Datasets:

wuff-mann
/

ATLAS-WDS-v2

license: cc-by-4.0
task_categories:
  - image-to-image
tags:
  - oceanography
  - wave-spectrum
  - wind-sea-swell
  - wave-age
  - directional-spectrum

ATLAS-WDS-v2: Wave Directional Spectrum + Wind Field Dataset

海浪方向谱 + 风场融合数据集 (v4.1 管线: 2010–2026, 同站 stdmet 风场, 跨源去重). 每条样本同时含 MEM / Fourier 两种重建方向谱、真实 UTC 时间、 **同站(浮标自带 stdmet)风场 (u10, wdir)、逐点波龄判据 W(f,θ)**。样本按 station + UTC 去重 (文本/DODS 同一物理观测只一条, source 记来源)。

字段

energy_mem, energy_fourier: 展平的 47×72 方向谱 (固定均匀频率网格 0.02–0.5 Hz)
freqs_real: 该样本的真实非均匀频率轴 (47,), 用于波龄判据相速计算
timestamp_utc, station, lat, lon
has_wind: 是否成功匹配到风场
u10 (m/s), wdir (deg true, FROM): 风速/风向 (has_wind=False 时为 NaN)
wave_age_map: 展平的 W(f,θ)=1.2·(u10/c_p)·cos(θ−ψ), c_p=g/(2πf) (无风场为 NaN)
windsea_mask: W>1 风浪区掩码
Hs, Tp, Dp, total_energy: 由 MEM 谱积分得到
source: ndbc_text / dods / cdip

加载

from datasets import load_dataset
import numpy as np
ds = load_dataset("wuff-mann/ATLAS-WDS-v2", split="train")
s = ds[0]
E = np.array(s["energy_mem"], np.float32).reshape(s["n_freqs"], s["n_dirs"])
W = np.array(s["wave_age_map"], np.float32).reshape(s["n_freqs"], s["n_dirs"])
# 纯谱版: 用全量; 风场版: ds.filter(lambda x: x["has_wind"])

对照实验设计

纯谱基线: 全量, 忽略风场列
风场版: has_wind=True 子集, 用 wave_age_map 做强监督正则
MEM vs Fourier: 同一批样本两种方向谱, 比较分割效果