ClimDetect: Набор данных для оценки и атрибуции изменений климата

ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution

August 28, 2024

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

cs.AI

Аннотация

Обнаружение и атрибуция увеличения температуры из-за изменения климата критически важны для понимания глобального потепления и направления стратегий адаптации. Сложность различения сигналов изменения климата, вызванных человеком, от естественной изменчивости, представляет собой вызов для традиционных подходов к обнаружению и атрибуции (D&A), которые стремятся выявить конкретные "отпечатки пальцев" в переменных климатического ответа. Глубокое обучение предлагает потенциал для выявления этих сложных паттернов в обширных пространственных наборах данных. Однако отсутствие стандартных протоколов затруднило согласованные сравнения между исследованиями. Мы представляем ClimDetect, стандартизированный набор данных из более чем 816 тыс. ежедневных снимков климата, разработанный для повышения точности модели в выявлении сигналов изменения климата. ClimDetect интегрирует различные входные и целевые переменные, использованные в прошлых исследованиях, обеспечивая сравнимость и последовательность. Мы также исследуем применение видовых трансформеров (ViT) к климатическим данным, новый и современный подход в этом контексте. Наши данные и код с открытым доступом служат эталоном для продвижения климатической науки через улучшение оценок моделей. ClimDetect общедоступен через репозиторий данных Huggingface по ссылке: 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.