[论文解读] 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 6

一句话总结

本文提出Cumulo，一个结合1公里分辨率MODIS高光谱影像与CloudSat高精度云标签的基准数据集，以实现高分辨率全球云分类。利用可逆流模型（IResNet），作者在八种WMO云类中实现了物理上逼真的分类，平均准确率达90.36%，且液态水路径与光学厚度分布的一致性表现优异。

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 .

研究动机与目标

• 解决因云模型与分类不完整导致的气候预测关键不确定性。
• 提供大规模、具有全球代表性的数据集，用于训练机器学习模型在高空间与时间分辨率下进行云分类。
• 通过融合被动（MODIS）与主动（CloudSat）卫星观测，结合精确地理定位与标注，克服现有数据集的局限性。
• 通过生成模型潜在空间分析，实现主要云类内部子类别的发现。
• 建立结合标准机器学习指标与物理真实性的评估标准，以验证模型输出是否符合大气物理学。

提出的方法

• 使用精确地理定位对齐，将一年的1公里分辨率MODIS高光谱辐射率数据与CloudSat的像素宽度云分类轨迹（2B-CLDCLASS-LIDAR）进行融合。
• 应用基于归一化流的生成模型——可逆残差网络（IResNet），学习云特征的联合分布并预测云类别。
• 通过分析特征解缠与聚类，利用模型的潜在空间探索每个八种WMO云属内部的子类别。
• 通过Kullback-Leibler散度与Wasserstein距离，将预测的液态水路径（LWP）与云光学厚度（COT）分布与真实值对比，验证物理指标。
• 使用标准机器学习指标（准确率、F1分数与交并比IoU）评估模型性能，涵盖所有云类别。
• 在一个月子集（2008年1月）上进行全面基线评估，以证明可行性与物理合理性。

实验结果

研究问题

• RQ1 在融合MODIS与CloudSat数据的基础上，机器学习模型能否在1公里分辨率下实现高精度、全球一致的云分类？
• RQ2 预测的云类别分布在多大程度上与已知的液态水路径与云光学厚度物理分布一致？
• RQ3 像IResNet这样的生成模型能否仅通过粗粒度标签，在宽泛的云类别中发现有意义的子类别？
• RQ4 标准机器学习指标与物理验证指标在评估云分类模型真实性方面有何差异？
• RQ5 被动与主动卫星数据的融合能否显著提升云分类性能与物理一致性？

主要发现

• IResNet模型在测试集上对全部八种WMO云类别的平均准确率达90.36%，其中深对流云（Dc）准确率最高，达98.84%。
• 模型预测的液态水路径（LWP）与云光学厚度（COT）分布与真实值高度一致，表现为低Kullback-Leibler散度（如Ci云类LWP为0.11×10⁻¹）与Wasserstein距离（如Ci云类LWP为0.12×10⁻³）。
• 模型在空间分布上表现出物理真实性，云类出现频率与已知气候学模式一致，尤其在高云（Ci）与低云（St, Sc）中表现显著。
• 通过潜在空间探索实现了子类发现，揭示了各类主要云类内部云形态与微物理的细微差异。
• F1分数在As（0.43）与Ac（0.45）类别中最低，表明区分这些中层云类存在挑战，但IoU分数仍保持中等水平（0.28–0.66）。
• 数据集显示出类别不平衡问题，深对流云（Dc）代表性不足，但模型仍实现高精度（98.84%准确率），表明对类别不平衡具有鲁棒性。