ClimDetect: Un conjunto de datos de referencia para la detección y atribución del cambio climático

ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution

August 28, 2024

Autores: Sungduk Yu, Brian L. White, Anahita Bhiwandiwalla, Musashi Hinck, Matthew Lyle Olson, Tung Nguyen, Vasudev Lal

cs.AI

Resumen

Detectar y atribuir aumentos de temperatura debido al cambio climático es crucial para comprender el calentamiento global y guiar estrategias de adaptación. La complejidad de distinguir señales climáticas inducidas por humanos de la variabilidad natural ha desafiado enfoques tradicionales de detección y atribución (D&A), que buscan identificar "huellas dactilares" específicas en variables de respuesta climática. El aprendizaje profundo ofrece potencial para discernir estos patrones complejos en extensos conjuntos de datos espaciales. Sin embargo, la falta de protocolos estándar ha obstaculizado comparaciones consistentes entre estudios. Presentamos ClimDetect, un conjunto de datos estandarizado de más de 816k instantáneas climáticas diarias, diseñado para mejorar la precisión del modelo en la identificación de señales de cambio climático. ClimDetect integra diversas variables de entrada y objetivo utilizadas en investigaciones pasadas, garantizando comparabilidad y consistencia. También exploramos la aplicación de transformadores de visión (ViT) a datos climáticos, un enfoque novedoso y modernizador en este contexto. Nuestros datos y código de acceso abierto sirven como referencia para avanzar en la ciencia climática a través de evaluaciones de modelos mejoradas. ClimDetect es accesible públicamente a través del repositorio de datos de Huggingface en: https://huggingface.co/datasets/ClimDetect/ClimDetect.

English

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.