PeakWeather：MeteoSwiss 气象站测量数据用于时空深度学习
机器学习
2026-02-16 v2 机器学习
摘要
准确的天气预报对于支持广泛的活动和决策过程，以及减轻不利天气事件的影响至关重要。虽然传统的数值天气预报(NWP)仍是操作性预报的基石，但机器学习正在以快速、灵活且可扩展的预测方式作为强大的替代方案。我们介绍 PeakWeather，这是一个来自联邦气象与气候局 MeteoSwiss 测量网络中地面站点的高质量数据集，覆盖超过 8 年的每 10 分钟一次的表面气象观测。该数据集包含来自 302 个站点位置的多样化气象变量，这些站点分布在 Switzerland 复杂的地形地理条件中，并配有来自数字高程模型派生的地形指数以提供上下文。提供来自当前操作性高分辨率 NWP 模型的集合预报，作为基准预报，以评估新方法。该数据集的丰富性支持广泛的时空任务，包括各种尺度的时间序列预测、图结构学习、插值和虚拟感知。因此，PeakWeather 作为推动基础机器学习研究、气象学以及传感器应用的真实世界基准。
引用
@article{arxiv.2506.13652,
title = {PeakWeather: MeteoSwiss Weather Station Measurements for Spatiotemporal Deep Learning},
author = {Daniele Zambon and Michele Cattaneo and Ivan Marisca and Jonas Bhend and Daniele Nerini and Cesare Alippi},
journal= {arXiv preprint arXiv:2506.13652},
year = {2026}
}