MFogHub：用于全球海洋雾检测与预测的跨区域、跨卫星数据桥接
计算机视觉与模式识别
2025-05-16 v1
摘要
深度学习方法在海洋雾检测与预测方面已超过传统方法，展现出重大的科学和实际重要性。然而，受限于开源数据集的可获得性，这仍是一个主要挑战。现有数据集往往针对单个地区或单个卫星，限制了在不同条件下评估模型性能的能力，并阻碍了对内在海洋雾特性的探索。为此，我们引入了MFogHub——第一个集成来自15个沿海易发生雾霾地区和6个地球同步卫星观测数据的多区域、多卫星数据集，包含超过68,000个高分辨率样本。通过涵盖多样化的地区和卫星视角，MFogHub促进了在不同条件下进行检测和预测方法的严格评估。对16个基线模型的大量实验表明，MFogHub能够揭示由于地区和卫星差异导致的泛化波动，同时也为开发针对性且可扩展的雾预测技术提供了宝贵资源。通过MFogHub，我们致力于在全球范围内推进海洋雾动力学的实际监测和科学理解。数据集和代码位于https://github.com/kaka0910/MFogHub。
引用
@article{arxiv.2505.10281,
title = {MFogHub: Bridging Multi-Regional and Multi-Satellite Data for Global Marine Fog Detection and Forecasting},
author = {Mengqiu Xu and Kaixin Chen and Heng Guo and Yixiang Huang and Ming Wu and Zhenwei Shi and Chuang Zhang and Jun Guo},
journal= {arXiv preprint arXiv:2505.10281},
year = {2025}
}