論文の概要: DaYu: Data-Driven Model for Geostationary Satellite Observed Cloud Images Forecasting
- arxiv url: http://arxiv.org/abs/2411.10144v1
- Date: Fri, 15 Nov 2024 12:36:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-18 15:37:12.295828
- Title: DaYu: Data-Driven Model for Geostationary Satellite Observed Cloud Images Forecasting
- Title（参考訳）: DaYu: 静止衛星観測雲画像予測のためのデータ駆動モデル
- Authors: Xujun Wei, Feng Zhang, Renhe Zhang, Wenwen Li, Cuiping Liu, Bin Guo, Jingwei Li, Haoyang Fu, Xu Tang,
- Abstract要約: 本稿では,高度データ駆動熱赤外雲画像予測モデル"DaYu"を提案する。
DaYuは静止衛星観測のために特別に設計されており、時間分解能は0.5時間である。
相関係数が0.9より高く、0.8より6時間高く、0.7より12時間高い。
- 参考スコア（独自算出の注目度）: 14.42078049001157
- License:
- Abstract: In the past few years, Artificial Intelligence (AI)-based weather forecasting methods have widely demonstrated strong competitiveness among the weather forecasting systems. However, these methods are insufficient for high-spatial-resolution short-term nowcasting within 6 hours, which is crucial for warning short-duration, mesoscale and small-scale weather events. Geostationary satellite remote sensing provides detailed, high spatio-temporal and all-day observations, which can address the above limitations of existing methods. Therefore, this paper proposed an advanced data-driven thermal infrared cloud images forecasting model, "DaYu." Unlike existing data-driven weather forecasting models, DaYu is specifically designed for geostationary satellite observations, with a temporal resolution of 0.5 hours and a spatial resolution of ${0.05}^\circ$ $\times$ ${0.05}^\circ$. DaYu is based on a large-scale transformer architecture, which enables it to capture fine-grained cloud structures and learn fast-changing spatio-temporal evolution features effectively. Moreover, its attention mechanism design achieves a balance in computational complexity, making it practical for applications. DaYu not only achieves accurate forecasts up to 3 hours with a correlation coefficient higher than 0.9, 6 hours higher than 0.8, and 12 hours higher than 0.7, but also detects short-duration, mesoscale, and small-scale weather events with enhanced detail, effectively addressing the shortcomings of existing methods in providing detailed short-term nowcasting within 6 hours. Furthermore, DaYu has significant potential in short-term climate disaster prevention and mitigation.
- Abstract（参考訳）: 近年,人工知能(AI)を用いた天気予報手法は,気象予報システムの間で強い競争力を示している。
しかし、これらの手法は6時間以内の高分解能短期放送には不十分であり、短期放送、メソスケール、小規模気象イベントの警告に不可欠である。
静止衛星リモートセンシングは、上記の方法の制限に対処できる詳細な、高時空間および全日観測を提供する。
そこで本研究では,データ駆動熱赤外画像予測モデルであるDaYuを提案する。
既存のデータ駆動気象予報モデルとは異なり、DaYuは静止衛星観測のために特別に設計されており、時間分解能は0.5時間、空間分解能は$0.05}^\circ$$$0.05}^\circ$である。
DaYuは大規模なトランスフォーマーアーキテクチャをベースにしており、きめ細かい雲の構造を捉え、時空間の急速な変化を効果的に学習することができる。
さらに、その注意機構設計は計算複雑性のバランスを保ち、アプリケーションにとって実用的である。
大湯は相関係数0.9以上、0.8以上6時間、0.7より12時間高い相関係数で3時間正確な予測を達成できるだけでなく、細部が強化された短期、中規模、小規模の気象事象を検知し、6時間以内に詳細な短期放送を行う上で、既存の手法の欠点を効果的に解決する。
さらに、大湯は短期的な気象災害の防止と緩和に大きな可能性を秘めている。
関連論文リスト
- FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。
我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。
日時から季節時の予測誤差成長に関するアブレーション実験
論文 参考訳（メタデータ） (2024-11-15T13:44:37Z) - HR-Extreme: A High-Resolution Dataset for Extreme Weather Forecasting [12.561873438789242]
本研究では,高解像度の極端気象事例を包含した包括的データセットを提案する。
HR-Extreme上での最先端ディープラーニングモデルと数値気象予測システム(NWP)の評価を行った。
論文 参考訳（メタデータ） (2024-09-27T16:20:51Z) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - Four-hour thunderstorm nowcasting using deep diffusion models of satellite [13.44153183086588]
衛星の深部拡散モデル(DDMS)を提案し,AIを用いた対流流速報システムを構築する。
FengYun-4A衛星による長期試験と客観的検証において,本システムは4時間までの有効対流を初めて達成した。
本システムは効率よく作動する(4時間の対流を8分で予測)。
論文 参考訳（メタデータ） (2024-04-16T12:33:44Z) - KARINA: An Efficient Deep Learning Model for Global Weather Forecast [2.9687381456164004]
カリナは計算資源が大幅に少ない高解像度の予測精度を達成している。
カリナはConvNext、SENet、Geocyclic Paddingを統合し、2.5degの解像度で天気予報を強化する。
カリナは気象予報の精度を新たなベンチマークで設定し、ECMWF S2Sのような既存のモデルを最大7日間のリードタイムで上回った。
論文 参考訳（メタデータ） (2024-03-13T06:41:37Z) - FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$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) - Transformer-based nowcasting of radar composites from satellite images
for severe weather [45.0983299269404]
衛星データを用いた地上レーダー画像系列を最大2時間リードするトランスフォーマーモデルを提案する。
厳しい気象条件を反映したデータセットに基づいてトレーニングされたこのモデルは、異なる気象現象の下で発生したレーダーフィールドを予測する。
このモデルは、レーダータワーを明示的に必要とせずに、大きなドメインにまたがる降水を支援することができる。
論文 参考訳（メタデータ） (2023-10-30T13:17:38Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond
10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。
FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。
その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文 参考訳（メタデータ） (2023-04-06T09:16:39Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳（メタデータ） (2022-11-03T17:19:43Z) - Deep-Learning-Based Precipitation Nowcasting with Ground Weather Station
Data and Radar Data [14.672132394870445]
複数の気象観測所からの地上気象観測を効果的に活用するための新しい注意法であるASOCを提案する。
ASOCは、観測の時間的ダイナミクスとそれらの間の文脈的関係を捉えるように設計されている。
この組み合わせにより, 平均臨界成功指数 (CSI) は1-6時間リード時の重雨 (少なくとも10 mm/hr) と軽雨 (少なくとも1 mm/hr) を5.7%向上することがわかった。
論文 参考訳（メタデータ） (2022-10-20T14:59:58Z)
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。