Machine Learning for the Digital Typhoon Dataset: Extensions to Multiple Basins and New Developments in Representations and Tasks

要約

この論文では、長期時空間データの機械学習モデルのベンチマークを目的とした、40 年以上にわたる最長の台風衛星画像データセットの新バージョンであるデジタル台風データセット V2 について説明します。
データセット V2 に新しく追加されたのは、データセット V1 の北半球のデータに加えて、南半球の熱帯低気圧のデータです。
2 つの半球からのデータがあれば、盆地と半球にわたる地域的な違いについて新しい研究上の疑問を投げかけることができます。
また、データセットの表現とタスクにおける新たな展開についても説明します。
まず、表現学習のための自己教師あり学習フレームワークを紹介します。
LSTM モデルと組み合わせて、強度予測および温帯移行予測タスクのパフォーマンスについて説明します。
次に、台風中心推定タスクなどの新しいタスクを提案します。
物体検出ベースのモデルは、より強い台風に対してより優れたパフォーマンスを発揮することを示します。
最後に、北半球のデータでモデルをトレーニングし、南半球のデータでテストすることで、機械学習モデルが盆地と半球にわたってどのように一般化できるかを研究します。
データセットは \url{http://agora.ex.nii.ac.jp/digital-typhoon/dataset/} および \url{https://github.com/kitamoto-lab/digital-typhoon/ で公開されています。
}。

要約(オリジナル)

This paper presents the Digital Typhoon Dataset V2, a new version of the longest typhoon satellite image dataset for 40+ years aimed at benchmarking machine learning models for long-term spatio-temporal data. The new addition in Dataset V2 is tropical cyclone data from the southern hemisphere, in addition to the northern hemisphere data in Dataset V1. Having data from two hemispheres allows us to ask new research questions about regional differences across basins and hemispheres. We also discuss new developments in representations and tasks of the dataset. We first introduce a self-supervised learning framework for representation learning. Combined with the LSTM model, we discuss performance on intensity forecasting and extra-tropical transition forecasting tasks. We then propose new tasks, such as the typhoon center estimation task. We show that an object detection-based model performs better for stronger typhoons. Finally, we study how machine learning models can generalize across basins and hemispheres, by training the model on the northern hemisphere data and testing it on the southern hemisphere data. The dataset is publicly available at \url{http://agora.ex.nii.ac.jp/digital-typhoon/dataset/} and \url{https://github.com/kitamoto-lab/digital-typhoon/}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google