STRATA-SCREAM-sdy1

STRATA-SCREAM (sdy1) 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。它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和气候模拟器。数据由外部合作者生产，在NERSC公开可用，采用CC-BY-4.0许可。本版本为重新格式化、适合机器学习使用的版本：文件从NetCDF (.nc) 转换为Zarr (.zarr) 格式并进行了子采样，但未改变底层数据值。数据集包含1009个时间步长，时间分辨率为10分钟；空间网格为立方球ne1024pg2，约25,165,824列（空间分辨率约4.9公里）和32个垂直层；特征数量约34个变量；模拟基于F2010-SCREAMv1。数据集适用于商业和非商业用途，是三个发布版本之一（sdy1），其他模拟时段可在配套存储库（STRATA-SCREAM-sdecadal、STRATA-SCREAM-sdy2）中获取。STRATA-SCREAM (sdy1) 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 produced by external collaborators, publicly available at NERSC, and licensed under CC-BY-4.0. This version is reformatted for machine learning use: files are converted from NetCDF (.nc) to Zarr (.zarr) format and subsampled, but the underlying data values remain unchanged. The dataset contains 1009 time steps with a temporal resolution of 10 minutes; a spatial grid of cubed sphere ne1024pg2 with approximately 25,165,824 columns (spatial resolution of about 4.9 km) and 32 vertical levels; approximately 34 variables; the simulation is based on F2010-SCREAMv1. It is suitable for both commercial and non-commercial use and is one of three released versions (sdy1), with other simulation periods available in companion repositories (STRATA-SCREAM-sdecadal, STRATA-SCREAM-sdy2).

原始信息汇总

数据集概览

• 数据集名称: STRATA-SCREAM (sdy1)
• 许可证: Creative Commons Attribution 4.0 International (CC-BY-4.0)
• 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

数据集描述

全球风暴解析大气模拟输出数据，由 SCREAM（Simple Cloud-Resolving E3SM Atmosphere Model）物理模型生成。数据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及气候模拟器。原始数据由外部合作者生成，公开于 NERSC 并采用 CC-BY-4.0 许可。本次发布为重新格式化、适合机器学习的版本：文件从 NetCDF (.nc) 转换为 Zarr (.zarr) 并进行子采样，未改变任何底层数据值。该数据集可用于商业和非商业用途。本仓库包含 [sdy1] 模拟存储，是三部分发布之一，其他模拟时段见配套仓库（STRATA-SCREAM-sdecadal、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 SCREAM 模拟输出数据（.nc 格式）：https://portal.nersc.gov/archive/home/n/ndk/www/STRATA2026

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及气候模拟器。

数据集特征

• 数据收集方法: 合成
• 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: 1,009 个时间步（10 分钟时间分辨率）
• 空间网格: 立方球 ne1024pg2，25,165,824 个网格单元（约 4.9 公里），32 个垂直层级
• 特征数: 约 34 个变量
• 模拟: F2010-SCREAMv1

伦理考虑

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 应用的开发。开发者应与内部团队合作，确保该数据集满足相关行业和用例的要求，并应对不可预见的产品滥用问题。可通过 NVIDIA 安全漏洞提交页面 报告质量、风险、安全漏洞或 AI 相关关切。

搜集汇总

数据集介绍

构建方式

在全球气候模拟与天气预报领域，高分辨率大气状态数据对机器学习气象仿真器的训练与评估至关重要。STRATA-SCREAM-sdy1数据集源于美国能源部E3SM项目开发的SCREAM（Simple Cloud-Resolving E3SM Atmosphere Model）物理模型，通过该高分辨率全球风暴解析模拟生成。原始数据由外部协作者在NERSC平台上以NetCDF格式公开，本研究将其转换为适合机器学习处理的Zarr格式，并进行了子采样处理，未改变任何底层数据值。该数据集的模拟类型为F2010-SCREAMv1，涵盖1,009个时间步长，时间分辨率为10分钟，空间网格采用立方球体ne1024pg2结构，包含约25,165,824个列（约4.9公里分辨率）和32个垂直层，特征变量约34个，属于STRATA-SCREAM三部分发布中的sdy1模拟存储部分。

特点

该数据集的核心优势在于其极高的时空分辨率和全球覆盖能力，能够真实再现风暴尺度的复杂大气动力学过程。其空间分辨率达到约4.9公里，足以解析中尺度对流系统与云团演变，为气象仿真器提供了精细的输入输出映射关系。时间步长仅10分钟，确保了快速变化的大气状态的连续性，有利于时序预测模型的训练。数据结构采用Zarr格式，支持高效的分布式存储与并行读取，特别适用于大规模深度学习工作负载。此外，数据集提供约34个变量，涵盖温度、湿度、风场等关键大气参数，且许可证为CC-BY-4.0，允许商业与非商业用途，具有广泛的适用性。

使用方法

用户可通过加载Zarr格式的数据文件直接访问该数据集，适用于构建和评估基于深度学习的天气与气候仿真器。建议将1,009个时间步长划分为训练、验证和测试子集，例如按时间顺序划分以模拟真实应用中的时序预测场景。推荐利用其高时空分辨率特性设计时空预测模型，采用卷积长短期记忆网络或基于Transformer的架构。由于数据包含网格化地理空间信息，用户需注意处理立方球体网格的几何特性，可利用PyTorch或TensorFlow的Zarr加载接口实现高效数据流水线。此外，可结合伴生数据集STRATA-SCREAM-sdecadal与sdy2进行多周期联合训练，以增强模型的泛化能力。

背景与挑战

背景概述

STRATA-SCREAM-sdy1数据集于2025年9月由美国能源部E3SM项目团队创建，旨在提供全球风暴解析级大气模拟数据，推动机器学习在天气与气候模拟中的发展。该数据集源自SCREAM（Simple Cloud-Resolving E3SM Atmosphere Model）物理模型的高分辨率模拟输出，覆盖了约4.9公里网格间距的全球大气状态场，包含34个变量、逾千个10分钟分辨率时间步长和32个垂直层级。通过将原始NetCDF格式转换为机器学习的Zarr格式，并进行了子采样处理，该数据集极大降低了数据访问与处理的壁垒，为训练和评估AI驱动的天气及气候仿真器提供了标准化、高保真的基准数据。作为STRATA-SCREAM系列的一部分，sdy1代表特定模拟时段，其发布标志着大气科学领域向数据驱动建模迈出的关键一步，有力支撑了全球气候模拟的可扩展性和可复现性研究。

当前挑战

STRATA-SCREAM-sdy1数据集所解决的领域问题核心在于：传统数值天气预报与气候模型计算成本高昂，而机器学习仿真器需要大量高质量、高分辨率的模拟数据作为训练基础。该数据集应对的挑战包括：首先，全球风暴解析模拟（公里级）生成的数据体量巨大，原始NetCDF格式难以直接用于深度学习框架的流式加载与高效训练，因此数据格式转换与降采样策略需在不丢失物理信息的前提下实现；其次，大气状态变量的高维度（包含垂直分层与多个物理场）和时空非平稳性对模型收敛与泛化能力构成严峻考验；再次，模拟数据与实际观测之间存在的系统偏差（如辐射、云微物理参数化误差）可能引入分布外样本，削弱仿真器的鲁棒性；最后，数据集构建过程中需确保CC-BY-4.0许可下的公信力与可追溯性，同时协调跨机构协作以维持数据管线的一致性与版本控制，这些均对数据治理与标准化流程提出了高要求。

常用场景

经典使用场景

STRATA-SCREAM-sdy1数据集是基于美国能源部E3SM项目下SCREAM高分辨率全球大气模拟输出构建的机器学习就绪型数据资源。该数据集以约4.9公里的风暴解析空间分辨率和10分钟的时间步长，提供了涵盖32个垂直层级的全球大气状态场信息，包括约34个变量。其最为经典的使用场景是作为训练和评估基于深度学习的大气环流模拟器与气象预报代理模型的基准数据，尤其适用于开发能够高效替代传统数值模式计算成本的AI天气仿真系统。

衍生相关工作

以STRATA-SCREAM-sdy1为基础，研究社区已催生出一系列经典衍生工作。其中，利用该数据集训练的图神经网络与Transformer架构的大气模拟器，成功在保持物理约束的前提下实现了数值计算效率数十倍的提升。后续研究进一步探索了基于扩散模型的随机天气生成方法，用于生成具备统计一致性的集合预报样本。此外，该数据集也被用于预训练可迁移的基础天气模型，推动了跨区域、跨时段的通用大气表征学习工作，成为连接高分辨率物理模拟与机器学习方法论的重要桥梁。

数据集最近研究

最新研究方向

STRATA-SCREAM-sdy1数据集的发布标志着高分辨率全球大气模拟与机器学习深度融合的前沿突破。该数据集由美国能源部E3SM项目基于SCREAM物理模型生成，提供了约4.9公里网格尺度的全球大气状态场，包含了1009个时间步长（10分钟分辨率）和34个变量，覆盖了32个垂直层次。在当前气候模拟领域，传统数值模式在计算成本与精度之间面临严峻挑战，而该数据集专为训练和评估机器学习天气与气候模拟器而设计，能够有效捕捉风暴尺度的大气动力学过程。其Zarr格式的ML-ready特性极大地降低了数据访问门槛，加速了AI驱动的气候预测研究。这一资源不仅推动了对极端天气事件的高分辨率模拟研究，还呼应了全球范围内对高效、可扩展地球系统模型的迫切需求，为气候科学向数据驱动范式的转型提供了坚实基础。