uogw

Unified Open Global Weather (UOGW) 是一个开放的大气数据公共数据集，由 Aerostratospheric（伊利诺伊州凯西）策划和维护。该数据集作为版本化的发现和采样层，整合了来自地面、海洋、高空、平流层/空间、卫星/模型以及第一方 MSDS 近空间飞行产品的公开大气观测数据。它不替代 NOAA、NASA、ECMWF 或 NWS 等官方记录系统，仅用于研究筛选，非官方预报或预警产品。数据以每日镜像形式在 Hugging Face 上发布（UTC 11:00），包含多个 JSON 和 Markdown 文件，如 science-package.json、science-analytics.json、anomaly-report.json、global-cities.json 等。城市观测典型字段包括温度、湿度、风速、气压、降水量等。数据规模为 1K<n<10K 样本。预期用途包括研究筛选、教育、可复现开源仪表板、小型表格模型的特征表等。Unified Open Global Weather (UOGW) is an open atmospheric data commons curated and maintained by Aerostratospheric (Casey, IL). This dataset serves as a versioned discovery and sampling layer, integrating public atmospheric observations from surface, marine, upper-air, stratosphere/space, satellite/model, and first-party MSDS near-space flight products. It does not replace official record systems such as NOAA, NASA, ECMWF, or NWS, and is intended only for research screening, not official forecasting or warning products. Data is published as daily mirrors on Hugging Face (11:00 UTC) and contains multiple JSON and Markdown files, including science-package.json, science-analytics.json, anomaly-report.json, global-cities.json, etc. Typical urban observation fields include temperature_c, relative_humidity_pct, wind_speed_ms, pressure_msl_hpa, precipitation_mm, etc. Dataset size is 1K<n<10K samples per Hugging Face classification. Intended uses include research screening, education, reproducible open-source dashboards, feature tables for small tabular models, and a citation/provenance layer for institutional data sources.

原始信息汇总

Unified Open Global Weather (UOGW) 数据集概述

基本信息

• 数据集名称：Unified Open Global Weather (UOGW)
• 发布机构：Aerostratospheric（位于美国伊利诺伊州Casey市）
• 许可证：CC BY 4.0
• 任务类型：时间序列预测、表格分类
• 数据规模：1K-10K 条记录
• 更新频率：每日 11:00 UTC 自动同步

数据集定位

UOGW 是一个大气开放数据的版本化发现与采样层，整合了地面、海洋、高空、平流层/空间、卫星/模型以及自研的近空间飞行观测数据。该数据集不是官方预报或预警产品，也不替代 NOAA、NASA、ECMWF 或 NWS 的官方数据系统，仅用于研究筛查目的。

数据内容与目录结构

路径	内容说明
data/latest/science-package.json	当前周期的合并观测数据与摘要
data/latest/science-analytics.json	极值、覆盖率、热指数标记
data/latest/anomaly-report.json	多方法异常筛查报告（分级：无/信息/关注/警报）
data/latest/global-cities.json	全球城市采样网络（温度、湿度、风、气压、降水）
data/latest/casey-hourly.json	伊利诺伊州Casey站24小时地面序列
data/latest/hub-endpoints.json	公共数据中心稳定URL映射
catalog/	25+个源数据集的目录
reports/	每日/每周状态说明

典型城市观测字段包括：temperature_c、relative_humidity_pct、wind_speed_ms、pressure_msl_hpa、precipitation_mm、lat、lon、ok。异常行包含人工可读的 severity 等级和 methods 块（z分数、百分位数、7日基线的均值/中位数/MAD等）。

数据来源

观测数据来自公开数据提供商（如 Open-Meteo、NOAA NDBC、NOAA NCEI、NASA 等），同时包含自有的 MSDS / Aerostratospheric 飞行产品和 Casey 地面观测数据。

预期用途与局限性

适用场景：

• 研究筛查、教育和可复现的开放式仪表板
• 小型表格模型的特征表

不适用场景：

• 运营级气象预报
• 生命安全警报
• 作为 ERA5、GFS 或基础模型天气语料库的替代品

已知局限性：

• 城市网络是采样数据，而非全球分析场
• 异常标签基于已发布的规则集，非独立"发现"事件
• 镜像仅保存"最新包"，不包含多年的再分析历史数据
• 历史异常快照存放在 GitHub 仓库及关联数据集 GIR 中

引用方式

Aerostratospheric / Midwest Stratospheric Data Systems (2026). Unified Open Global Weather (UOGW). https://www.midwestsds.com/ https://github.com/Midwest-Stratospheric/Unified-Open-Global-Weather https://huggingface.co/datasets/aerostratospheric/uogw

搜集汇总

数据集介绍

构建方式

UOGW数据集由Aerostratospheric机构精心构建，作为开放大气数据共享层，每日通过GitHub Actions同步更新，将来自NOAA、NASA、ECMWF等权威来源的地面、海洋、高空及平流层观测数据，与自身近空间飞行产品整合为统一的科学包。该数据集以JSON格式存储于HuggingFace仓库，包含综合观测记录、异常检测报告、全球城市采样网络及逐小时本地气象序列，并附带详尽的目录与状态报告。

特点

该数据集的显著特征在于其多源异构数据的系统化集成，覆盖从地表到平流层的多层次气象观测，提供包括关键气象要素的全球城市样本网。其异常检测模块融合多种统计方法，生成具有人类可读严重性等级和详细方法学依据的告警。数据集包含25个以上的源数据目录，并附带每日更新的科学分析文件，支持快速获取全球天气态势。

使用方法

研究人员可通过Hugging Face Hub便捷获取UOGW数据集，利用提供的Python函数直接加载科学包、城市观测及异常报告等JSON文件。该数据集适用于气象研究筛选、教学演示及构建小规模表格模型，配套的scientific-suite仓库提供了消费该数据包的sklearn模型头部代码。用户应遵循CC BY 4.0许可，并在发布衍生成果时注明原始数据提供方的贡献。

背景与挑战

背景概述

统一开放全球天气（UOGW）数据集由伊利诺伊州非营利组织Aerostratospheric于2026年创建，旨在整合地面、海洋、高空及平流层等多源开放大气观测数据，为时间序列预测与异常检测研究提供统一、可版本化的数据访问层。该数据集由Midwest Stratospheric Data Systems维护，每日通过自动化流程同步更新，其设计初衷在于弥合原始机构数据源（如NOAA、NASA）与研究应用之间的鸿沟，尤其服务于中小尺度气象建模与教育场景。UOGW的出现推动了开放数据在气象人工智能领域的规范化使用，为后续科学套件（uogw-scientific-suite）及下游模型训练提供了标准化输入，对促进气象数据驱动的机器学习研究具有积极作用。

当前挑战

UOGW数据集面临多重挑战。在领域问题层面，气象观测数据具有显著的多源异质性、时空非均匀性及噪声干扰，如何实现跨平台数据的高效融合与尺度统一成为构建集成式大气数据资源的核心难题。同时，异常检测方法需适应不同高度的物理特征，仅依赖统计规则易产生误判。在构建过程中，开发者需平衡数据更新频率与质量控制，确保每日发布的科学包兼具时效性与可靠性；此外，数据许可的复杂度与上游数据源的持续性供应亦构成隐性风险，而镜像存储的实时同步机制及历史版本追溯技术的局限性，则对数据集的长期可用性与可复现性提出严峻考验。

常用场景

经典使用场景

UOGW数据集作为统一开放全球天气数据公共池，其经典使用场景聚焦于时间序列预测与表格分类研究。研究者可基于其每日更新的全球城市观测网络（涵盖温度、湿度、风速、气压及降水等关键气象要素）构建精细化短临天气预测模型，亦可将该数据集的多源异构观测记录转化为结构化特征矩阵，用于气象态势的自动化分类与识别。该数据集的版本化设计与标准化JSON格式为跨机构、跨平台的可复现实验提供了坚实的基准数据支撑。

解决学术问题

该数据集有力回应了大气科学领域长期存在的数据碎片化与获取壁垒问题。通过汇集地面、海洋、高空、平流层及卫星等多平台观测记录，有效解决了研究者因数据源分散而导致的整合成本高昂之困境。同时，其内置的多方法异常筛查模块（如z分数与MAD）为气象异常检测研究提供了规范化的比对基线，极大便利了关于极端天气事件识别与气候异常信号甄别方面的学术探索，推动了开放科学背景下气象数据共享范式的演进。

衍生相关工作

围绕UOWG数据集，已衍生出一系列富有影响力的工作。以与其配套的“uogw-scientific-suite”为代表，展示了如何基于该数据集的每日科学包训练轻量级、可解释的sklearn模型用于气象要素预测，树立了数据驱动的科研范式。此外，其姊妹数据集“GIR”通过留存历史异常快照，为时间序列回测与模型验证提供了数据闭环，催生了众多关于极端天气模式挖掘、异常演化追踪以及城市气象微环境差异对比的后续研究，有力促进了大气科学领域与机器学习方法的深度融合。