数据集概述
本数据集包含法国及边界48个地点2024年初的历史气象观测与预报数据，用于机器学习训练。数据涵盖45个站点的观测记录及多分辨率数值预报结果，包含温度、风速、风向等气象要素，具有小时级时间分辨率。
文件详解
- 观测数据文件（MES_YYYY.csv）
- 文件名称：遵循
MES_YYYY.csv模式（YYYY为站点ID）
- 文件格式：CSV
- 字段映射介绍：每小时一条记录，字段包括Date(TU)（观测日期，格式DD/MM/YYYY HH:MM）、Temperature2m_degC（2米高度气温，单位℃）、WindSpeed10m_m/s（10米高度风速，单位m/s）、WindDirection10m_deg（10米高度风向，单位度）；缺失值用"-999"表示
- 站点列表文件（Station_list.csv）
- 文件名称：Station_list.csv
- 文件格式：CSV
- 字段映射介绍：包含45个站点的ID、名称、纬度和经度信息
- 预报数据文件（XXX_YYYY.csv）
- 文件名称：遵循
XXX_YYYY.csv模式（XXX为预报模型ID，YYYY为网格输出位置ID）
- 文件格式：CSV
- 字段映射介绍：每小时一条预报记录，字段包括First date run (TU)（预报起始日期，格式DD/MM/YYYY HH:MM）、Forecast date（预报日期，格式DD/MM/YYYY HH:MM）、Temperature2m_degC（2米高度气温，单位℃）、WindSpeed10m_m/s（10米高度风速，单位m/s）、WindDirection10m_deg（10米高度风向，单位度）；缺失值用"-999"表示
- 预报模型说明："GFS0.25-Complet"为0.25°分辨率GFS模型，"LEXIS"为EVEREST项目LEXIS链WRF模型，"WRF3KM-Complet"为NUMTECH 3km分辨率WRF模型，"WRF12KM-Complet"为NUMTECH 12km分辨率WRF模型
适用场景
- 气象预测模型训练: 用于机器学习模型训练，提升温度、风速、风向等气象要素的预测精度
- 多分辨率预报效果评估: 对比不同分辨率（0.25°、3km、12km）数值预报模型的性能差异
- 气象站点数据挖掘: 分析45个站点的小时级观测数据，挖掘气象要素时空变化规律
- 气象缺失值插补研究: 基于现有观测与预报数据，开发缺失值插补算法
- 机器学习数据预处理实践: 作为气象领域机器学习项目的预处理案例，包括数据清洗、特征工程等
