STRATA-SCREAM-sdecadal

STRATA-SCREAM（sdecadal）是一个全球风暴解析大气模拟输出数据集，由SCREAM（Simple Cloud-Resolving E3SM Atmosphere Model）物理模型生成。该数据集提供了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与气候模拟器。数据由外部合作者生成，并在NERSC以CC-BY-4.0许可证公开提供。此版本是经过重新格式化、适用于机器学习的版本：文件已从NetCDF（.nc）格式转换为Zarr（.zarr）格式并进行了子采样，但底层数据值未作更改。数据集包含2017个时间步（时间分辨率为10分钟），空间网格为立方球面ne1024pg2（约25,165,824列，空间分辨率约4.9公里），具有32个垂直层次和29个变量，模拟场景为F20TR-SCREAMv1。数据集模态为地理空间和时间序列，数据收集方法为合成（模拟生成），无标注需求。它是三部分发布之一，其他模拟时期可在配套存储库（STRATA-SCREAM-sdy1, STRATA-SCREAM-sdy2）中找到。数据集由美国能源部的E3SM项目所有，发布于2025年9月22日，版本为v1.0，可用于商业和非商业用途。STRATA-SCREAM (sdecadal) 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 is generated by external collaborators and publicly available at NERSC under the CC-BY-4.0 license. This version is reformatted for machine learning: files have been converted from NetCDF (.nc) to Zarr (.zarr) format and subsampled, but the underlying data values remain unchanged. The dataset contains 2017 time steps (with a temporal resolution of 10 minutes), a spatial grid of cubed-sphere ne1024pg2 (approximately 25,165,824 columns, spatial resolution about 4.9 km), 32 vertical levels, and 29 variables, with a simulation scenario of F20TR-SCREAMv1. The dataset modality is geospatial and time series, with data collection method being synthetic (simulation-generated) and no annotation requirements. It is one of three parts released, with other simulation periods available in companion repositories (STRATA-SCREAM-sdy1, STRATA-SCREAM-sdy2). The dataset is owned by the U.S. Department of Energys E3SM project, released on September 22, 2025, version v1.0, and usable for both commercial and non-commercial purposes.

原始信息汇总

数据集名称

STRATA-SCREAM (sdecadal)

数据集描述

全球风暴解析大气模拟输出数据，由SCREAM（简单云解析E3SM大气模型）物理模型生成。该数据集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模型。数据由外部合作者生成，原始数据以CC-BY-4.0许可在NERSC公开。此版本为重新格式化的机器学习就绪版本：文件从NetCDF（.nc）转换为Zarr（.zarr）并进行子采样，未改变底层数据值。该数据集可用于商业和非商业用途。此仓库包含[sdecadal]模拟存储，是三个部分发布之一，其他模拟周期见配套仓库（STRATA-SCREAM-sdy1、STRATA-SCREAM-sdy2）。

数据集所有者

E3SM项目（美国能源部）

数据集创建日期

2025-09-22

版本

v1.0

先前版本

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

许可/使用条款

知识共享署名4.0国际许可（CC-BY-4.0）

预期用途

使用高分辨率全球大气模拟数据训练和评估机器学习天气与气候仿真模型。

数据集特征

• 数据采集方法：合成数据
• 标注方法：不适用

数据集格式

• 模态：地理空间、时间序列
• 格式：Zarr（.zarr）

数据集量化

• 记录数量：2,017个时间步（10分钟时间分辨率）
• 空间网格：立方球体 ne1024pg2，25,165,824个柱面（约4.9公里），32个垂直层
• 特征数量：29个变量
• 模拟：F20TR-SCREAMv1

伦理考量

NVIDIA认为可信AI是共同责任，并已建立政策和实践以支持广泛AI应用的开发。开发者应与内部开发团队协作，确保数据集满足相关行业和用例要求，并解决未预见的产品滥用问题。质量、风险、安全漏洞或NVIDIA AI相关问题请报告至： https://www.nvidia.com/en-us/support/submit-security-vulnerability/

搜集汇总

数据集介绍

构建方式

STRATA-SCREAM-sdecadal数据集源自美国能源部E3SM项目开发的SCREAM（Simple Cloud-Resolving E3SM Atmosphere Model）物理模型所生成的高分辨率全球大气模拟输出。原始模拟数据以NetCDF格式存储于NERSC公共存储库，本版本将其转换为机器学习友好的Zarr格式，并进行了子采样处理，但未改变任何底层数据值。数据集涵盖2017个时间步，时间分辨率为10分钟，空间网格采用立方球面ne1024pg2配置，包含约2516万个网格柱（分辨率约4.9公里）和32个垂直层，记录了29个大气状态变量，代表了一次完整的F20TR-SCREAMv1模拟实验。

使用方法

用户可通过直接加载Zarr目录或使用Python中的Xarray、Zarr库读取数据，将其用于训练基于神经网络或物理信息网络的气候预测模型。建议将29个变量作为特征输入，利用10分钟时间间隔构建序列预测任务，或将其作为边界条件嵌入全球环流模拟。数据集已获CC-BY-4.0授权，支持商业与非商业使用，用户需注意在模型部署时评估其对特定气候区域的适应性，并遵循NVIDIA可信AI准则以避免潜在误用。

背景与挑战

背景概述

STRATA-SCREAM-sdecadal数据集由美国能源部E3SM项目于2025年9月创建，旨在提供全球风暴解析大气模拟输出，以支持机器学习天气与气候模拟器的训练与评估。该数据集基于SCREAM物理模型生成，空间分辨率高达约4.9公里（ne1024pg2网格），包含32个垂直层及29个变量，时间分辨率为10分钟，共计2017个时间步长。其核心研究问题在于利用高分辨率全球大气状态场，推动数据驱动的地球系统模拟方法发展。作为STRATA-SCREAM系列的三部分之一，该数据集经NetCDF至Zarr格式转换与子采样处理，具备机器学习就绪特性，对气候科学领域的高效模拟与预测研究具有重要影响力。

当前挑战

STRATA-SCREAM-sdecadal数据集所解决的领域挑战包括：其一，传统气候模型计算成本高昂，难以实现长期、高分辨率模拟，而该数据集为训练基于机器学习的模拟器提供了必要的高保真训练数据，显著提升模拟效率；其二，大气状态场具有高度非线性与多尺度时空耦合特性，对模拟器的泛化能力提出严峻考验。在构建过程中，面临的主要挑战在于：原始SCREAM模拟输出数据规模庞大，需进行高效存储格式转换（NetCDF至Zarr）以提升数据读取速度；此外，为适应机器学习训练需求，需在保持数据物理一致性的前提下进行时间子采样，确保数据集的代表性与可用性。

常用场景

经典使用场景

STRATA-SCREAM-sdecadal数据集的核心价值在于为机器学习驱动的天气与气候模拟器提供高保真的训练与验证数据。该数据集源自美国能源部E3SM项目下的SCREAM模型，以约4.9公里的超高空间分辨率和10分钟的时间步长，记录了长达数十年的大气状态演变过程。其经典使用场景聚焦于利用深度学习模型（如Transformer、卷积神经网络或物理信息神经网络）来学习并复现大气动力系统中的非线性复杂动态，从而构建能够高效替代传统数值预报模型的仿真器，显著降低计算成本。

解决学术问题

在学术研究层面，该数据集系统性地回应了大气科学中两大核心挑战：如何在高分辨率下准确刻画风暴尺度过程，以及如何跨越数值模拟与机器学习之间的尺度鸿沟。SCREAM数据集驱动的模拟器研究，有助于突破传统物理参数化方案的瓶颈，深化对云—辐射反馈、对流组织等关键过程的理解。其发布推动了地球系统科学从数据密集型向智能模拟范式的转型，为评估机器学习模型在气候预测、极端事件归因等议题中的表现提供了不可替代的基准平台。

实际应用

在实际应用层面，该数据集赋能气象与气候服务领域的智能化升级。基于STRATA-SCREAM-sdecadal训练出的机器学习模拟器，能够以极低的计算开销实时生成高分辨率全球大气状态场，适用于台风路径快速预报、区域极端降水预警等时效性要求极高的灾害应对场景。此外，该数据还可支撑可再生能源领域（如风能、太阳能发电功率预测）对精细气象要素的需求，为电网调度和能源规划提供科学依据，推动数值模拟成果向产业界高效转化。

数据集最近研究

最新研究方向

STRATA-SCREAM-sdecadal数据集代表了全球风暴解析尺度大气模拟与机器学习深度融合的前沿方向。在当前气候科学领域，高分辨率模拟数据匮乏且计算成本高昂的背景下，该数据集提供了约4.9公里空间分辨率、10分钟时间步长的全球大气状态场，其精细化程度足以捕捉对流、云微物理等关键过程。研究人员正基于此类数据训练物理信息增强的神经网络或基于Transformer的时序预测模型，旨在构建能够高效替代传统数值模式的天气气候仿真器，推动人工智能在极端天气事件预测、气候变化归因与长期模拟中的实际部署。这一研究方向与近年来全球对精准气候服务和灾害预警的迫切需求紧密呼应，具有显著的科际整合价值与战略意义。