44Cyber/EvapotranspirationMaroc2022

Données de Séries Temporelles de Station Météorologique

Description du Dataset

Ce jeu de données contient des mesures météorologiques complètes collectées par une station météorologique sur une période étendue de 2016 à 2022. Il fournit des données de séries temporelles de haute qualité pour l'analyse météorologique, les études climatiques et les applications d'apprentissage automatique en prévision météorologique.

Résumé du Dataset

Le dataset comprend des mesures météorologiques agrégées quotidiennement avec 18 variables météorologiques différentes incluant la température, l'humidité, les précipitations, les patterns de vent, le rayonnement solaire et les indicateurs de pression atmosphérique. Les données sont enregistrées à intervalles quotidiens avec des protocoles de mesure cohérents.

Caractéristiques Principales:

• Couverture Temporelle: Juin 2016 - Août 2022
• Fréquence: Mesures quotidiennes
• Variables: 18 paramètres météorologiques
• Enregistrements: ~2 200 observations quotidiennes
• Qualité des Données: Données de station météorologique maintenue professionnellement

Tâches Supportées

• Prévision de Séries Temporelles: Prédire les conditions météorologiques futures basées sur les patterns historiques
• Analyse Climatique: Étudier les tendances météorologiques à long terme
• Détection d'Anomalies: Identifier les événements météorologiques inhabituels
• Ingénierie de Features: Extraire les patterns saisonniers, les tendances et les composantes cycliques
• Tâches de Régression: Modéliser les relations entre les variables météorologiques

Langues

Les étiquettes de données et les en-têtes de colonnes sont fournis en anglais avec une notation allemande (°C pour Celsius).

Structure du Dataset

Instances de Données

Chaque ligne représente les mesures météorologiques d'une seule journée avec la structure suivante:

{
    'Date': '05/08/2022 00:00',
    'mean_Temp[°C]': 24.73,
    'max_Temp[°C]': 35.08,
    'min_Temp[°C]': 15.11,
    'mean_DewPoint[°C]': 12.4,
    'min_DewPoint[°C]': 8.8,
    'mean_SolarRadiation[W/m2]': 361,
    'mean_VPD[kPa]': 1.9,
    'min_VPD[kPa]': 0.3,
    'mean_RelativeHumidity[%]': 51.87,
    'max_RelativeHumidity[%]': 83.3,
    'min_RelativeHumidity[%]': 22,
    'sum_Precipitation[mm]': 0,
    'mean_WindSpeed[m/s]': 0.5,
    'max_WindSpeed[m/s]': 2.1,
    'max_WindSpeedMax[m/s]': 4.4,
    'mean_WindDirection[deg]': None,
    'last_WindDirection[deg]': None,
    'daily ETP [mm]': None
}

Champs de Données

Nom du Champ	Type	Unité	Description
Date	string	-	Date et heure de la mesure (JJ/MM/AAAA HH:MM)
mean_Temp[°C]	float	°C	Température moyenne quotidienne
max_Temp[°C]	float	°C	Température maximale quotidienne
min_Temp[°C]	float	°C	Température minimale quotidienne
mean_DewPoint[°C]	float	°C	Point de rosée moyen quotidien
min_DewPoint[°C]	float	°C	Point de rosée minimal quotidien
mean_SolarRadiation[W/m2]	integer	W/m²	Rayonnement solaire moyen quotidien
mean_VPD[kPa]	float	kPa	Déficit de pression de vapeur moyen quotidien
min_VPD[kPa]	float	kPa	Déficit de pression de vapeur minimal quotidien
mean_RelativeHumidity[%]	float	%	Humidité relative moyenne quotidienne
max_RelativeHumidity[%]	float	%	Humidité relative maximale quotidienne
min_RelativeHumidity[%]	float	%	Humidité relative minimale quotidienne
sum_Precipitation[mm]	float	mm	Précipitation totale quotidienne
mean_WindSpeed[m/s]	float	m/s	Vitesse moyenne du vent quotidienne
max_WindSpeed[m/s]	float	m/s	Vitesse maximale du vent quotidienne
max_WindSpeedMax[m/s]	float	m/s	Vitesse maximale des rafales de vent
mean_WindDirection[deg]	float	degrés	Direction moyenne du vent quotidienne (0-360°)
last_WindDirection[deg]	float	degrés	Dernière direction du vent enregistrée
daily ETP [mm]	float	mm	Évapotranspiration quotidienne

Divisions des Données

Ce dataset ne comporte pas de divisions prédéfinies. Les utilisateurs doivent créer leurs propres divisions train/validation/test selon leur cas d'usage spécifique. Pour les tâches de séries temporelles, il est recommandé d'utiliser des divisions temporelles (ex: entraînement sur 2016-2020, validation sur 2021, test sur 2022).

Création du Dataset

Justification de la Curation

Ce dataset a été créé pour fournir des données météorologiques fiables et à haute fréquence pour la recherche et le développement en prévision météorologique, analyse climatique et applications d'apprentissage automatique. La nature complète des mesures le rend adapté à diverses approches analytiques.

Données Sources

Collection Initiale des Données

Les données ont été collectées à partir d'une station météorologique automatisée équipée de capteurs météorologiques de qualité professionnelle. Les mesures ont été prises en continu avec des agrégations quotidiennes calculées à partir de lectures infra-quotidiennes.

Qualité des Données

• Des valeurs manquantes sont présentes dans certains champs (particulièrement la direction du vent et l'ETP)
• Les mesures de température ont une haute précision (0,01°C)
• Toutes les mesures suivent les protocoles météorologiques standards
• Les données incluent des indicateurs de qualité et ont subi une validation de base

Annotations

Il s'agit d'un dataset d'observation sans annotations manuelles. Toutes les valeurs sont des mesures directes ou des statistiques calculées à partir des données des capteurs.

Considérations pour l'Utilisation des Données

Impact Social

Ce dataset peut contribuer à:

• Améliorer les modèles de prévision météorologique
• Recherche sur le changement climatique
• Planification et optimisation agricoles
• Planification des énergies renouvelables (solaire/éolienne)
• Planification urbaine et conception d'infrastructures

Discussion des Biais

• Biais Géographique: Les données représentent un seul emplacement et peuvent ne pas se généraliser à d'autres régions géographiques ou climats
• Biais Temporel: Limité à la période 2016-2022; peut ne pas capturer les tendances climatiques à long terme
• Couverture Saisonnière: Assurez-vous que votre analyse tient compte des variations saisonnières dans les données

Limitations Connues

• Valeurs manquantes dans les champs de direction du vent pour de nombreux enregistrements
• Les mesures d'ETP (évapotranspiration) sont rares
• L'emplacement unique limite la diversité géographique
• Pas de métadonnées sur les événements de calibration ou de maintenance des capteurs

Informations de Licence

CC BY 4.0 - Vous êtes libre de partager et adapter ces données avec attribution appropriée.

Informations de Citation

@dataset{station_meteo_2022,
  title={Dataset de Séries Temporelles de Station Météorologique},
  author={[44Cyber]},
  year={2022},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/datasets/[44Cyber]/[EvapotranspirationMaroc2022}}
}

Contributions

Merci aux opérateurs de la station météorologique pour la maintenance de l'équipement et la collecte de ces précieuses données.

Exemple d'Utilisation

from datasets import load_dataset
import pandas as pd

# Charger le dataset
dataset = load_dataset("[44Cyber]/[EvapotranspirationMaroc2022]")

# Accéder aux données
df = dataset['train'].to_pandas()

# Exploration de base
print(df.head())
print(df.describe())

# Analyse de séries temporelles
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y %H:%M')
df.set_index('Date', inplace=True)

# Tracer la température dans le temps
df['mean_Temp[°C]'].plot(figsize=(15, 5), title='Température Moyenne Quotidienne')