論文の概要: MODS: Multi-source Observations Conditional Diffusion Model for Meteorological State Downscaling

• arxiv url: http://arxiv.org/abs/2506.14798v1
• Date: Mon, 02 Jun 2025 08:40:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-22 23:32:14.686301
• Title: MODS: Multi-source Observations Conditional Diffusion Model for Meteorological State Downscaling
• Title（参考訳）: MODS:気象状態ダウンスケーリングのためのマルチソース観測条件拡散モデル
• Authors: Siwei Tu, Jingyi Xu, Weidong Yang, Lei Bai, Ben Fei,
• Abstract要約: 我々はMODS(Multi-source Observation Down-Scaling Model)を提案する。 静止衛星グリッドサット、極軌道衛星(AMSU-A、HIRS、MHS)のデータを条件として、地形データ(GEBCO)を条件として融合する条件拡散モデルである。 トレーニング中、多様な条件入力から潜伏した特徴を別々に抽出し、マルチソースのクロスアテンションモジュールを介してERA5マップに融合する。
• 参考スコア（独自算出の注目度）: 21.399026288978
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate acquisition of high-resolution surface meteorological conditions is critical for forecasting and simulating meteorological variables. Directly applying spatial interpolation methods to derive meteorological values at specific locations from low-resolution grid fields often yields results that deviate significantly from the actual conditions. Existing downscaling methods primarily rely on the coupling relationship between geostationary satellites and ERA5 variables as a condition. However, using brightness temperature data from geostationary satellites alone fails to comprehensively capture all the changes in meteorological variables in ERA5 maps. To address this limitation, we can use a wider range of satellite data to make more full use of its inversion effects on various meteorological variables, thus producing more realistic results across different meteorological variables. To further improve the accuracy of downscaling meteorological variables at any location, we propose the Multi-source Observation Down-Scaling Model (MODS). It is a conditional diffusion model that fuses data from multiple geostationary satellites GridSat, polar-orbiting satellites (AMSU-A, HIRS, and MHS), and topographic data (GEBCO), as conditions, and is pre-trained on the ERA5 reanalysis dataset. During training, latent features from diverse conditional inputs are extracted separately and fused into ERA5 maps via a multi-source cross-attention module. By exploiting the inversion relationships between reanalysis data and multi-source atmospheric variables, MODS generates atmospheric states that align more closely with real-world conditions. During sampling, MODS enhances downscaling consistency by incorporating low-resolution ERA5 maps and station-level meteorological data as guidance. Experimental results demonstrate that MODS achieves higher fidelity when downscaling ERA5 maps to a 6.25 km resolution.
• Abstract（参考訳）: 高分解能表面気象条件の正確な取得は、気象変数の予測とシミュレーションに不可欠である。 低分解能格子場から特定の場所の気象値を導出するために空間補間法を直接適用すると、実際の状態からかなり逸脱する結果が得られることが多い。 既存のダウンスケーリング法は主に静止衛星とERA5変数の結合関係に依存している。 しかし、静止衛星の明るさ温度データだけでは、ERA5マップにおける気象変数の変化を包括的に捉えることができない。 この制限に対処するために、より広い範囲の衛星データを用いて、様々な気象変数に対する逆効果をよりフルに利用し、異なる気象変数に対してより現実的な結果を生み出すことができる。 任意の場所での気象変数のスケールダウンの精度をさらに向上するため,MODS(Multi-source Observation Down-Scaling Model)を提案する。 これは、複数の静止衛星GridSat、極軌道衛星(AMSU-A、HIRS、MHS)、地形データ(GEBCO)のデータを条件として融合する条件拡散モデルであり、ERA5再解析データセットで事前訓練されている。 トレーニング中、多様な条件入力から潜伏した特徴を別々に抽出し、マルチソースのクロスアテンションモジュールを介してERA5マップに融合する。 再解析データとマルチソース大気変数の逆関係を利用して、MODSは現実世界の状態とより密に整合した大気状態を生成する。 サンプリング中、MODSは低解像度のERA5マップとステーションレベルの気象データをガイダンスとして組み込むことで、ダウンスケーリング一貫性を向上させる。 実験の結果、ERA5マップを6.25kmの解像度にダウンスケールすると、MODSは高い忠実度を達成することが示された。

関連論文リスト

• Satellite Observations Guided Diffusion Model for Accurate Meteorological States at Arbitrary Resolution [48.34051432429767]
  衛星観測(GridSat)を条件として,ERA5再解析データに基づいて事前学習した条件拡散モデルを提案する。 トレーニングの過程で,GridSat衛星観測から得られた情報を注意機構を介してERA5マップに融合することを提案する。 サンプリングでは、最適化可能な畳み込みカーネルを用いて、スケールアッププロセスをシミュレートした。
  論文  参考訳（メタデータ） (2025-02-09T02:05:33Z)
• 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)
• M4Fog: A Global Multi-Regional, Multi-Modal, and Multi-Stage Dataset for Marine Fog Detection and Forecasting to Bridge Ocean and Atmosphere [34.63172821289592]
  これまでに最も包括的な海洋霧検出・予測データセットであるM4Fogを提示する。 データセットは、元素、緯度、経度、時間という4つの次元に沿って68,000個の「スーパーフォッグデータ立方体」で構成され、時間分解能は30時間、空間分解能は1kmである。 実用的応用を考えると,マルチメトリック評価システムを用いた3つの意味トラックを定義し,検討した。
  論文  参考訳（メタデータ） (2024-06-19T08:11:07Z)
• Enhancing Weather Predictions: Super-Resolution via Deep Diffusion Models [0.0]
  本研究では,気象データの超解像に対するディープラーニング拡散モデルの適用について検討した。 本稿では,低分解能気象データを高分解能出力に変換する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-06T14:15:12Z)
• MetaSD: A Unified Framework for Scalable Downscaling of Meteorological Variables in Diverse Situations [8.71735078449217]
  本稿ではメタラーニングを活用した統一的なダウンスケーリング手法を提案する。 ERA5, GFSから温度, 風, 表面圧力, 総降水量からなる変数を訓練した。 提案手法は, 対流降水量, 電位, エネルギー高さ, 湿度CFS, S2S, CMIP6の時間スケールに拡張可能である。
  論文  参考訳（メタデータ） (2024-04-26T06:31:44Z)
• 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)
• 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)
• Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
  天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。 本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
  論文  参考訳（メタデータ） (2023-05-23T16:59:20Z)
• 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)

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。