Prediction of Surface Drifter Trajectories in the South China Sea Using Deep Learning

1. 数据集产生过程、处理方法与使用工具产生过程与来源主要来源：该数据集的核心是全球漂流浮标计划（Global Drifter Program, GDP）提供的浮标轨迹数据。数据筛选：从GDP的全球数据集中，提取了2010年至2023年间，位于南海区域（10°N–25°N, 105°E–125°E）的所有浮标轨迹数据。辅助数据：为了训练深度学习模型，还使用了HYCOM（Hybrid Coordinate Ocean Model）再分析数据。HYCOM数据提供了高分辨率的海洋环境变量，包括：U：纬向流速（Zonal velocity）V：经向流速（Meridional velocity）SST_e：海表温度（Sea Surface Temperature, 来自HYCOM）SSS_e：海表盐度（Sea Surface Salinity, 来自HYCOM）处理方法与步骤时空匹配：对于轨迹数据中的每一个浮标位置点，从HYCOM数据中提取一个以该点为中心的 1°×1° 的区域网格数据。由于HYCOM的空间分辨率为0.08°，这个区域对应一个 13×25 的网格（共325个数据点）。数据融合：将提取的海洋环境变量（U, V, SST_e, SSS_e）与浮标自身的轨迹数据（经纬度、时间）进行融合，形成模型的输入特征。模型输入构建：轨迹数据会进行位置编码（Location Position）和时间编码（Global/Local Time Stamp），而海洋环境数据则通过CNN（卷积神经网络）进行特征提取。使用设备及工具数据获取：GDP数据：通过 NOAA 网站下载（https://www.aoml.noaa.gov/phod/gdp/data.php）。HYCOM数据：通过 HYCOM THREDDS 服务器下载（https://tds.hycom.org/thredds/catalog.html）。模型开发：使用 PyTorch 深度学习框架构建了名为 Informer-CNN 的混合模型。2. 数据集的时间、空间信息时间信息时间范围：原始数据覆盖 2010年至2023年。时间分辨率：GDP浮标数据的标准采样间隔为 6小时间隔（00:00, 06:00, 12:00, 18:00 UTC），这在 bouydata_3_1.csv 文件中得到了验证。HYCOM数据时间分辨率：为 3小时。空间信息空间范围：南海区域，10°N – 25°N，105°E – 125°E。空间分辨率：浮标轨迹数据：浮标的位置是点观测，其精度取决于浮标自身的GPS定位精度（通常在几十米到百米级）。HYCOM环境数据：空间分辨率为 0.08°（约9公里）。3..表格数据 (bouydata_3_1.csv) 详细说明记录条数文件中包含大量浮标在不同时间点的观测记录。每行代表一个浮标在某一时刻的状态。列标签含义与计量单位CSV文件中的各列（从左到右）含义如下：ID (e.g., 98961, 300234061506350)：浮标唯一标识符（Drifter ID）。Time (e.g., 2011-03-23 06:00:00)：观测时间（UTC）。Latitude (e.g., 21.835)：纬度（单位：度, °N）。Longitude (e.g., 122.23)：经度（单位：度, °E）。SST (e.g., 24.635)：浮标实测的海表温度（Sea Surface Temperature measured by drifter, 单位：摄氏度, °C）。UE (e.g., -16.35)：纬向流速（Zonal velocity, 单位：厘米/秒, cm/s）。VN (e.g., 50.065)：经向流速（Meridional velocity, 单位：厘米/秒, cm/s）。SPD (e.g., 52.667)：合成流速（Current speed, 由U和V计算得出，单位：厘米/秒, cm/s）。VAR.LAT (e.g., 3.6578e-06)：纬向流速的方差（单位：(cm/s)²）。VAR_LON (e.g., 5.2406e-06)：经向流速的方差（单位：(cm/s)²）。VAR_TEMP (e.g., 0.0016372)：海表温度的方差（单位：°C²）。