Fugu-MT 論文翻訳(概要): A Deep Learning Model for Forecasting Global Monthly Mean Sea Surface Temperature Anomalies

論文の概要: A Deep Learning Model for Forecasting Global Monthly Mean Sea Surface Temperature Anomalies

arxiv url: http://arxiv.org/abs/2202.09967v1
Date: Mon, 21 Feb 2022 03:11:27 GMT
ステータス: 処理完了
システム内更新日: 2022-02-23 12:22:09.772435
Title: A Deep Learning Model for Forecasting Global Monthly Mean Sea Surface Temperature Anomalies
Title（参考訳）: 月平均海面温度異常予測のための深層学習モデル
Authors: John Taylor and Ming Feng
Abstract要約: 我々は,ECMWF ERA5月平均海面温度と2m大気温度データに基づいて,70年以上(1950-2021年)の深層学習時系列予測モデル(Unet-LSTM)を開発した。このモデルでは、24カ月間の海面温度を正確に予測し、予測されるすべての月において、根平均2乗誤差は 0.75$circ$C 以下である。また,Nino3.4地域の海面温度異常や,過去10年間の海面熱波ホットスポットの予測能力についても検討した。
参考スコア（独自算出の注目度）: 2.8411302762015844
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Sea surface temperature (SST) variability plays a key role in the global weather and climate system, with phenomena such as El Ni\~{n}o-Southern Oscillation regarded as a major source of interannual climate variability at the global scale. The ability to be able to make long-range forecasts of sea surface temperature anomalies, especially those associated with extreme marine heatwave events, has potentially significant economic and societal benefits. We have developed a deep learning time series prediction model (Unet-LSTM) based on more than 70 years (1950-2021) of ECMWF ERA5 monthly mean sea surface temperature and 2-metre air temperature data. The Unet-LSTM model is able to learn the underlying physics driving the temporal evolution of the 2-dimensional global sea surface temperatures. The model accurately predicts sea surface temperatures over a 24 month period with a root mean square error remaining below 0.75$^\circ$C for all predicted months. We have also investigated the ability of the model to predict sea surface temperature anomalies in the Ni\~{n}o3.4 region, as well as a number of marine heatwave hot spots over the past decade. Model predictions of the Ni\~{n}o3.4 index allow us to capture the strong 2010-11 La Ni\~{n}a, 2009-10 El Nino and the 2015-16 extreme El Ni\~{n}o up to 24 months in advance. It also shows long lead prediction skills for the northeast Pacific marine heatwave, the Blob. However, the prediction of the marine heatwaves in the southeast Indian Ocean, the Ningaloo Ni\~{n}o, shows limited skill. These results indicate the significant potential of data driven methods to yield long-range predictions of sea surface temperature anomalies.
Abstract（参考訳）: 海面温度(sst)の変動は、地球規模の気象・気候システムにおいて重要な役割を担っており、エルニアン・オ・サザン振動(el ni\~{n}o-southern oscillation)のような現象は、地球規模の気候変動の主要な年次発生源と見なされている。海面温度異常の長期予測を可能にする能力、特に極端な海洋熱波現象に関連するものは、経済的、社会的利益をもたらす可能性がある。我々は,ECMWF ERA5月平均海面温度と2m大気温度データに基づいて,70年以上(1950-2021年)の深層学習時系列予測モデル(Unet-LSTM)を開発した。 Unet-LSTMモデルは、2次元の世界海面温度の時間的進化を駆動する基礎物理学を学習することができる。このモデルは、予測された月ごとに0.75$^\circ$C未満の根平均二乗誤差が残る24カ月間の海面温度を正確に予測する。また,ni\~{n}o3.4領域の海面温度異常や,過去10年間の海洋熱波ホットスポットを予測できるモデルの可能性についても検討した。 Ni\~{n}o3.4 指数のモデル予測により、強い 2010-11 La Ni\~{n}a, 2009-10 El Nino と 2015-16 extreme El Ni\~{n}o を24ヶ月前に捉えることができる。また、北東太平洋の海洋熱波であるブロブの長い鉛予測技術も示している。しかし、インド洋南東部の海洋熱波(ningaloo ni\~{n}o)の予測は限られた技術しか示していない。これらの結果は,海面温度異常を長距離予測するデータ駆動手法の有意な可能性を示唆している。

関連論文リスト

FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。日時から季節時の予測誤差成長に関するアブレーション実験
論文参考訳（メタデータ） (2024-11-15T13:44:37Z)
Coupled Ocean-Atmosphere Dynamics in a Machine Learning Earth System Model [0.6008008212472723]
我々は,高分解能(0.25deg)人工知能/機械学習(AI/ML)結合土系モデルであるオーシャンリンク大気(Ola)モデルを提案する。その結果,Olaは適切な位相速度を持つ熱帯海洋波を含む海洋-大気結合力学の学習特性を示すことがわかった。本研究では,地球物理流体力学研究所のSPEARモデルと比較し,エルニーニョ/南方振動(ENSO)の予測能力を示す。
論文参考訳（メタデータ） (2024-06-12T20:29:14Z)
Exploring the Potential of Hybrid Machine-Learning/Physics-Based Modeling for Atmospheric/Oceanic Prediction Beyond the Medium Range [0.0]
本稿では、機械学習(ML)と従来の物理モデルを組み合わせたハイブリッドモデリング手法の可能性について検討する。このモデルは、低分解能で簡易なパラメータ化大気一般循環モデル(AGCM)SPEEDYに基づいている。このモデルはエルニーノの周期と、季節によって3～7ヶ月の降水量による地球規模のテレコネクションを予測する能力を持っている。
論文参考訳（メタデータ） (2024-05-29T20:56:44Z)
FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文参考訳（メタデータ） (2024-01-28T13:23:25Z)
Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文参考訳（メタデータ） (2023-09-24T19:57:22Z)
MT-IceNet -- A Spatial and Multi-Temporal Deep Learning Model for Arctic Sea Ice Forecasting [0.31410342959104726]
我々は,北極海氷濃度(SIC)予測のためのMT-IceNet - UNetに基づく空間・多時間深層学習モデルを提案する。提案モデルでは,6ヶ月のリードタイムで予測誤差を最大60%低減し,画素ごとのSIC予測に有望な予測性能を提供する。
論文参考訳（メタデータ） (2023-08-08T18:18:31Z)
Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文参考訳（メタデータ） (2022-11-20T06:46:35Z)
Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文参考訳（メタデータ） (2022-10-17T09:14:35Z)
Physics-Guided Generative Adversarial Networks for Sea Subsurface Temperature Prediction [24.55780949103687]
海面下温度は気候変動の地球温暖化の影響を受けている。既存の研究は一般に物理学に基づく数値モデルまたはデータに基づくモデルに基づいている。本稿では,GAN(Generative Adversarial Network)と数値モデルを組み合わせた,海底温度の予測手法を提案する。
論文参考訳（メタデータ） (2021-11-04T23:46:51Z)
Predicting Atlantic Multidecadal Variability [7.664716161640758]
大西洋の多面的変動は、典型的な周期が60年から70年の間である北大西洋の海面温度の変動を記述している。この研究は、北大西洋地域の海面温度、塩分濃度、海面圧力のマップから、AMV予測の状態を改善するために、複数の機械学習モデルをテストする。
論文参考訳（メタデータ） (2021-10-29T23:56:24Z)
A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文参考訳（メタデータ） (2020-06-13T20:53:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。