FloodCastBench：面向洪水建模与预测的大规模数据集及基础模型基准
DOI：10.11878/db.202506.076351
CSTR：10441.11.202506.076351
-
最新更新时间2025-06-19 -
数据量22118.4 -
数据访问量 -
数据评级
数据基本信息
数据时间：
2015 年\2019 年\2022 年
空间位置：
英国、莫桑比克、巴基斯坦、澳大利亚
关 键 词：
FloodCastBench
洪水
灾害
学科类别：
420测绘科学技术 - 420.20摄影测量与遥感技术 - 420.2040遥感信息工程
主题分类：
遥感基础数据 - 遥感样本数据 - null - null
数据类型：
除原始遥感影像外的栅格数据
来源机构：
国家对地观测数据中心
下载地址：
数据摘要
FloodCastBench 是专为机器学习驱动的洪水建模与预报而设计的综合性数据集，涵盖 2015 年英国、2019 年莫桑比克、2022 年巴基斯坦及 2022 年澳大利亚四大洪水事件。数据集分为三大模块：低精度洪水预报（空间分辨率 480 m，含巴基斯坦与莫桑比克事件）、高精度洪水预报（空间分辨率 30 m 与 60 m，含澳大利亚与英国事件）及辅助数据（DEM、土地利用/覆盖、降雨时序、地理参考与初始条件）。所有时空数据均以 TIFF 格式存储，时间分辨率为 300 s，文件按时间步长递增编号。数据集结合有限差分数值解，对洪水动态过程进行高分辨率（30 m × 300 s）模拟，并通过 SAR 测图与地面勘测轮廓进行参数校准与结果验证。此外，FloodCastBench 还提供神经网络洪水预报基础模型基准，支持跨区域、时空及降尺度洪水预报研究，为机器学习在水文灾害领域的应用提供了标准化、可重复的测试平台。
数据联系人信息
姓 名：
Xiao Xiang Zhu
联系人电话：
邮 编：
联系人邮箱：
xiaoxiang.zhu@tum.de
单 位：
地球观测中的数据科学，慕尼黑工业大学，慕尼黑，80333，德国
地 址：
Arciss 路 21号 D-80333 慕尼黑, 德国
相关论文