Explainable Earth Surface Forecasting under Extreme Events

要約

気候変動に関連した異常気象が増加する中、高次元の地球観測データは、生態系への影響を予測し理解するためのユニークな機会を提供している。しかしながら、このようなデータの処理、視覚化、モデル化、説明の複雑さが、その妨げとなっている。この課題をどのように解決できるかを示すために、ここでは新しいDeepExtremeCubesデータセットを用いて、畳み込み型の長期短期記憶ベースのアーキテクチャを学習させる。DeepExtremeCubesには、世界中の約4万個の長期Sentinel-2ミニキューブ（2016年1月～2022年10月）が含まれ、ラベル付けされた極端なイベント、気象データ、植生土地被覆、地形図とともに、極端な気候イベントの影響を受けた場所とその周辺地域からサンプリングされている。カーネル正規化差分植生指数を通して将来の反射率と植生の影響を予測する場合、モデルはテストセットで0.9055のR$^2$スコアを達成した。説明可能な人工知能を使用して、2020年10月の中南米複合熱波・干ばつイベント時のモデルの予測を分析した。イベントのちょうど1年前の同じ地域を反事実として選び、平常時には平均気温と地表気圧が一般的に最良の予測因子であることを発見した。一方、干ばつ発生時には、蒸発量と地表面潜熱フラックスの最小偏差が卓越した。また、現象が発生する前の属性においても、体制の変化が観察され、このことは、現象が発生する前にどの程度の時間が経過していたかを評価するのに役立つ可能性がある。本論文のすべての実験と図を再現するコードは、https://github.com/DeepExtremes/txyXAI で公開されている。

要約(オリジナル)

With climate change-related extreme events on the rise, high dimensional Earth observation data presents a unique opportunity for forecasting and understanding impacts on ecosystems. This is, however, impeded by the complexity of processing, visualizing, modeling, and explaining this data. To showcase how this challenge can be met, here we train a convolutional long short-term memory-based architecture on the novel DeepExtremeCubes dataset. DeepExtremeCubes includes around 40,000 long-term Sentinel-2 minicubes (January 2016-October 2022) worldwide, along with labeled extreme events, meteorological data, vegetation land cover, and topography map, sampled from locations affected by extreme climate events and surrounding areas. When predicting future reflectances and vegetation impacts through kernel normalized difference vegetation index, the model achieved an R$^2$ score of 0.9055 in the test set. Explainable artificial intelligence was used to analyze the model’s predictions during the October 2020 Central South America compound heatwave and drought event. We chose the same area exactly one year before the event as counterfactual, finding that the average temperature and surface pressure are generally the best predictors under normal conditions. In contrast, minimum anomalies of evaporation and surface latent heat flux take the lead during the event. A change of regime is also observed in the attributions before the event, which might help assess how long the event was brewing before happening. The code to replicate all experiments and figures in this paper is publicly available at https://github.com/DeepExtremes/txyXAI

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL