elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

On the Generalization of Agricultural Drought Classification from Climate Data. Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS) Workshop 2021 "Tackling Climate Change with Machine Learning"

Gottfriedsen, Julia Sophia und Berrendorf, Max und Gentine, Pierre und Hassler, Birgit und Reichstein, Markus und Weigel, Katja und Eyring, Veronika (2021) On the Generalization of Agricultural Drought Classification from Climate Data. Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS) Workshop 2021 "Tackling Climate Change with Machine Learning". Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS), 2021-12-06 - 2021-12-14, remote.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://neurips.cc/

Kurzfassung

Climate change is expected to increase the likelihood of drought events, with severe implications for food security. Unlike other natural disasters, droughts have a slow onset and depend on various external factors, making drought detection in climate data difficult. In contrast to existing works that rely on simple relative drought indices as ground-truth data, we build upon SMI from a hydrological model, which is directly related to insufficiently available water to vegetation. Given ERA5-Land climate input data of six months with landuse information from MODIS satellite observation, we compare different models with and without sequential inductive bias in their ability to classify droughts based on SMI. We use PR-AUC and Macro F1 Score as evaluation measures to account for the class imbalance and obtain promising results despite a challenging time-based split. We show in an ablation study that the models retain their predictive capabilities given input data of coarser resolutions, as frequently encountered in climate models.

elib-URL des Eintrags:https://elib.dlr.de/145433/
Dokumentart:Konferenzbeitrag (Vortrag, Poster)
Titel:On the Generalization of Agricultural Drought Classification from Climate Data. Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS) Workshop 2021 "Tackling Climate Change with Machine Learning"
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Gottfriedsen, Julia SophiaDLR, IPANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Berrendorf, MaxLMU München, GermanyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gentine, PierreDepartment of Earth and Environmental Engineering, Columbia University, New York, USAhttps://orcid.org/0000-0002-0845-8345NICHT SPEZIFIZIERT
Hassler, BirgitDLR, IPANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Reichstein, MarkusMax-Planck-Institute for Biogeochemistry, Jena, Germanyhttps://orcid.org/0000-0001-5736-1112NICHT SPEZIFIZIERT
Weigel, KatjaDLR, IPA und Univ. BremenNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Eyring, VeronikaDLR, IPAhttps://orcid.org/0000-0002-6887-4885NICHT SPEZIFIZIERT
Datum:Dezember 2021
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Machine Learning, KI, Extreme Events, ERA5 Land, Climate Change
Veranstaltungstitel:Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS)
Veranstaltungsort:remote
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:6 Dezember 2021
Veranstaltungsende:14 Dezember 2021
Veranstalter :Marc'Aurelio Ranzato, DeepMind
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Atmosphären- und Klimaforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Physik der Atmosphäre > Erdsystemmodell -Evaluation und -Analyse
Hinterlegt von: Gottfriedsen, Julia Sophia
Hinterlegt am:10 Nov 2021 09:46
Letzte Änderung:29 Aug 2024 09:46

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.