論文の概要: ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution
- arxiv url: http://arxiv.org/abs/2408.15993v1
- Date: Wed, 28 Aug 2024 17:58:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-29 14:59:16.336401
- Title: ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution
- Title(参考訳): ClimDetect: 気候変動検出と属性のためのベンチマークデータセット
- Authors: Sungduk Yu, Brian L. White, Anahita Bhiwandiwalla, Musashi Hinck, Matthew Lyle Olson, Tung Nguyen, Vasudev Lal,
- Abstract要約: ClimDetectは、毎日816万の気候スナップショットを標準化したデータセットです。
ClimDetectは、過去の研究で使われた様々な入力変数とターゲット変数を統合し、一貫性を確保する。
私たちのオープンアクセスデータとコードは、モデル評価の改善を通じて気候科学を進化させるためのベンチマークとして役立ちます。
- 参考スコア(独自算出の注目度): 5.672396746168209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting and attributing temperature increases due to climate change is crucial for understanding global warming and guiding adaptation strategies. The complexity of distinguishing human-induced climate signals from natural variability has challenged traditional detection and attribution (D&A) approaches, which seek to identify specific "fingerprints" in climate response variables. Deep learning offers potential for discerning these complex patterns in expansive spatial datasets. However, lack of standard protocols has hindered consistent comparisons across studies. We introduce ClimDetect, a standardized dataset of over 816k daily climate snapshots, designed to enhance model accuracy in identifying climate change signals. ClimDetect integrates various input and target variables used in past research, ensuring comparability and consistency. We also explore the application of vision transformers (ViT) to climate data, a novel and modernizing approach in this context. Our open-access data and code serve as a benchmark for advancing climate science through improved model evaluations. ClimDetect is publicly accessible via Huggingface dataet respository at: https://huggingface.co/datasets/ClimDetect/ClimDetect.
- Abstract(参考訳): 気候変動による気温上昇の検出と寄与は、地球温暖化の理解と適応戦略の導出に不可欠である。
人為的な気候信号と自然変動を区別する複雑さは、気候応答変数の特定の「指紋」を特定する伝統的な検出と属性(D&A)アプローチに挑戦している。
深層学習は、これらの複雑なパターンを拡張空間データセットで識別する可能性がある。
しかし、標準プロトコルの欠如は、研究全体で一貫した比較を妨げている。
ClimDetectは、気候変化信号の同定におけるモデル精度の向上を目的として、毎日816万以上の気候スナップショットを標準化したデータセットである。
ClimDetectは、過去の研究で使われた様々な入力変数とターゲット変数を統合し、互換性と一貫性を確保する。
また、この文脈で新しく近代化されたアプローチである、気候データへの視覚変換器(ViT)の適用についても検討する。
私たちのオープンアクセスデータとコードは、モデル評価の改善を通じて気候科学を進化させるためのベンチマークとして役立ちます。
https://huggingface.co/datasets/ClimDetect/ClimDetect。
関連論文リスト
- Vision-Language Models Meet Meteorology: Developing Models for Extreme Weather Events Detection with Heatmaps [30.771706309741656]
極端な気象のリアルタイム検出と予測は、人間の生命とインフラを保護する。
従来の手法は地理情報システム(GIS)を用いた気象熱マップの数値しきい値設定と手動解釈に依存している。
本研究は,視覚質問応答 (VQA) 問題としてフレーミングすることで,極度気象事象検出 (EWED) を再定義する。
論文 参考訳(メタデータ) (2024-06-14T08:46:44Z) - PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳(メタデータ) (2024-06-04T13:51:08Z) - Generative Adversarial Models for Extreme Geospatial Downscaling [0.0]
本稿では,非常に高いスケーリング係数に対応可能な条件付きGANに基づく地理空間ダウンスケーリング手法について述べる。
この手法は、既存の手法では無視されがちなダウンスケーリングプロセスに固有の不確実性を明確に考慮する。
1つの決定論的結果ではなく、多量の高分解能サンプルを生成する。
論文 参考訳(メタデータ) (2024-02-21T18:25:04Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Multi-variable Hard Physical Constraints for Climate Model Downscaling [17.402215838651557]
地球温暖化モデル(GCM)は、気候変動の進化をシミュレートし、気候変動の影響を評価する主要なツールである。
彼らはしばしば、局所的な現象を再現する際の精度を制限する粗い空間分解能で操作する。
本研究は, この問題の範囲を調査し, 温度適用を通じて多変量制約を導入したフレームワークの基礎を定めている。
論文 参考訳(メタデータ) (2023-08-02T11:42:02Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:14:11Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳(メタデータ) (2023-01-24T23:19:01Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Encoding Causal Macrovariables [0.0]
多くの科学分野において、よりきめ細かい系の力学を説明・予測するために粗粒因果モデルが用いられる。
この研究は、マイクロステート間の情報ボトルネックとして因果マクロ変数の新たな特徴化にインスパイアされた、新しいアルゴリズム的アプローチを導入する。
論文 参考訳(メタデータ) (2021-11-29T17:25:11Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z) - HECT: High-Dimensional Ensemble Consistency Testing for Climate Models [1.7587442088965226]
気候モデルは、気候変動が気候変動に与える影響を理解する上で重要な役割を担い、気候変動のリスクを軽減し、決定を通知する。
コミュニティアース・システム・モデル (CESM) のような大域的な気候モデルは、大気、陸、海、氷の相互作用を記述する数百万行のコードで非常に複雑である。
私たちの研究は、木に基づくアルゴリズムやディープニューラルネットワークのような確率論的手法を使って、高次元および人為的なデータの統計的に厳密な適合性テストを行います。
論文 参考訳(メタデータ) (2020-10-08T15:16:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。