数据集概述
本数据集是面向数据流预测的大规模基准数据集WaterBench-Iowa，遵循FAIR数据原则，整合美国联邦及州机构（NASA、NOAA、USGS、爱荷华洪水中心）的流量、降水、流域面积、坡度、土壤类型、蒸散量等数据，提供高时空分辨率的时序数据及关系信息，支持机器学习与深度学习研究，弥补地球科学领域统一基准的缺失。
文件详解
- 文件名称：readme.txt
- 文件格式：TXT
- 字段映射介绍：包含数据集及代码说明，提供DOI链接，说明数据集覆盖美国爱荷华州125个流域、2011年10月1日至2018年9月30日的7类特征时序数据
- 文件名称：codes.zip
- 文件格式：ZIP
- 字段映射介绍：数据集相关代码压缩包，用于数据处理或模型运行
- 文件名称：catchment_relationship.csv
- 文件格式：CSV
- 字段映射介绍：包含station_id（站点ID）、upstream_id（上游站点ID）两个字段，记录流域站点间的上下游关系
- 文件名称：data_time_series.zip
- 文件格式：ZIP
- 字段映射介绍：包含125个CSV文件，存储各流域的时序数据，涵盖降水、流量、蒸散量等特征
数据来源
NASA、NOAA、USGS、Iowa Flood Center
适用场景
- 水文预测模型开发: 用于训练和验证数据驱动的小时级数据流预测机器学习模型
- 深度学习基准测试: 基于数据集提供的基准性能，对比不同深度学习架构在水文预测任务中的效果
- 流域关系分析: 利用catchment_relationship.csv研究流域站点间的上下游关联对流量的影响
- 多源水文数据整合研究: 分析降水、蒸散量等多特征与流量的相关性，支撑水文过程机理探索
- 地球科学机器学习应用: 作为统一基准，推动水文领域机器学习方法的标准化对比与发展
