CLCTG-CYGNSS台风区域海面风速反演模型训练数据集（2019-2023）

本数据集是为《Fused Geophysical–Contrastive Learning Model for CYGNSS-Based Sea Surface Wind Speed Retrieval in Typhoon Regions》一文中所提出的CLCTG（地球物理模型融合的CNN-Transformer对比学习）模型而构建的专用训练数据集。本数据集旨在通过融合多源遥感与再分析数据，解决在极端台风条件下海面风速反演样本稀疏、传统地球物理模型饱和及深度学习模型泛化能力不足的挑战。
数据集核心包含从2019年1月至2023年7月间，经过严格时空匹配与质量控制的798，008条有效样本。每个样本由30个特征构成，其中包括26个源自CYGNSS L1观测的GNSS-R特征（如归一化双基雷达散射截面、前沿坡度、信噪比等）以及4个来自ERA5再分析资料的关键环境参数（平均海平面气压、海表温度、总降水量、有效波高）。样本的标签（目标值）为对应时空位置、经质量控制后的NCEP 10米海面风速。
为针对性提升模型对台风极端风速的感知能力，本训练集采用了增强采样策略，特意对高风速样本（>20 m/s及>30 m/s）进行了富集，使其在数据集中具有更高的代表性，从而引导模型更好地学习台风区域，特别是眼壁附近高风速区的复杂非线性关系。