[論文レビュー] Cumulo: A Dataset for Learning Cloud Classes

Valentina Zantedeschi, Fabrizio Falasca+4 more|arXiv (Cornell University)|Nov 5, 2019

Solar Radiation and Photovoltaics参考文献 19被引用数 6

ひとこと要約

本論文は、1km解像度のMODIS高スペクトル画像と、高い正確性を持つCloudSatの雲ラベルを統合したベンチマークデータセットであるCumuloを紹介する。このデータセットにより、物理的に現実的な8種類のWMO雲型分類が可能となり、平均正解率90.36%を達成。液体水路および光学厚さの分布についても良好な一致を示した。

ABSTRACT

One of the greatest sources of uncertainty in future climate projections comes from limitations in modelling clouds and in understanding how different cloud types interact with the climate system. A key first step in reducing this uncertainty is to accurately classify cloud types at high spatial and temporal resolution. In this paper, we introduce Cumulo, a benchmark dataset for training and evaluating global cloud classification models. It consists of one year of 1km resolution MODIS hyperspectral imagery merged with pixel-width 'tracks' of CloudSat cloud labels. Bringing these complementary datasets together is a crucial first step, enabling the Machine-Learning community to develop innovative new techniques which could greatly benefit the Climate community. To showcase Cumulo, we provide baseline performance analysis using an invertible flow generative model (IResNet), which further allows us to discover new sub-classes for a given cloud class by exploring the latent space. To compare methods, we introduce a set of evaluation criteria, to identify models that are not only accurate, but also physically-realistic. CUMULO can be download from https://www.dropbox.com/sh/i3s9q2v2jjyk2it/AACxXnXfMF5wuIqLXqH4NJOra?dl=0 .

研究の動機と目的

• 雲のモデル化と分類が不完全であることが原因で生じる気候予測における重大な不確実性を是正すること。
• 機械学習モデルが高空間・高時間分解能で雲型分類を学習できるよう、大規模かつグローバルに代表的なデータセットを提供すること。
• 従来のデータセットの限界を克服するため、正確な地理的位置情報とラベルを備えた、受動的（MODIS）および能動的（CloudSat）衛星観測データを統合すること。
• 生成モデルの潜在空間解析を通じて、主要な雲型内に存在するサブクラスを同定すること。
• 標準的な機械学習指標に加え、大気物理学に基づく物理的妥当性を組み合わせた評価基準を確立すること。

提案手法

• 1km解像度のMODIS高スペクトル放射率データと、CloudSatのピクセル幅の雲分類トラック（2B-CLDCLASS-LIDAR）を、正確な地理的位置合わせにより統合した。
• 逆可換リーマンネットワーク（IResNet）を用い、正規化フローに基づく生成モデルとして、雲の特徴と雲型の同時分布を学習し、雲型を予測した。
• モデルの潜在空間を用いて、8種類のWMO雲型ごとに、特徴の分離性とクラスタリング解析を通じてサブクラスを同定した。
• 物理的指標を用いて予測を検証した：液体水路（LWP）および雲光学厚さ（COT）の分布を、Kullback-LeiblerダイバージェンスおよびWasserstein距離を用いて真値と比較した。
• 標準的な機械学習指標（正解率、F1スコア、交差率（IoU））を用いて、全雲型におけるモデル性能を評価した。
• 1ヶ月分のサブセット（2008年1月）を用いた包括的なベースライン評価を実施し、実現可能性と物理的妥当性を示した。

実験結果

リサーチクエスチョン

• RQ1 融合されたMODISおよびCloudSatデータで学習した機械学習モデルは、1km解像度で高精度かつグローバルに一貫性のある雲型分類を達成できるか？
• RQ2 予測された雲型分布は、液体水路および雲光学厚さの既知の物理的分布とどの程度一致するか？
• RQ3 IResNetのような生成モデルは、粗い粒度のラベルしか与えられていない状況でも、広い雲型内に意味のあるサブクラスを同定できるか？
• RQ4 標準的な機械学習指標と物理的妥当性評価指標の両方を用いることで、雲型分類モデルの現実性をどの程度正確に評価できるか？
• RQ5 受動的および能動的衛星データの統合は、雲型分類の性能と物理的一致性を顕著に向上させることができるか？

主な発見

• IResNetモデルは、テストセットにおいて全8種類のWMO雲型で平均正解率90.36%を達成し、深層対流雲（Dc）では最高の98.84%を記録した。
• モデルが予測した液体水路（LWP）および雲光学厚さ（COT）の分布は、真値と良好に一致しており、Kullback-Leiblerダイバージェンス（例：CiのLWPで0.11×10⁻¹）およびWasserstein距離（例：CiのLWPで0.12×10⁻³）が低かった。
• 空間的分布において物理的妥当性を示し、特に高高度雲（Ci）および低高度雲（St, Sc）において、既知の気候学的パターンと一致した。
• 潜在空間の探索によりサブクラスの同定が達成され、各主要雲型内での雲の形状および微物理的特性の微細な変動が明らかになった。
• F1スコアはAs（0.43）およびAc（0.45）で最低であり、これらの中高度雲型の区別に課題があることが示されたが、IoUスコアは中程度の水準（0.28–0.66）を示した。
• データセットにはクラス不均衡が見られたが、深層対流雲（Dc）が低頻度に分類されており、それでもモデルは高い性能（98.84%正解率）を達成しており、不均衡データに対して強い耐性を示した。