利用大语言模型构建美国人工增雨活动结构化数据集（2000-2025年）
大气与海洋物理
2025-10-09 v5
摘要
人工增雨是一种用于增加降水的天气改造技术，自20世纪40年代以来一直在美国西部实施。然而，目前尚无全面的数据集可用于分析这些活动。为填补这一空白，我们提供了一个2000年至2025年间美国已报告人工增雨活动的结构化数据集，包含项目名称、年份、季节、州、运营方、催化剂、播撒设备、声明目的、目标区域、对照区域、开始日期和结束日期。通过将我们的多阶段PDF转文本提取流程与OpenAI的o3大语言模型相结合，我们处理了来自美国国家海洋和大气管理局的832份历史报告。基于对200个随机抽样记录的人工审核，所得数据集显示出98.38%的估计准确率，并已在Zenodo上公开发布。该数据集弥补了人工增雨数据的缺口，并展示了大语言模型从历史环境文献中提取结构化信息的潜力。更广泛而言，这项工作为解锁跨科学领域扫描文档中的历史数据提供了一个可扩展的框架。
引用
@article{arxiv.2505.01555,
title = {Structured dataset of reported cloud seeding activities in the United States (2000-2025) using an LLM},
author = {Jared Joseph Donohue and Kara D. Lamb},
journal= {arXiv preprint arXiv:2505.01555},
year = {2025}
}