ClimDetect/ClimDetect

`ClimDetect`数据集结合了来自CMIP6历史实验和ScenarioMIP实验（ssp245和ssp370）的每日2米表面温度、2米比湿度和总降水量数据。数据集通过从原始CMIP6模型输出中选择每日快照，每5天使用最近邻插值进行子采样，并重新网格化为统一的64（纬度）x 128（经度）全球网格。

The `ClimDetect` dataset integrates daily 2-meter surface temperature, 2-meter specific humidity, and total precipitation data from the CMIP6 Historical experiment and ScenarioMIP experiments (ssp245 and ssp370). It is processed by extracting daily snapshots from the raw CMIP6 model outputs, performing subsampling at 5-day intervals via nearest-neighbor interpolation, and regridding to a unified global grid of 64 (latitude) × 128 (longitude).

原始信息汇总

ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution

数据集详情

ClimDetect 数据集整合了来自 CMIP6 历史和 ScenarioMIP（ssp245 和 ssp370）实验的每日 2m 地表温度（‘tas’）、2m 比湿度（‘huss’）和总降水量（‘pr’）数据。这些数据来源于 CMIP6 模型输出，经过处理后，每日数据被选择并每隔 5 天进行最近邻插值，然后重新网格化为统一的 64（纬度）x 128（经度）全球网格。

数据集配置

• 默认配置 (default)

  • 训练集 (train): train/*.parquet
  • 验证集 (validation): validation/*.parquet
  • 测试集 (test): test/*.parquet

• 迷你配置 (mini)

  • 训练集 (train): mini/train/*.parquet
  • 验证集 (validation): mini/validation/*.parquet
  • 测试集 (test): mini/test/*.parquet

使用条款

使用该数据集需遵守 CC-by-4.0-Deed 许可协议。

搜集汇总

数据集介绍

构建方式

ClimDetect数据集的构建，是基于CMIP6历史和ScenarioMIP（ssp245和ssp370）实验的每日2米表面温度（‘tas’）、2米特定湿度（‘huss’）和总降水量（‘pr’）数据。数据集从原始的CMIP6模型输出中选取每日快照，通过最近邻插值每5天进行子采样，并重新网格化到一个均匀的64（纬度）x 128（经度）的全球网格上，以确保数据的一致性和可比性。

使用方法

用户可以通过Hugging Face的load_dataset函数加载ClimDetect数据集，支持 full dataset、small dev set 和 reanalysis 等子集。加载后，数据集可以被转换为PyTorch Dataset类，方便在深度学习模型中进行训练和验证。此外，官方还提供了用于训练Vision Transformer模型的示例Colab笔记本，以指导用户如何使用该数据集进行模型训练和数据分析。

背景与挑战

背景概述

ClimDetect数据集，作为气候变迁检测与归因领域的基准数据集，汇集了CMIP6历史实验及ScenarioMIP（ssp245与ssp370）情景下的日平均2米地表温度（‘tas’）、2米特定湿度（‘huss’）及总降水量（‘pr’）数据。该数据集由Sungduk Yu等研究人员于2024年构建，旨在为气候变迁的研究提供有力的数据支撑，其研究成果已在科学文献中发表。ClimDetect数据集的构建，不仅丰富了气候变迁研究领域的数据资源，也为相关算法模型的训练与验证提供了重要依据，对推动气候变迁检测与归因技术的发展具有重要意义。

当前挑战

ClimDetect数据集在构建过程中面临了多方面的挑战。首先，数据集整合了来自不同模型和实验的数据，需要对数据进行严格的筛选与处理，以确保数据质量的一致性。其次，数据集的构建还涉及到数据格式的统一、时间序列的抽样以及空间网格的重新划分等问题，这些都需要复杂的数据处理技术。在研究领域问题方面，ClimDetect数据集旨在解决气候变迁检测与归因的问题，但如何准确识别和量化气候变化信号，以及如何区分自然变异与人为影响，是该领域面临的主要挑战。

常用场景

经典使用场景

在气候变化的监测与归因研究中，ClimDetect数据集被广泛用于训练和评估机器学习模型。其经典的运用场景包括对地表温度、相对湿度和总降水量等气候变量的时空模式进行分析，以检测气候变化信号并归因于自然和人为因素。

解决学术问题

ClimDetect数据集解决了气候变化研究中对于大规模、标准化气候数据的需求。它为学者提供了CMIP6模型的历史和情景实验数据，有助于识别和量化气候变化模式，进而为气候政策制定和风险评估提供了科学依据。

实际应用

在实际应用中，ClimDetect数据集可用于气候模型的验证、气候异常的监测以及气候变化的长期趋势分析。此外，它还可支持气候服务行业，如农业、水资源管理和自然灾害预警系统，提供数据支撑。

数据集最近研究

最新研究方向

在气候变化研究领域，ClimDetect数据集的构建为气候变化的检测与归因提供了新的基准。该数据集整合了CMIP6历史和 ScenarioMIP实验中的地表温度、比湿度和总降水量数据，通过精细的数据处理，为研究者提供了深入分析气候模式与气候变化之间关联的工具。近期研究利用ClimDetect数据集，聚焦于发展更加精确的气候模型，以提升对气候变化机制的洞察力，进而为政策制定者和环境保护行动提供科学依据。此数据集的研究不仅推动了气候科学的发展，也为应对全球气候变化提供了数据支撑，其影响和意义不容小觑。