---
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
```python
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