Climate data interpolation with deep neural networks: a comprehensive dataset of historical and future climate for Africa
Notice bibliographique
Résumé
Databases of high-resolution interpolated climate data are essential for analyzing the impacts of past climate events and for developing climate change adaptation strategies for managed and natural ecosystems. To enable such efforts, we contribute an accessible, comprehensive database of interpolated climate data for Africa that includes monthly, annual, decadal, and 30-year normal climate data for the last 120 years (1901 to present) as well as multi-model CMIP6 climate change projections for the 21st century. The database includes variables relevant for ecological research and infrastructure planning, and comprises more than 25,000 climate grids that can be queried with a provided ClimateAF software package. In addition, 30 arcsecond (~1km) resolution gridded data, generated by the software, are available for download (https://tinyurl.com/ClimateAF). The climate grids were developed with a three-step approach, using thin-plate spline interpolations of weather station data as a first approximation, subsequent fine-tuning with deep neural networks to capture medium-scale local weather patterns, and lastly dynamic lapse-rate based downscaling to a user-selected resolution, or to scale-free point estimates with the ClimateAF software package. The study contributes a novel deep learning approach to model orographic precipitation, rain shadows, lake and coastal effects, including the influences of wind direction and strength. The climate estimates were optimized and cross-validated with a checkerboard approach to ensure that training data was spatially distanced from validation data. We conclude with a discussion of applications and limitations of this database.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».