論文の概要: ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution
- arxiv url: http://arxiv.org/abs/2408.15993v2
- Date: Mon, 10 Mar 2025 20:45:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 15:39:54.744306
- 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, Yaniv Gurwicz, Raanan Y. Rohekar, Tung Nguyen, Vasudev Lal,
- Abstract要約: ClimDetectは、目標の気候変動指標変数と組み合わせた1日当たりの1.17万の気候スナップショットからなる標準化データセットである。
このデータセットは、CMIP6気候モデルシミュレーションと実世界の観測アシミュレートされた再分析データセットの両方から算出される。
私たちはまた、気候変動検出タスクのためにこれまで試みられていない新しいアプローチである、気候変動データへのビジョントランスフォーマー(ViT)の適用についても検討しています。
- 参考スコア（独自算出の注目度）: 6.919867656801517
- License:
- Abstract: Detecting and attributing temperature increases driven by climate change is crucial for understanding global warming and informing adaptation strategies. However, distinguishing human-induced climate signals from natural variability remains challenging for traditional detection and attribution (D&A) methods, which rely on identifying specific "fingerprints" -- spatial patterns expected to emerge from external forcings such as greenhouse gas emissions. Deep learning offers promise in discerning these complex patterns within expansive spatial datasets, yet the lack of standardized protocols has hindered consistent comparisons across studies. To address this gap, we introduce ClimDetect, a standardized dataset comprising 1.17M daily climate snapshots paired with target climate change indicator variables. The dataset is curated from both CMIP6 climate model simulations and real-world observation-assimilated reanalysis datasets (ERA5, JRA-3Q, and MERRA-2), and is designed to enhance model accuracy in detecting climate change signals. ClimDetect integrates various input and target variables used in previous research, ensuring comparability and consistency across studies. We also explore the application of vision transformers (ViT) to climate data -- a novel approach that, to our knowledge, has not been attempted before for climate change detection tasks. Our open-access data serve as a benchmark for advancing climate science by enabling end-to-end model development and evaluation. ClimDetect is publicly accessible via Hugging Face dataset repository 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具体化に不可欠である。
しかし、温室効果ガスの排出のような外部の強制力から生じると予測される、特定の「指紋」を特定することに依存する従来の検知と属性(D&A)手法では、人為的な気候信号と自然変動を区別することは依然として困難である。
ディープラーニングは、これらの複雑なパターンを拡張可能な空間データセット内で識別する上で有望だが、標準化された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。
このギャップに対処するために、ClimDetectを紹介します。ClimDetectは、ターゲットの気候変動指標変数と組み合わせた、毎日1.17万の気候スナップショットからなる標準化されたデータセットです。
このデータセットは, CMIP6気候モデルシミュレーションと実世界の観測アシミュレートされた再解析データセット (ERA5, JRA-3Q, MERRA-2) から算出され, 気候変動信号の検出におけるモデル精度の向上を目的としている。
ClimDetectは、以前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、研究間の互換性と一貫性を確保する。
私たちはまた、気候変動検出タスクのためにこれまで試みられていない新しいアプローチである、気候変動データへのビジョントランスフォーマー(ViT)の適用についても検討しています。
我々のオープンアクセスデータは、エンドツーエンドのモデルの開発と評価を可能にすることで、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
- Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。
CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。
QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
論文 参考訳（メタデータ） (2024-10-31T11:20:13Z) - Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。
科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。
そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
論文 参考訳（メタデータ） (2024-10-09T15:57:50Z) - Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - 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) - 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) - 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) - 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) - Controlling Weather Field Synthesis Using Variational Autoencoders [0.0]
本稿では、気候データを既知の分布にマッピングすることで、そのようなバイアスを探索する方法について検討する。
In-dia南西部のモンスーンの影響した降水データセットを用いて実験を行った。
我々は,複素ウェザーデータを既知の分布にマッピングすることで,気象場合成の効率的な制御を極端に多く(あるいはそれ以下)行うことを報告した。
論文 参考訳（メタデータ） (2021-07-30T19:17:30Z) - 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。