Fugu-MT 論文翻訳(概要): Validating Climate Models with Spherical Convolutional Wasserstein Distance

論文の概要: Validating Climate Models with Spherical Convolutional Wasserstein Distance

arxiv url: http://arxiv.org/abs/2401.14657v1
Date: Fri, 26 Jan 2024 05:35:50 GMT
ステータス: 処理完了
システム内更新日: 2024-01-29 15:50:54.187490
Title: Validating Climate Models with Spherical Convolutional Wasserstein Distance
Title（参考訳）: 球状畳み込みワッサースタイン距離による気候モデルの検証
Authors: Robert C. Garrett, Trevor Harris, Bo Li, Zhuo Wang
Abstract要約: 我々は、気候モデルと再分析データの違いをより包括的に測定するために、球面畳み込みワッサースタイン距離を導入する。この新たな類似度尺度は、畳み込み予測を用いて空間変動を考慮し、気候変数の分布の局所的な差異を定量化する。
参考スコア（独自算出の注目度）: 6.391314424489529
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The validation of global climate models is crucial to ensure the accuracy and efficacy of model output. We introduce the spherical convolutional Wasserstein distance to more comprehensively measure differences between climate models and reanalysis data. This new similarity measure accounts for spatial variability using convolutional projections and quantifies local differences in the distribution of climate variables. We apply this method to evaluate the historical model outputs of the Coupled Model Intercomparison Project (CMIP) members by comparing them to observational and reanalysis data products. Additionally, we investigate the progression from CMIP phase 5 to phase 6 and find modest improvements in the phase 6 models regarding their ability to produce realistic climatologies.
Abstract（参考訳）: 地球規模の気候モデルの検証は、モデル出力の正確性と有効性を保証するために不可欠である。本研究では,気候モデルと再分析データの違いをより包括的に測定するために,球状畳み込み距離を導入する。この新しい類似度尺度は畳み込み射影を用いた空間変動性を考慮し、気候変数の分布の局所的な差を定量化する。本稿では,CMIP(Coupled Model Intercomparison Project)メンバーの過去のモデル出力を,観測データと再解析データとを比較して評価する。さらに,cmipフェーズ5からフェーズ6への進展を調査し,リアルな気候を創造する能力に関して,フェーズ6モデルに控えめな改善点を見いだした。

関連論文リスト

Quantifying uncertainty in climate projections with conformal ensembles [0.0]
コンフォーマルアンサンブル(Conformal ensembling)は、予測の不確実性を低減するためのコンフォーマル推論に基づく、気候予測の不確実性定量化の新しいアプローチである。これは、任意のアンサンブル解析法を用いて、任意の気候変数に適用することができる。実験により, 過去の分析データに将来の予測を条件付ける場合, 有効であることが示唆された。
論文参考訳（メタデータ） (2024-08-13T05:23:55Z)
Probabilistic Emulation of a Global Climate Model with Spherical DYffusion [15.460280166612119]
本研究では, 高精度で物理的に整合した地球規模の気候アンサンブルシミュレーションを作成した最初の条件生成モデルを提案する。我々のモデルは、動的インフォームド拡散フレームワーク(DYffusion)と、球状フーリエニューラル演算子(SFNO)アーキテクチャを統合する。このモデルは、気候モデルエミュレーションのための金本位に近い性能を達成し、既存のアプローチを上回り、有望なアンサンブルスキルを実証する。
論文参考訳（メタデータ） (2024-06-21T00:16:55Z)
Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文参考訳（メタデータ） (2024-03-11T05:35:38Z)
Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。このアプローチは従来のプロセスベースのモデルよりも優れています。
論文参考訳（メタデータ） (2024-01-08T15:29:23Z)
FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。 FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文参考訳（メタデータ） (2023-12-16T02:07:56Z)
Generating High-Resolution Regional Precipitation Using Conditional Diffusion Model [7.784934642915291]
本稿では,気候データ,特に地域規模での降水量について,より詳細な生成モデルを提案する。複数のLR気候変数に条件付き拡散確率モデルを用いる。以上の結果から,下降気候データにおける条件拡散モデルの有効性が示唆された。
論文参考訳（メタデータ） (2023-12-12T09:39:52Z)
Towards Learned Emulation of Interannual Water Isotopologue Variations in General Circulation Models [2.161227459325287]
本研究では, 降水時の酸素同位体組成の明示的な物理に基づくシミュレーションを, 機械学習を用いて置き換える可能性を検討する。我々は、UNetアーキテクチャの成功に基づいて畳み込みニューラルネットワーク(CNN)を実装し、球面ネットワークアーキテクチャが地球の緯度-経度格子を平坦な画像として扱うという単純なアプローチよりも優れているかどうかをテストする。
論文参考訳（メタデータ） (2023-01-31T07:54:52Z)
ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。気候データセットの自己教師型学習目標で事前トレーニングすることができる。気候や気候の様々な問題に対処するために、微調整が可能である。
論文参考訳（メタデータ） (2023-01-24T23:19:01Z)
Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文参考訳（メタデータ） (2022-11-15T14:15:04Z)
Modeling of Pan Evaporation Based on the Development of Machine Learning Methods [0.0]
気温、風速、日照時間、湿度、太陽放射などの気候変化は蒸発過程に大きな影響を及ぼす可能性がある。本研究の目的は、毎月のパン蒸発推定をモデル化するための機械学習(ML)モデルの有効性を検討することである。
論文参考訳（メタデータ） (2021-10-10T10:06:16Z)
Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文参考訳（メタデータ） (2020-10-20T15:31:38Z)

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。