CloudCast：一个基于卫星的云预报数据集与基线
计算机视觉与模式识别
2021-06-17 v2 机器学习
摘要
预报云的形成与发展是现代天气预报系统的核心要素。由于云在地球气候系统中的内在作用，不正确的云预报会导致天气预报整体准确性的重大不确定性。由于缺少具有大量全球历史观测的高分辨率数据集，很少有研究从机器学习的角度解决这一挑战性问题。在本文中，我们提出一个名为“CloudCast”的新型基于卫星的数据集。它包含 70,080 张图像，标注了大气多层的 10 种不同云类型（像素级标注）。数据集的空间分辨率为 928 x 1530 像素（每像素 3x3 km），帧间间隔 15 分钟，时间范围为 2017-01-01 至 2018-12-31。所有帧均以欧洲为中心并作投影。为补充该数据集，我们使用当前最先进的视频预测方法（如卷积长短期记忆网络、生成对抗网络（GAN）和基于光流的外推方法）进行了评估研究。由于视频预测评估在实践中较为困难，我们旨在空间和时间域上进行全面评估。我们的基准模型显示出有前景的结果，但仍有很大改进空间。据我们所知，这是首个公开可用的具有高分时间粒度的高分辨率云类型的全球尺度数据集。
引用
@article{arxiv.2007.07978,
title = {CloudCast: A Satellite-Based Dataset and Baseline for Forecasting Clouds},
author = {A. H. Nielsen and A. Iosifidis and H. Karstoft},
journal= {arXiv preprint arXiv:2007.07978},
year = {2021}
}
备注
For the novel dataset, see https://vision.eng.au.dk/cloudcast-dataset/