DeepExtremeCubes：整合地球系统时空数据以评估极端气候影响
机器学习
2024-06-27 v1 数据库
摘要
随着极端气候事件频率和强度的增加，稳健的分析工具对于预测其对陆地生态系统的影响至关重要。机器学习技术前景广阔，但需要结构良好、高质量且经过精心整理的分析就绪数据集。地球观测数据集全面监测生态系统动态及其对极端气候的响应，但数据的复杂性可能会挑战机器学习模型的有效性。尽管深度学习在生态系统监测方面取得了最新进展，但仍需要专门设计用于分析复合热浪和干旱极端影响的数据集。在此，我们介绍DeepExtremeCubes数据库，该数据库专门针对这些极端事件进行映射，重点关注持久性自然植被。它包含全球超过40,000个空间采样的小型数据立方体（即迷你立方体），空间覆盖范围为2.5×2.5公里。每个迷你立方体包括：(i) Sentinel-2 L2A图像，(ii) ERA5-Land变量以及生成的覆盖2016年至2022年的极端事件立方体，以及(iii)辅助的土地覆盖和地形图。本文旨在(1) 简化数据可访问性、结构化和预处理，并提高科学可重复性，以及(2) 促进响应复合极端事件的生物圈动态预测。
引用
@article{arxiv.2406.18179,
title = {DeepExtremeCubes: Integrating Earth system spatio-temporal data for impact assessment of climate extremes},
author = {Chaonan Ji and Tonio Fincke and Vitus Benson and Gustau Camps-Valls and Miguel-Angel Fernandez-Torres and Fabian Gans and Guido Kraemer and Francesco Martinuzzi and David Montero and Karin Mora and Oscar J. Pellicer-Valero and Claire Robin and Maximilian Soechting and Melanie Weynants and Miguel D. Mahecha},
journal= {arXiv preprint arXiv:2406.18179},
year = {2024}
}