STRATA-SCREAM-sdy2

STRATA-SCREAM (sdy2) 是一个全球风暴分辨大气模拟输出数据集，由SCREAM（简单云解析E3SM大气模型）物理模型生成。它提供高分辨率的全球大气状态场，适用于训练和评估机器学习天气和气候模拟器。数据由外部合作者生成，最初以NetCDF格式公开于NERSC，本版本已重新格式化为ML就绪的Zarr格式并进行了子采样，但未改变原始数据值。数据集包含约34个变量，时间分辨率为10分钟，共1,009个时间步长，空间网格为立方球面ne1024pg2（约4.9公里分辨率，32个垂直层次）。数据为合成数据，无标注，适用于商业和非商业用途。本数据集是三部曲发布的一部分，其他模拟周期可在配套存储库中找到。所有者为美国能源部的E3SM项目，许可证为知识共享署名4.0国际许可协议（CC-BY-4.0）。STRATA-SCREAM (sdy2) is a global storm-resolving atmospheric simulation output dataset generated by the SCREAM (Simple Cloud-Resolving E3SM Atmosphere Model) physics model. It provides high-resolution global atmospheric state fields suitable for training and evaluating machine learning weather and climate simulators. The data was generated by external collaborators, initially released in NetCDF format at NERSC, and this version has been reformatted into ML-ready Zarr format with subsampling, without altering the underlying data values. The dataset contains approximately 34 variables with a temporal resolution of 10 minutes, totaling 1,009 time steps, and a spatial grid of cubed sphere ne1024pg2 (approximately 4.9 km resolution, 32 vertical levels). The data is synthetic, unlabeled, and suitable for both commercial and non-commercial use. This dataset is part of a trilogy release, with other simulation periods available in companion repositories (STRATA-SCREAM-sdecadal, STRATA-SCREAM-sdy1). The owner is the E3SM project of the U.S. Department of Energy, licensed under Creative Commons Attribution 4.0 International (CC-BY-4.0).

原始信息汇总

数据集概述：STRATA-SCREAM (sdy2)

基本信息

• 数据集名称: STRATA-SCREAM (sdy2)
• 许可证: Creative Commons Attribution 4.0 International (CC-BY-4.0)
• 创建日期: 2025-09-22
• 版本: v1.0
• 数据集所有者: E3SM Project (美国能源部)
• 数据集页面地址: https://huggingface.co/datasets/nvidia/STRATA-SCREAM-sdy2

数据集描述

该数据集由SCREAM（Simple Cloud-Resolving E3SM Atmosphere Model）物理模型生成的全球风暴解析大气模拟输出。提供高分辨率全球大气状态场，适用于训练和评估机器学习天气与气候仿真器。数据由外部合作者生产，原始数据公开存储在NERSC，本版本为重新格式化、可直接用于机器学习处理的版本：文件已从NetCDF（.nc）转换为Zarr（.zarr）格式，并进行了子采样，底层数据值未作改动。

任务与标签

• 任务类别: 时间序列预测
• 标签: 气候、天气、大气科学、地理空间、时间序列、模拟

预期用途

训练和评估使用高分辨率全球大气模拟数据的机器学习天气与气候仿真器。

数据特征

• 数据收集方法: 合成数据
• 标注方法: 不适用
• 模态: 地理空间、时间序列
• 格式: Zarr（.zarr）

数据量化

• 记录数量: 1,009个时间步（10分钟时间分辨率）
• 空间网格: 立方球网格 ne1024pg2，25,165,824个柱面（约4.9公里分辨率），32个垂直层
• 特征数量: 约34个变量
• 模拟类型: F2010-SCREAMv1

其他说明

• 伦理考量: NVIDIA认为可信赖AI是共同责任，已建立政策和实践以支持广泛AI应用开发。开发者需与内部团队协作，确保数据集满足相关行业和用例要求。
• 质量问题报告: 质量、风险、安全漏洞或NVIDIA AI相关问题可在此提交：https://www.nvidia.com/en-us/support/submit-security-vulnerability/

关联数据集

本数据集为三部分发布之一，其他模拟时段数据可在以下关联库获取：STRATA-SCREAM-sdecadal、STRATA-SCREAM-sdy1。

原始数据来源

原始SCREAM模拟输出数据（.nc格式）地址：https://portal.nersc.gov/archive/home/n/ndk/www/STRATA2026

搜集汇总

数据集介绍

构建方式

STRATA-SCREAM-sdy2数据集源自美国能源部E3SM项目下的SCREAM（Simple Cloud-Resolving E3SM Atmosphere Model）物理模型模拟输出，旨在生成具有风暴解析能力的全球高分辨率大气状态场。原始数据以NetCDF格式存储于NERSC公共档案库，经外部合作者生产后，由NVIDIA团队进行机器学习友好型改造：将文件格式统一转换为Zarr，并执行时间与空间维度的子采样，以降低存储与计算开销。转换过程中未对原始数值做任何修改，确保数据物理一致性。此版本对应sdy2模拟时段，与sdecadal和sdy1版本共同构成完整的STRATA-SCREAM系列发布。

使用方法

用户可直接通过Zarr加载器（如Xarray或Zarr Python库）读取数据集，利用其时间序列与空间网格结构进行模型训练。推荐将逐时间步的大气状态场作为输入-输出对，构建时序预测或空间映射任务。数据集支持分块读取，便于在GPU集群上开展大规模并行训练。训练前可考虑对变量进行标准化或降采样处理，以适配不同模型架构。该数据适用于研发机器学习驱动的全球天气预报系统、气候模式加速器或高分辨率降尺度工具，并允许商业及非商业用途，遵循CC-BY-4.0许可协议。

背景与挑战

背景概述

STRATA-SCREAM-sdy2数据集由美国能源部E3SM项目团队于2025年9月创建，旨在为机器学习天气与气候仿真器提供高分辨率全球大气状态场。该数据集源自SCREAM（简单云分辨E3SM大气模型）物理模拟，通过将原始NetCDF格式输出转换为Zarr格式并降采样，形成了可直接用于模型训练与评估的标准化资源。其核心研究问题在于利用最先进的暴风解析分辨率（约4.9公里网格）捕捉大气动力与云微物理过程的精细结构，填补了传统粗分辨率气候数据和直接观测数据在空间细节上的不足。数据集包含1009个时间步（10分钟时间分辨率）、超过2500万个空间柱和32个垂直层，为深度学习模型提供了前所未有的时空维度训练素材。此举显著推动了数据驱动气候仿真器的发展，尤其在高影响天气事件预测和气候反馈机制建模方面具有开创性意义。

当前挑战

该数据集面临的主要挑战包括：1) 领域问题层面，现有天气与气候仿真器多依赖参数化方案，难以准确模拟云和降水等次网格过程，而SCREAM的高分辨率输出虽能直接解析风暴尺度动力，但计算代价极高（单次模拟需超算资源），因此需开发高效机器学习仿真器以替代或加速物理模型；2) 构建过程中，原始NetCDF数据体量庞大（约25,165,824个空间列、34个变量），面临存储与I/O瓶颈，转换为Zarr格式时需平衡数据压缩率与访问效率，同时降采样策略必须保留关键物理场的空间连续性；此外，多时间片（sdy1、sdy2、sdecadal）的协调发布增加了版本一致性维护的复杂性。

常用场景

经典使用场景

在全球气候建模与大气科学领域，高分辨率数值模拟数据是理解复杂天气系统与气候演变规律的基石。STRATA-SCREAM-sdy2数据集凭借其约4.9公里空间分辨率和10分钟时间频率的精细化输出，成为训练机器学习天气与气候模拟器（emulator）的黄金标准。研究者可将其作为监督学习中的目标真值，构建深度学习模型以替代传统物理计算的高昂成本，例如利用卷积神经网络或Transformer架构学习大气状态变量（如温度、风速、水汽含量）的时空演化。该数据集以Zarr格式存储、适配于高效分布式计算，支持大规模并行训练，在风暴解析尺度模拟的逼真度与计算效率之间架起桥梁。

解决学术问题

该数据集直面当前地球系统建模的核心困境：传统动力框架虽精度高但计算成本极其昂贵，难以支撑长期集合预报或气候敏感性研究。STRATA-SCREAM-sdy2通过提供全球覆盖的“风暴解析”模拟输出，首次使研究者能够以机器学习方法逼近非静力平衡大气过程，解决了数据驱动模型在极端天气事件（如热带气旋、中尺度对流系统）生成与演变上的表征难题。其意义在于开辟了“物理信息嵌入深度学习”的新范式——不再依赖降尺度的粗糙近似，而是直接在高维网格上学习守恒律与非线性动力约束，从而显著提升季节到年代际预测的可靠性，并推动可解释AI与可微分气候模型的交叉学科进展。

实际应用

在工程化落地层面，STRATA-SCREAM-sdy2直接服务于下一代智能天气预报系统的构建。能源行业可基于该数据集训练的风场与辐射通量模型，优化风电场功率预测与太阳能并网调度；应急管理部门能利用其高时空分辨率的降水与对流参数，提前数日预警山洪或冰雹灾害。航空与航运领域则受益于湍流强度与晴空颠簸的概率性预测，提升航线安全与燃油效率。此外，该数据集的开放许可（CC-BY-4.0）降低了中小企业与初创团队部署自研天气AI模型的门槛，加速了气候风险管理产品（如农业保险精算、城市内涝模拟）的商业化迭代。

数据集最近研究

最新研究方向

当前，随着极端气候事件频发与全球变暖加剧，高分辨率大气模拟数据成为构建精准天气与气候仿真引擎的关键基石。STRATA-SCREAM-sdy2数据集源自美国能源部E3SM项目的SCREAM物理模型，以约4.9公里的风暴解析尺度覆盖全球，提供每10分钟间隔的千余时间步长大气状态场，是迄今公开可用的最高分辨率全球模拟数据之一。该数据集中蕴含的深对流、云微物理与边界层湍流等精细过程，为训练基于深度学习的天气气候仿真器开辟了前沿路径。尤其在数据驱动模型替代传统数值模式的研究浪潮中，此数据集被广泛用于开发能够忠实复现大气演变规律且计算高效的神经网络范式，推动着“可微分地球系统模型”与“AI代理气候模式”等热点方向的实质性突破。其开放共享的CC-BY-4.0许可与Zarr格式的机器学习就绪设计，进一步加速了跨学科协作，标志着模拟气象数据从专业领域向通用AI训练范式的关键转型，对提升极端天气预测能力与气候风险评估精度具有深远影响。