Digital Typhoon：用于热带气旋时空建模的长期卫星图像数据集
计算机视觉与模式识别
2023-11-07 v1 机器学习
大气与海洋物理
摘要
本文正式发布 Digital Typhoon 数据集，这是时长 40 余年的最长台风卫星图像数据集，旨在为长期时空数据的机器学习模型提供基准测试。为构建该数据集，我们开发了一套工作流程，参考最佳路径数据，利用兰勃特等面积方位投影生成裁剪用的红外台风中心图像。我们还解决了数据质量问题，例如星间定标，以创建同质数据集。为充分利用该数据集，我们按推断的类型和目标组织了机器学习任务，并设置了其他用于气象分析、社会影响和气候变化的任务。针对强度的分析、预报和再分析的基准测试结果表明，由于存在许多影响各类模型性能的选择，该数据集对近期深度学习模型而言具有挑战性。该数据集降低了机器学习研究者接触称为热带气旋的大规模真实世界事件的门槛，并有助于开发可能推进热带气旋科学认知以及解决减灾和气候变化等社会与可持续性问题的机器学习模型。该数据集公开于 http://agora.ex.nii.ac.jp/digital-typhoon/dataset/ 和 https://github.com/kitamoto-lab/digital-typhoon/。
引用
@article{arxiv.2311.02665,
title = {Digital Typhoon: Long-term Satellite Image Dataset for the Spatio-Temporal Modeling of Tropical Cyclones},
author = {Asanobu Kitamoto and Jared Hwang and Bastien Vuillod and Lucas Gautier and Yingtao Tian and Tarin Clanuwat},
journal= {arXiv preprint arXiv:2311.02665},
year = {2023}
}
备注
Accepted by NeurIPS 2023 Datasets and Benchmarks Track (Spotlight)