論文の概要: MeteorPred: A Meteorological Multimodal Large Model and Dataset for Severe Weather Event Prediction

• arxiv url: http://arxiv.org/abs/2508.06859v1
• Date: Sat, 09 Aug 2025 06:54:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.584675
• Title: MeteorPred: A Meteorological Multimodal Large Model and Dataset for Severe Weather Event Prediction
• Title（参考訳）: MeteorPred: 気象イベント予測のための気象モデルとデータセット
• Authors: Shuo Tang, Jian Xu, Jiadong Zhang, Yi Chen, Qizhao Jin, Lingdong Shen, Chenglin Liu, Shiming Xiang,
• Abstract要約: 本稿では,気象予報のための大規模な時間的マルチモーダルデータセットであるMP-Benchを紹介する。 このデータセットの上に,4次元気象入力を直接吸収するマルチモーダル大モデル (MMLM) を開発した。 MMLMは複数のタスクにまたがって非常によく機能し、厳しい気象の理解におけるその有効性を強調している。
• 参考スコア（独自算出の注目度）: 44.09814361538848
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Timely and accurate severe weather warnings are critical for disaster mitigation. However, current forecasting systems remain heavily reliant on manual expert interpretation, introducing subjectivity and significant operational burdens. With the rapid development of AI technologies, the end-to-end "AI weather station" is gradually emerging as a new trend in predicting severe weather events. Three core challenges impede the development of end-to-end AI severe weather system: (1) scarcity of severe weather event samples; (2) imperfect alignment between high-dimensional meteorological data and textual warnings; (3) existing multimodal language models are unable to handle high-dimensional meteorological data and struggle to fully capture the complex dependencies across temporal sequences, vertical pressure levels, and spatial dimensions. To address these challenges, we introduce MP-Bench, the first large-scale temporal multimodal dataset for severe weather events prediction, comprising 421,363 pairs of raw multi-year meteorological data and corresponding text caption, covering a wide range of severe weather scenarios across China. On top of this dataset, we develop a meteorology multimodal large model (MMLM) that directly ingests 4D meteorological inputs. In addition, it is designed to accommodate the unique characteristics of 4D meteorological data flow, incorporating three plug-and-play adaptive fusion modules that enable dynamic feature extraction and integration across temporal sequences, vertical pressure layers, and spatial dimensions. Extensive experiments on MP-Bench demonstrate that MMLM performs exceptionally well across multiple tasks, highlighting its effectiveness in severe weather understanding and marking a key step toward realizing automated, AI-driven weather forecasting systems. Our source code and dataset will be made publicly available.
• Abstract（参考訳）: タイムリーで正確な天気予報は、災害の軽減に不可欠である。 しかし、現在の予測システムは、主観性と運用上の重大な負担を伴って、マニュアル専門家の解釈に大きく依存している。 AI技術の急速な発展に伴い、悪天候を予知する新たなトレンドとして、エンドツーエンドの「AI気象観測所」が徐々に出現しつつある。 1)厳しい気象事象サンプルの不足,(2)高次元気象データとテキスト警告の不完全な一致,(3)既存のマルチモーダル言語モデルでは高次元気象データを扱うことができず,時間的シーケンス,垂直圧レベル,空間次元にまたがる複雑な依存関係を完全に捉えるのに苦労している。 これらの課題に対処するために,中国各地の厳しい気象シナリオをカバーする,421,363組の生の多年気象データと対応するテキストキャプションからなる,気象イベント予測のための最初の大規模時空間マルチモーダルデータセットであるMP-Benchを紹介した。 このデータセットの上に,4次元気象入力を直接摂取する気象マルチモーダル大モデル(MMLM)を開発した。 さらに,3つのプラグ・アンド・プレイ・アダプティブ・フュージョン・モジュールを組み込むことで,時間列,垂直圧層,空間次元の動的特徴抽出と統合を可能にする。 MP-Benchでの大規模な実験では、MMLMは複数のタスクで非常にうまく機能し、厳しい気象理解におけるその効果を強調し、自動化されたAI駆動の天気予報システムの実現に向けた重要なステップをマークしている。 ソースコードとデータセットを公開します。

関連論文リスト

• FuXi Weather: A data-to-forecast machine learning system for global weather [13.052716094161886]
  FuXi Weatherは、複数の衛星のデータと類似した機械学習の天気予報システムである。 FuXi 気象は、中央アフリカなどの観測圏において、ECMWF HRES を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-08-10T07:42:01Z)
• WeatherQA: Can Multimodal Language Models Reason about Severe Weather? [45.43764278625153]
  干し草、竜巻、雷雨などの激しい対流的な気象イベントは、しばしば急速に起こるが、大きな被害を招き、毎年何十億ドルもの費用がかかる。 このことは、気象学者や住民のリスクの高い地域での適切な準備のために、前もって厳しい天候の脅威を予知することの重要性を強調している。 我々は、気象パラメータの複雑な組み合わせを推論し、現実のシナリオで厳しい天候を予測するために、機械用に設計された最初のマルチモーダルデータセットであるWeatherQAを紹介する。
  論文  参考訳（メタデータ） (2024-06-17T05:23:18Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• Prompt Federated Learning for Weather Forecasting: Toward Foundation Models on Meteorological Data [37.549578998407675]
  地球規模の気候問題に対処するためには、大規模な気象データに基づいて総合的な気象予報を行うための共同プラットフォームを開発する必要がある。 本稿では,複雑な気象データを理解し,天気予報を行う領域にまたがる基礎モデルを構築した。 低リソースセンサの通信と計算の制約を満たすために,新しいプロンプト学習機構が採用された。
  論文  参考訳（メタデータ） (2023-01-22T16:47:05Z)

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。