Applied AI research
EastAsiaClimateExtremes 將東亞熱浪、暴雨與海洋熱浪整理成每週 AI 標籤
APEC 氣候中心公開一套與 ECMWF 次季節回報預報對齊的東亞極端氣候資料集，涵蓋格點標籤、事件強度及分析程式。它降低建立 AI 預測目標的前處理成本，但 1.5 度網格、再分析資料偏差及不明確的授權狀態限制了直接部署。
9 月 8 日提交的 EastAsiaClimateExtremes，針對東亞 AI 極端天氣研究常見的資料缺口：ERA5、OISST 與數值預報雖提供連續氣象場，研究者仍須自行把溫度、降雨與海溫轉成可訓練、可驗證的事件標籤。新資料集把異常高溫、豪雨及海洋熱浪統一放在北緯 21 至 48 度、東經 114 至 141 度的 1.5 度網格，提供每日與每週序列、氣候平均，以及第 90、95 百分位門檻。
處理後資料不只標示是否超標，也保存極端日數、峰值強度與累積影響量。事件則以最短持續時間及允許間隔定義，例如 `D3G5` 代表至少持續三天、期間最多容許五天空檔；紀錄包含起迄日、持續時間、平均與峰值強度。ERA5 範圍為 1940 至 2024 年，OISST 為 1982 至 2024 年。作者亦將標籤與 ECMWF 2016、2024 版次季節回報預報放到相同時空框架，範例工作流會比較第 3 領先週、即預報後第 15 至 21 天的結果。
技術價值在於把「預測平均氣象場」與「辨識低頻、高衝擊事件」拆成可重現的監督與評測問題。GitHub 儲存庫提供 NetCDF、NumPy 輸出，以及時間序列、熱圖、長期趨勢和二維統計 notebook，適合建立分類、機率預報或混合動力—AI 基線。
不過，這不是新的預報模型，也未證明 AI 能超越 ECMWF。標籤主要由再分析與百分位規則衍生，會繼承資料源與事件定義偏差；1.5 度解析度亦不足以描述許多局地暴雨。儲存庫頁面目前未清楚列出軟體及資料授權，團隊在重散布或商用前應先取得確認。