Dataset for "Uncertainty-Aware Methods for Enhancing Rainfall Prediction with deep-learning based Post-Processing Segmentation"
收藏资源简介：
Title: Dataset for "Uncertainty-Aware Methods for Enhancing Rainfall Prediction with Deep-Learning Based Post-Processing Segmentation" Authors: Simone Monaco, Luca Monaco, Daniele Apiletti Description:This dataset supports the study presented in the paper "Uncertainty-Aware Methods for Enhancing Rainfall Prediction with Deep-Learning Based Post-Processing Segmentation". The work focuses on improving daily quantitative precipitation forecasts and uncertainty estimates over the Piedmont and Aosta Valley regions in Italy by blending outputs from four Numerical Weather Prediction (NWP) models using uncertainty-aware deep learning methods and NWIOI observational data (Turco et al., 2013). NWPs forecasts can be obtained on request, observational data is provided in this repository. The NWPs include: BOLAM-ISAC-CNR (Buzzi et al., 1994): data requests are possibile at ISAC-CNR, at this link COSMO-2I (Baldauf et al., 2011): data requests are possible at the COSMO Consortium, at this link COSMO-5M (Doms & Baldauf, 2018): data requests are possible at the COSMO Consortium, at this link ECMWF-IFS-HRES (ECMWF, 2016): data download is possible at this link Observational data from NWIOI serve as the ground truth for model training. The dataset contains 420 gridded precipitation events from 2018 to 2024. Dataset contents: obs.zip: NWIOI observed precipitation data (.csv format, one file per event) domain_mask.csv: Binary mask (1 for grid points in the study area, 0 otherwise) allevents_dates.csv: Classification of all events by type and intensity, used for n-fold cross-validation and dataset splits Citations: BOLAM-ISAC-CNR: Buzzi, A., Fantini, M., Malguzzi, P., & Nerozzi, F. (1994). Validation of a limited area model in cases of Mediterranean cyclogenesis: surface fields and precipitation scores. Meteorology and Atmospheric Physics, 53(3), 137–153. Springer. COSMO-2I: Baldauf, M., Seifert, A., Förstner, J., Majewski, D., Raschendorfer, M., & Reinhardt, T. (2011). Operational convective-scale numerical weather prediction with the COSMO model: Description and sensitivities. Monthly Weather Review, 139(12), 3887–3905. American Meteorological Society. COSMO-5M: Doms, G., & Baldauf, M. (2018). A Description of the Nonhydrostatic Regional COSMO Model. Part I: Dynamics and Numerics. COSMO Technical Report, Deutscher Wetterdienst. ECMWF-IFS-HRES: ECMWF. (2016). IFS Documentation CY43R1. ECMWF Technical Documentation. NWIOI: Turco, M., Zollo, A. L., Ronchi, C., De Luigi, C., & Mercogliano, P. (2013). Assessing gridded observations for daily precipitation extremes in the Alps with a focus on northwest Italy. Natural Hazards and Earth System Sciences, 13(6), 1457–1468. Related Repository: https://github.com/simone7monaco/probabilistic-rainprediction
标题：《基于深度学习后处理分割的不确定性感知方法增强降雨预测》配套数据集 作者：西蒙娜·莫纳科、卢卡·莫纳科、达尼埃莱·阿皮莱蒂 描述：本数据集为论文《基于深度学习后处理分割的不确定性感知方法增强降雨预测》中的研究提供数据支撑。本研究通过结合不确定性感知深度学习方法与NWIOI观测数据（Turco等人，2013年），融合四款数值天气预报（Numerical Weather Prediction, NWP）模型的输出结果，以优化意大利皮埃蒙特与瓦莱达奥斯塔地区的逐日定量降水预报及不确定性评估。数值天气预报模型预报数据可按需获取，本仓库已提供观测数据。所用数值天气预报模型如下： 1. BOLAM-ISAC-CNR（Buzzi等人，1994年）：数据申请可通过ISAC-CNR的指定链接提交 2. COSMO-2I（Baldauf等人，2011年）：数据申请可通过COSMO联盟的指定链接提交 3. COSMO-5M（Doms与Baldauf，2018年）：数据申请可通过COSMO联盟的指定链接提交 4. ECMWF-IFS-HRES（ECMWF，2016年）：数据可通过指定链接下载 NWIOI观测数据将作为模型训练的真值标签。本数据集包含2018年至2024年间的420个网格化降水事件样本。 数据集内容： obs.zip：NWIOI观测降水数据（.csv格式，每个事件对应一个文件） domain_mask.csv：二值掩码文件（研究区域内的网格点取值为1，其余区域取值为0） allevents_dates.csv：所有降水事件的类型与强度分类表，用于n折交叉验证与数据集划分 参考文献： BOLAM-ISAC-CNR：Buzzi, A., Fantini, M., Malguzzi, P. 与Nerozzi, F.（1994年）。地中海气旋生成事件中有限区域模式的验证：地表场与降水评分。《气象学与大气物理学》，53(3)，137–153。Springer出版社。 COSMO-2I：Baldauf, M., Seifert, A., Förstner, J., Majewski, D., Raschendorfer, M. 与Reinhardt, T.（2011年）。基于COSMO模式的对流尺度业务数值天气预报：方法描述与敏感性分析。《月度天气评论》，139(12)，3887–3905。美国气象学会。 COSMO-5M：Doms, G. 与Baldauf, M.（2018年）。非静力区域COSMO模式描述 第一部分：动力学与数值方法。COSMO技术报告，德国气象局。 ECMWF-IFS-HRES：欧洲中期天气预报中心（ECMWF）（2016年）。IFS文档CY43R1。ECMWF技术文档。 NWIOI：Turco, M., Zollo, A.L., Ronchi, C., De Luigi, C. 与Mercogliano, P.（2013年）。针对意大利西北部的阿尔卑斯山区逐日极端降水的网格化观测评估。《自然灾害与地球系统科学》，13(6)，1457–1468。 相关仓库：https://github.com/simone7monaco/probabilistic-rainprediction
