グローバルオフショア・ウィンド・インフラ：密集型 Sentinel-1 タイムシリーズから見る導入と運用のダイナミクス

arXiv:2604.20822v1 Announce Type: cross 要旨：オフショア・ウィンドエネルギー分野は急速に拡大しており、世界的なインフラの導入と運用に対する独立した、高い時間解像度の監視ニーズが高まっています。地球観測に基づくオフショア・ウィンドインフラのマッピングは空間的定位において成熟しましたが、既存の公開データセットは建設と運用のダイナミクスに関する時間的に密集し、文脈的に細粒度の情報に欠けています。私たちは、2016 年第 1 四半期から 2025 年第 1 四半期に至るまでのオフショア・ウィンドインフラの導入および運用フェーズを解像できる、グローバルな Sentinel-1 合成孔径レーダー（SAR）タイムシリーズデータコーパスを登場させます。更新されたオブジェクト検出ワークフローに基づき、検出されたインフラ所在地に 15,606 つのタイムシリーズを統合し、分析準備済みの 1 次元 SAR 散乱プロファイルとして、総計 14,840,637 件のイベントを生成しました。これは、各 Sentinel-1 取得および位置ごとに 1 つのプロフィールを有しています。利用性とベンチマーキングを可能にするために、私たちは (i) 分析準備済みの 1 次元 SAR プロファイル、(ii) ルールベースクラシファーによって生成されたイベントレベルの基線セマンティックラベル、(iii) 328,657 件のイベントラベル付きの 553 つのタイムシリーズを含む専門家による标注ベンチマークデータセットをリリースしました。基線クラシファーは、イベントごとの評価においてマクロ F1 スコアで 0.84、崩壊エディット類似性・品質閾値曲線下の面積（AUC）で 0.785 を達成し、時間的な整合性を示しています。私たちは、得られたコーパスが導入ダイナミクス、地域的な導入パターンの差異、船舶間の相互作用、および運用イベントの同定に対する世界的規模の分析を可能にし、オフショア・ウィンドインフラ監視のためのタイムシリーズ分類法の開発と比較における参照材料を提供することを示しました。

arXiv:2604.20822v1 Announce Type: cross Abstract: The offshore wind energy sector is expanding rapidly, increasing the need for independent, high-temporal-resolution monitoring of infrastructure deployment and operation at global scale. While Earth Observation based offshore wind infrastructure mapping has matured for spatial localization, existing open datasets lack temporally dense and semantically fine-grained information on construction and operational dynamics. We introduce a global Sentinel-1 synthetic aperture radar (SAR) time series data corpus that resolves deployment and operational phases of offshore wind infrastructure from 2016Q1 to 2025Q1. Building on an updated object detection workflow, we compile 15,606 time series at detected infrastructure locations, with overall 14,840,637 events as analysis-ready 1D SAR backscatter profiles, one profile per Sentinel-1 acquisition and location. To enable direct use and benchmarking, we release (i) the analysis ready 1D SAR profiles, (ii) event-level baseline semantic labels generated by a rule-based classifier, and (iii) an expert-annotated benchmark dataset of 553 time series with 328,657 event labels. The baseline classifier achieves a macro F1 score of 0.84 in event-wise evaluation and an area under the collapsed edit similarity-quality threshold curve (AUC) of 0.785, indicating temporal coherence. We demonstrate that the resulting corpus supports global-scale analyses of deployment dynamics, the identification of differences in regional deployment patterns, vessel interactions, and operational events, and provides a reference for developing and comparing time series classification methods for offshore wind infrastructure monitoring.