PeakWeather: MeteoSwiss Weather Station Measurements for Spatiotemporal Deep Learning

要約

正確な気象予測は、幅広い活動と意思決定プロセスをサポートし、悪天候の影響を軽減するために不可欠です。
従来の数値予測（NWP）は依然として運用予測の基礎となっていますが、機械学習は、高速で柔軟な、およびスケーラブルな予測の強力な代替手段として浮上しています。
Peakweatherを紹介します。Peakweatherは、連邦気象および気候学メテオスウィスの測定ネットワークの地上局から8年以上にわたって10分ごとに収集された地表気象観測の高品質のデータセットです。
データセットには、スイスの複雑な地形全体に配布された302のステーションの場所からの多様な気象変数のセットが含まれており、コンテキストのデジタル高モデルから派生した地形指標で補完されます。
現在運用上の高解像度NWPモデルからのアンサンブル予測は、新しいアプローチを評価するためのベースライン予測として提供されます。
データセットの豊かさは、さまざまなスケールでの時系列予測、グラフ構造学習、代入、仮想センシングなど、幅広い空間的タスクをサポートしています。
そのため、Peakweatherは、基本的な機械学習研究、気象学、およびセンサーベースのアプリケーションの両方を前進させるための現実世界のベンチマークとして機能します。

要約(オリジナル)

Accurate weather forecasts are essential for supporting a wide range of activities and decision-making processes, as well as mitigating the impacts of adverse weather events. While traditional numerical weather prediction (NWP) remains the cornerstone of operational forecasting, machine learning is emerging as a powerful alternative for fast, flexible, and scalable predictions. We introduce PeakWeather, a high-quality dataset of surface weather observations collected every 10 minutes over more than 8 years from the ground stations of the Federal Office of Meteorology and Climatology MeteoSwiss’s measurement network. The dataset includes a diverse set of meteorological variables from 302 station locations distributed across Switzerland’s complex topography and is complemented with topographical indices derived from digital height models for context. Ensemble forecasts from the currently operational high-resolution NWP model are provided as a baseline forecast against which to evaluate new approaches. The dataset’s richness supports a broad spectrum of spatiotemporal tasks, including time series forecasting at various scales, graph structure learning, imputation, and virtual sensing. As such, PeakWeather serves as a real-world benchmark to advance both foundational machine learning research, meteorology, and sensor-based applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google