ClimateSOM：用于气候集合数据集的可视化分析工作流程
人机交互
2025-08-12 v1 机器学习
摘要
集合数据集在 various 科学领域日益普及。在气候科学中，集合数据集用于捕捉在包括温室气体和烟尘排放的 plausible 未来情景下的投影变异性。每个集合模型运行产生的投影在本质上相似却又有意义的差异。理解这些集合模型运行之间的变异性并分析其大小和模式是气候科学家的关键任务。本文提出 ClimateSOM，一种利用自组织地图 (SOM) 和大型语言模型 (LLMs) 的可视化分析工作流程，以支持对气候集合数据集进行交互式探索和解释。该工作流程将气候集合模型运行——时空时间序列——抽象为一个捕捉集合模型运行变异性的 2D 空间分布。LLM 被集成以辅助对该 SOM 定义的 2D 空间进行意义构建，为可视化分析任务提供支持。总的来说，ClimateSOM 使用户能够探索集合模型运行之间的变异性、识别模式、比较和聚类集合模型运行。为了演示 ClimateSOM 的实用性，我们将该工作流程应用于加州和西北美洲降水投影的集合数据集。此外，我们对 LLM 集成进行了简短评估，并邀请了六位领域专家对视觉化工作流程和案例研究中的见解进行专家评审，以评估 our 方法及其实用性。
引用
@article{arxiv.2508.06732,
title = {ClimateSOM: A Visual Analysis Workflow for Climate Ensemble Datasets},
author = {Yuya Kawakami and Daniel Cayan and Dongyu Liu and Kwan-Liu Ma},
journal= {arXiv preprint arXiv:2508.06732},
year = {2025}
}