型，并参考'models/'下的预训练检查点进行推理。'predictions/'目录中的测试预测与'metrics/'中的统计结果便于快速评估模型性能。'figures/'提供了论文级别的可视化素材，而'manifests/'与'code/'则保证了实验的完全可复现性，用户可依据其中的处理日志在Colab环境中复现全部数据处理流程。

背景与挑战

背景概述

该数据集名为ASR-CYGNSS-HGMM-Reproducibility，由wuff-mann机构的研究团队创建，旨在支持CYGNSS海面风速反演算法的可重复性研究。数据集整合了NASA PO.DAAC提供的CYGNSS Level-2科学数据记录v3.2和JPL SMAP Level-2B CAP海表盐度及极端风场产品v5.0，时间跨度覆盖2021至2025年。核心研究问题在于开发一种年度自适应的CYGNSS海面风速反演方法，通过硬门控高斯混合模型（H-GMM）提升风速估计的准确性，特别是在极端天气条件下的表现。该数据集提供了配准数据、模型检查点、评估统计和手稿图表，为海洋遥感领域的研究者提供了宝贵的基准资源，促进了GNSS-R遥感技术的验证与改进，对海洋气象学、气候建模和灾害监测具有重要影响。

当前挑战

数据集所解决的领域问题主要涉及海面风速遥感反演的准确性挑战，尤其是在SMAP作为外部参考而非真实地面真值的情况下，需要处理参考产品的系统性误差。构建过程中，团队面临了数据质量控制的难题，包括CYGNSS和SMAP的高时空分辨率配准、排除无效观测以及处理极端风速条件下的信号饱和。此外，为了确保严格的时序外推评估，团队设计了巧妙的分割策略，利用2025年最早5%的观测作为时间锚点，避免训练与测试重叠，这要求在数据划分和模型校准中保持高度谨慎。同时，上游数据庞大的HDF5/netCDF文件在Google Colab环境中临时处理，需在内存和计算资源受限的情况下高效生成配准分片，并确保数据来源的完整可追溯性，这些挑战共同考验了数据集构建的鲁棒性和可重复性。

常用场景

经典使用场景

该数据集作为CYGNSS海面风速反演研究的可复现性基准，其核心使用场景聚焦于开发与验证年度自适应回归模型。研究者可依托其存储的2021-2025年月度Parquet分片，构建严格的时间序列训练-测试划分，尤其适用于探索海面粗糙度与风速间的非线性映射关系。硬门控H-GMM模型与校准器的预训练权重，为对比实验提供了标准化参照，使得算法迭代能够在统一的数据口径下进行公平评估。

解决学术问题

该数据集直面星载GNSS-R遥感中跨年度环境变化导致的风速反演模型漂移问题，提供了一种基于年份自适应机制的解决方案。通过引入SMAP作为外部参考而非绝对真值，它创新性地设计了时间锚点协议，在保障测试样本与训练分布不重叠的前提下评估模型的泛化性能。这一方法有效缓解了传统静态模型在季节更替与海洋动力过程演变中精度衰退的难题，为遥感反演的可信度评估建立了新的方法论标杆。

衍生相关工作

围绕该数据集，衍生工作集中体现在三方面：其一，基于其模型结构改进混合高斯密度网络，提升对极端风速事件的捕捉能力；其二，扩展其时间自适应框架至其他微波遥感器（如AMSR2或WindRAD）的交叉校准；其三，利用其提供的胶合数据与统计量，开展海洋动力学参数（如有效波高与海表盐度）联合反演的迁移学习研究。这些后续工作不仅深化了GNSS-R遥感理论，亦促进了多源遥感数据融合算法的繁荣。