ClimDetect: Um Conjunto de Dados de Referência para Detecção e Atribuição de Mudanças Climáticas

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

Resumo

Detectar e atribuir aumentos de temperatura devido às mudanças climáticas é crucial para compreender o aquecimento global e orientar estratégias de adaptação. A complexidade de distinguir sinais climáticos induzidos pelo ser humano da variabilidade natural tem desafiado abordagens tradicionais de detecção e atribuição (D&A), que buscam identificar "impressões digitais" específicas em variáveis de resposta climática. A aprendizagem profunda oferece potencial para discernir esses padrões complexos em extensos conjuntos de dados espaciais. No entanto, a falta de protocolos padrão tem dificultado comparações consistentes entre estudos. Apresentamos o ClimDetect, um conjunto de dados padronizado com mais de 816 mil instantâneos climáticos diários, projetado para aprimorar a precisão do modelo na identificação de sinais de mudanças climáticas. O ClimDetect integra várias variáveis de entrada e alvo usadas em pesquisas anteriores, garantindo comparabilidade e consistência. Também exploramos a aplicação de transformadores de visão (ViT) a dados climáticos, uma abordagem inovadora e modernizadora nesse contexto. Nossos dados e código de acesso aberto servem como referência para avançar a ciência climática por meio de avaliações de modelos aprimoradas. O ClimDetect é publicamente acessível por meio do repositório de dados Huggingface em: 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.