Fugu-MT 論文翻訳(概要): Climate Variable Downscaling with Conditional Normalizing Flows

論文の概要: Climate Variable Downscaling with Conditional Normalizing Flows

arxiv url: http://arxiv.org/abs/2405.20719v1
Date: Fri, 31 May 2024 09:20:33 GMT
ステータス: 処理完了
システム内更新日: 2024-06-03 14:57:18.165892
Title: Climate Variable Downscaling with Conditional Normalizing Flows
Title（参考訳）: 条件付き正規化流を用いた気候変動型ダウンスケーリング
Authors: Christina Winkler, Paula Harder, David Rolnick,
Abstract要約: 気候変動ダウンスケーリングの課題に条件付き正規化フローを適用した。本手法により, 標準偏差による予測不確かさを, 条件分布平均から推定できることを示す。
参考スコア（独自算出の注目度）: 21.2670980628433
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Predictions of global climate models typically operate on coarse spatial scales due to the large computational costs of climate simulations. This has led to a considerable interest in methods for statistical downscaling, a similar process to super-resolution in the computer vision context, to provide more local and regional climate information. In this work, we apply conditional normalizing flows to the task of climate variable downscaling. We showcase its successful performance on an ERA5 water content dataset for different upsampling factors. Additionally, we show that the method allows us to assess the predictive uncertainty in terms of standard deviation from the fitted conditional distribution mean.
Abstract（参考訳）: 地球規模の気候モデルの予測は、気候シミュレーションの計算コストが大きいため、粗い空間スケールで行うのが一般的である。これはコンピュータビジョンの文脈における超解像と同様のプロセスであり、より局所的および局所的な気候情報を提供する統計的ダウンスケーリングの手法にかなりの関心を惹き付けている。本研究では,気候変動ダウンスケーリングの課題に対して条件付き正規化フローを適用する。異なるアップサンプリング要因に対するERA5水量データセット上で,その性能を実証した。さらに, 本手法により, 適合条件分布平均からの標準偏差から予測の不確実性を評価することができることを示す。

関連論文リスト

Towards Kriging-informed Conditional Diffusion for Regional Sea-Level Data Downscaling [3.8178633709015446]
地球規模の気候モデルや衛星データから粗解射影を推定すると、下降問題は、より詳細な地域気候データを推定することを目的としている。この問題は、気候変動による重大なリスクに対する効果的な適応、緩和、レジリエンスに社会的に不可欠である。そこで本稿では, 空間的変動を抑えつつ, 微細な特徴を保ちながら, 空間的変動を捉えるためのKriging-informed Conditional Diffusion Probabilistic Model (Ki-CDPM)を提案する。
論文参考訳（メタデータ） (2024-10-21T04:24:10Z)
Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文参考訳（メタデータ） (2024-09-11T19:31:56Z)
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
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)
Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文参考訳（メタデータ） (2024-01-22T14:02:56Z)
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)
Multi-variable Hard Physical Constraints for Climate Model Downscaling [17.402215838651557]
地球温暖化モデル(GCM)は、気候変動の進化をシミュレートし、気候変動の影響を評価する主要なツールである。彼らはしばしば、局所的な現象を再現する際の精度を制限する粗い空間分解能で操作する。本研究は, この問題の範囲を調査し, 温度適用を通じて多変量制約を導入したフレームワークの基礎を定めている。
論文参考訳（メタデータ） (2023-08-02T11:42:02Z)
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)
Contrastive Learning for Climate Model Bias Correction and Super-Resolution [0.0]
局地的な気候リスクを正確に見積もるために、後処理が必要である。本稿では,画像スーパーレゾリューション(SR)とコントラスト学習生成対向ネットワーク(GAN)の組み合わせに基づく,この課題に対する代替手法を提案する。われわれのモデルでは、NASAの2倍の空間分解能に到達し、日中の降水量と温度の両方において、同等または改善された偏差補正を達成できた。
論文参考訳（メタデータ） (2022-11-10T19:45:17Z)
DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文参考訳（メタデータ） (2020-11-23T20:13:37Z)
ClimAlign: Unsupervised statistical downscaling of climate variables via normalizing flows [0.7734726150561086]
変分推論の正規化における最近の研究の適応を用いた、教師なし、生成的ダウンスケーリングの新しい手法であるClimAlignを提案する。提案手法は,高分解能および低分解能空間場上の関節分布からの条件および非条件サンプリングを同時に行うとともに,既存の教師付きダウンスケーリング手法に匹敵する予測性能を実現する。
論文参考訳（メタデータ） (2020-08-11T13:01:53Z)

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。