Advancing climate model interpretability: Feature attribution for Arctic melt anomalies

要約

私たちの仕事の焦点は、気候モデルにおける異常の解釈可能性を改善し、北極の溶融ダイナミクスの理解を向上させることです。
北極および南極の氷床は、急速な表面融解と淡水流出の増加を経験しており、世界の海面上昇に大きく貢献しています。
これらの地域で融雪を駆動するメカニズムを理解することが重要です。
極地気候研究で広く使用されている再分析データセットであるERA5は、広範な気候変数とグローバルデータ同化を提供します。
ただし、その融雪モデルは、表面溶融物の複雑さを単純化する可能性のあるエネルギーの不均衡アプローチを採用しています。
対照的に、氷河のエネルギーと大量バランス（GEMB）モデルには、雪の蓄積、FIRN密度、溶融水の浸透/凍結などの追加の物理的プロセスが組み込まれており、表面融解ダイナミクスのより詳細な表現を提供します。
この研究では、ERA5およびGEMBモデルの異常な溶融イベントの特徴属性を使用して、グリーンランドアイスシートの表面雪解けダイナミクスの分析に焦点を当てています。
ERA5およびGEMBで検出された異常を分析するために、反事実的説明方法を活用する監視されていない属性法を提示します。
我々の異常検出結果は、測定値の接地データを使用して検証され、Xgboost、Shapley値、ランダムフォレストなどの確立された機能ランキング方法に対して帰属が評価されます。
Our attribution framework identifies the physics behind each model and the climate features driving melt anomalies.
これらの発見は、気候モデルにおける異常の解釈可能性を高め、北極溶融物のダイナミクスの理解を向上させる際の属性法の有用性を示しています。

要約(オリジナル)

The focus of our work is improving the interpretability of anomalies in climate models and advancing our understanding of Arctic melt dynamics. The Arctic and Antarctic ice sheets are experiencing rapid surface melting and increased freshwater runoff, contributing significantly to global sea level rise. Understanding the mechanisms driving snowmelt in these regions is crucial. ERA5, a widely used reanalysis dataset in polar climate studies, offers extensive climate variables and global data assimilation. However, its snowmelt model employs an energy imbalance approach that may oversimplify the complexity of surface melt. In contrast, the Glacier Energy and Mass Balance (GEMB) model incorporates additional physical processes, such as snow accumulation, firn densification, and meltwater percolation/refreezing, providing a more detailed representation of surface melt dynamics. In this research, we focus on analyzing surface snowmelt dynamics of the Greenland Ice Sheet using feature attribution for anomalous melt events in ERA5 and GEMB models. We present a novel unsupervised attribution method leveraging counterfactual explanation method to analyze detected anomalies in ERA5 and GEMB. Our anomaly detection results are validated using MEaSUREs ground-truth data, and the attributions are evaluated against established feature ranking methods, including XGBoost, Shapley values, and Random Forest. Our attribution framework identifies the physics behind each model and the climate features driving melt anomalies. These findings demonstrate the utility of our attribution method in enhancing the interpretability of anomalies in climate models and advancing our understanding of Arctic melt dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google