論文の概要: Pushing the Limits of Extreme Weather: Constructing Extreme Heatwave Storylines with Differentiable Climate Models

• arxiv url: http://arxiv.org/abs/2506.10660v1
• Date: Thu, 12 Jun 2025 12:50:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.737473
• Title: Pushing the Limits of Extreme Weather: Constructing Extreme Heatwave Storylines with Differentiable Climate Models
• Title（参考訳）: 極端気象の限界を推し進める:異なる気候モデルによる極端熱波のストーリーラインの構築
• Authors: Tim Whittaker, Alejandro Di Luca,
• Abstract要約: 本稿では,異なるハイブリッド気候モデルであるNeuralGCMを用いて,初期条件を最適化し,物理的に一貫した最悪の熱波トラジェクトリを生成する新しいフレームワークを提案する。 以上の結果から, 気候モデルにより, 事象確率の上位尾部を効率的に探索することが可能であり, 気候変動下での極端気象を対象とするストーリーラインを構築するための, 強力な新しいアプローチが得られた。
• 参考スコア（独自算出の注目度）: 49.1574468325115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the plausible upper bounds of extreme weather events is essential for risk assessment in a warming climate. Existing methods, based on large ensembles of physics-based models, are often computationally expensive or lack the fidelity needed to simulate rare, high-impact extremes. Here, we present a novel framework that leverages a differentiable hybrid climate model, NeuralGCM, to optimize initial conditions and generate physically consistent worst-case heatwave trajectories. Applied to the 2021 Pacific Northwest heatwave, our method produces temperature anomalies up to 3.7 $^\circ$C above the most extreme member of a 75-member ensemble. These trajectories feature intensified atmospheric blocking and amplified Rossby wave patterns--hallmarks of severe heat events. Our results demonstrate that differentiable climate models can efficiently explore the upper tails of event likelihoods, providing a powerful new approach for constructing targeted storylines of extreme weather under climate change.
• Abstract（参考訳）: 温暖化によるリスクアセスメントには, 極度の気象事象の有望な上限を理解することが不可欠である。 物理に基づくモデルの大規模なアンサンブルに基づく既存の手法は、しばしば計算コストがかかるか、稀で高影響の極端をシミュレートするために必要な忠実さが欠如している。 本稿では,異なるハイブリッド気候モデルであるニューラルGCMを用いて,初期条件を最適化し,物理的に一貫した最悪の熱波トラジェクトリを生成する新しい枠組みを提案する。 2021年の太平洋岸北西部のヒートウェーブに応用し、75人のアンサンブルの最も極端なメンバーよりも3.7ドル^\circ$Cの温度異常を発生させる。 これらの軌道は、大気のブロッキングが強化され、ロスビー波のパターンが増幅される。 以上の結果から,異なる気候モデルがイベント可能性の上部を効率的に探索できることが示され,気候変動下での極端気象を対象とするストーリーラインを構築するための強力な新しいアプローチが提案された。

関連論文リスト

• PACER: Physics Informed Uncertainty Aware Climate Emulator [0.0]
  PACERは、温室効果ガスの排出データのみを訓練しながら、86年間安定して温度と降水量をエミュレートする。 境界条件を考慮に入れたPACERにおいて, 対流拡散の基本的な物理法則を取り入れた。 PACERは、気候モデルの大半でベースラインを上回り、気候セットによって提供される15の気候モデルで訓練されている。
  論文  参考訳（メタデータ） (2024-10-29T01:53:40Z)
• 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)
• 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)
• Dynamical Tests of a Deep-Learning Weather Prediction Model [0.0]
  ディープラーニングの天気予報モデルは、運用センターで実行される物理ベースのモデルに匹敵する予測を生成することが示されている。 これらのモデルが大気力学を符号化したのか、あるいは最小の予測誤差を生成する単純なパターンマッチングなのかは不明だ。 ここでは、モデルトレーニングデータに似ていない4つの古典力学実験の集合に、そのようなモデルPangu-weatherを適用する。 本モデルは,すべての実験において現実的な物理を符号化し,高額な物理モデルを使用する前に,アイデアを迅速にテストするためのツールとして使用できることを示唆する。
  論文  参考訳（メタデータ） (2023-09-19T18:26:41Z)
• Computationally-Efficient Climate Predictions using Multi-Fidelity Surrogate Modelling [0.0]
  我々は,高忠実度気候予測を低コストで生成する手段として,多忠実度サロゲートモデルの可能性について検討した。 我々のモデルは、低忠実度気候モデル(GCM)と高忠実度地域気候モデル(RCM)の予測を組み合わせる。 我々は高忠実度モデルのみと比較して計算コストが大幅に低い高忠実度温度予測を作成できる。
  論文  参考訳（メタデータ） (2021-08-03T15:26:42Z)
• Deep Learning based Extreme Heatwave Forecast [8.975667614727648]
  最先端のプラシム・プラネット・シミュレーターの気候モデルデータを用いて,大クラスのアンダーサンプリングと転送学習を含む畳み込みニューラルネットワークに基づく深層学習フレームワークが,極端な熱波の発生を予測する上で有意な性能を発揮することを示した。
  論文  参考訳（メタデータ） (2021-03-17T16:10:06Z)
• 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)
• 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。