論文の概要: Are Deep Learning Methods Suitable for Downscaling Global Climate Projections? Review and Intercomparison of Existing Models

• arxiv url: http://arxiv.org/abs/2411.05850v1
• Date: Wed, 06 Nov 2024 18:05:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:11:12.769449
• Title: Are Deep Learning Methods Suitable for Downscaling Global Climate Projections? Review and Intercomparison of Existing Models
• Title（参考訳）: 地球温暖化予測のダウンスケールに適した深層学習法 : 既存モデルのレビューと相互比較
• Authors: Jose González-Abad, José Manuel Gutiérrez,
• Abstract要約: 完全予後(PP)と地域気候モデル(RCM)エミュレーションは、世界的な気候変動予測を下方修正することを約束している。 エミュレータとは異なり、PPダウンスケーリングモデルは観測データに基づいて訓練されているため、未確認の条件や将来の排出シナリオの変化を確実に外挿できるかどうかには疑問が残る。 PPダウンスケーリングのための最新のDLモデルを特定し、共通の実験フレームワークを用いてその外挿能力を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Deep Learning (DL) has shown promise for downscaling global climate change projections under different approaches, including Perfect Prognosis (PP) and Regional Climate Model (RCM) emulation. Unlike emulators, PP downscaling models are trained on observational data, so it remains an open question whether they can plausibly extrapolate unseen conditions and changes in future emissions scenarios. Here we focus on this problem as the main drawback for the operationalization of these methods and present the results of 1) a literature review to identify state-of-the-art DL models for PP downscaling and 2) an intercomparison experiment to evaluate the performance of these models and to assess their extrapolation capability using a common experimental framework, taking into account the sensitivity of results to different training replicas. We focus on minimum and maximum temperatures and precipitation over Spain, a region with a range of climatic conditions with different influential regional processes. We conclude with a discussion of the findings, limitations of existing methods, and prospects for future development.
• Abstract（参考訳）: 深層学習(DL)は、完全予後(PP)や地域気候モデル(RCM)エミュレーションなど、異なるアプローチの下で、世界的な気候変動予測を下方修正することを約束している。 エミュレータとは異なり、PPダウンスケーリングモデルは観測データに基づいて訓練されているため、未確認条件や将来の排出シナリオの変化を確実に外挿できるかどうかには疑問が残る。 ここでは,これらの手法の運用上の主な欠点としてこの問題に注目し,その結果を示す。 1)PPダウンスケーリングのための最先端DLモデルを特定するための文献レビュー 2) これらのモデルの性能を評価するための相互比較実験を行い, 異なる訓練レプリカに対する結果の感度を考慮し, 共通の実験フレームワークを用いて外挿能力を評価する。 地域によって異なる気候条件の地域であるスペインに限って、最低限の気温と降水に焦点を当てる。 本研究は,本研究の成果,既存手法の限界,今後の発展への展望について論じる。

関連論文リスト

• On conditional diffusion models for PDE simulations [53.01911265639582]
  スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。 本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。 また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:31:04Z)
• 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)
• Evaluating the transferability potential of deep learning models for climate downscaling [16.30722178785489]
  複数の気候データセットを用いた深層学習ダウンスケーリングモデルのトレーニングの有効性を評価し,より堅牢で伝達可能な表現を学習する。 ダウンスケーリングモデルの空間的, 変動的, 製品移動可能性について実験的に評価し, これらの異なるアーキテクチャの一般化可能性について考察する。
  論文  参考訳（メタデータ） (2024-07-17T12:10:24Z)
• 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)
• Transferability and explainability of deep learning emulators for regional climate model projections: Perspectives for future applications [0.4821250031784094]
  地域気候モデル (RCM) は、地域気候の変動と変化をシミュレートし、研究するための重要なツールである。 ディープラーニングモデルは、モデルをトレーニングするために短いRCMシミュレーションのみを必要とするコスト効率が高く、有望な代替手段として導入されている。 本稿では,文献(PPとMOS)における2つの異なるエミュレーション手法について考察する。 いずれの手法も、異なる期間とシナリオ(ソフトトランスファービリティ)でRCMの気候特性をエミュレートできるが、エミュレーション関数の一貫性はアプローチによって異なる。
  論文  参考訳（メタデータ） (2023-11-01T00:44:39Z)
• 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)
• A locally time-invariant metric for climate model ensemble predictions of extreme risk [8.347190888362194]
  本研究では,極度のシミュレーションを評価することを目的とした,気候モデルシミュレーションを評価するための局所的時間不変手法を提案する。 ナイロビの極端な暑さの予測における提案手法の挙動を考察し,8つの都市で比較検討を行った。
  論文  参考訳（メタデータ） (2022-11-26T16:41:50Z)
• 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。

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。