論文の概要: DAWP: A framework for global observation forecasting via Data Assimilation and Weather Prediction in satellite observation space

• arxiv url: http://arxiv.org/abs/2510.15978v1
• Date: Mon, 13 Oct 2025 03:13:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.741191
• Title: DAWP: A framework for global observation forecasting via Data Assimilation and Weather Prediction in satellite observation space
• Title（参考訳）: DAWP:衛星観測空間におけるデータ同化と天気予報による地球観測予測のためのフレームワーク
• Authors: Junchao Gong, Jingyi Xu, Ben Fei, Fenghua Ling, Wenlong Zhang, Kun Chen, Wanghan Xu, Weidong Yang, Xiaokang Yang, Lei Bai,
• Abstract要約: 完全な観測空間でAIWPを動作させるためのDAWPフレームワークを提案する。 AIDAモジュールは、不規則な衛星観測トークンを同化するためにマスク多モードオートエンコーダを適用している。 我々はAIDAがAIWPのロールアウトと効率を大幅に改善し、地球規模の降水分解予測に適用できる有望な可能性を秘めていることを示す。
• 参考スコア（独自算出の注目度）: 60.729377189859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weather prediction is a critical task for human society, where impressive progress has been made by training artificial intelligence weather prediction (AIWP) methods with reanalysis data. However, reliance on reanalysis data limits the AIWPs with shortcomings, including data assimilation biases and temporal discrepancies. To liberate AIWPs from the reanalysis data, observation forecasting emerges as a transformative paradigm for weather prediction. One of the key challenges in observation forecasting is learning spatiotemporal dynamics across disparate measurement systems with irregular high-resolution observation data, which constrains the design and prediction of AIWPs. To this end, we propose our DAWP as an innovative framework to enable AIWPs to operate in a complete observation space by initialization with an artificial intelligence data assimilation (AIDA) module. Specifically, our AIDA module applies a mask multi-modality autoencoder(MMAE)for assimilating irregular satellite observation tokens encoded by mask ViT-VAEs. For AIWP, we introduce a spatiotemporal decoupling transformer with cross-regional boundary conditioning (CBC), learning the dynamics in observation space, to enable sub-image-based global observation forecasting. Comprehensive experiments demonstrate that AIDA initialization significantly improves the roll out and efficiency of AIWP. Additionally, we show that DAWP holds promising potential to be applied in global precipitation forecasting.
• Abstract（参考訳）: 天気予報は人間社会にとって重要な課題であり、人工知能天気予報法(AIWP)を分析データで訓練することで、目覚ましい進歩を遂げた。 しかし、再分析データへの依存は、データ同化バイアスや時間的相違など、AIWPに欠点がある。 再解析データからAIWPを解放するために、天気予報の変換パラダイムとして観測予測が出現する。 観測予測における重要な課題の1つは、AIWPの設計と予測を制約する不規則な高分解能観測データを持つ異なる測定システム間での時空間ダイナミクスの学習である。 そこで我々は,人工知能データ同化(AIDA)モジュールを初期化することにより,AIWPが完全な観測空間で動作できるようにする,革新的なフレームワークとして,DAWPを提案する。 具体的には、我々のAIDAモジュールは、マスク ViT-VAE で符号化された不規則な衛星観測トークンを同化するために、マスク多モードオートエンコーダ(MMAE)を適用している。 AIWPでは、領域境界条件付き時空間デカップリング変換器を導入し、観測空間のダイナミクスを学習し、サブイメージに基づくグローバルな観測予測を可能にする。 総合的な実験により、AIDAの初期化はAIWPのロールアウトと効率を大幅に改善することが示された。 さらに, DAWPは, 地球規模の降水量予測に適用できる有望な可能性を秘めていることを示す。

関連論文リスト

• Appa: Bending Weather Dynamics with Latent Diffusion Models for Global Data Assimilation [4.430758443755128]
  Appaはスコアベースのデータ同化モデルで、地球規模の大気軌道を0.25度と1時間間隔で生成する。 この結果から,将来的な大気モデルシステムの基礎として,潜在スコアに基づくデータ同化が確立される。
  論文  参考訳（メタデータ） (2025-04-25T22:14:29Z)
• Investigating the use of terrain-following coordinates in AI-driven precipitation forecasts [0.0]
  本研究では、地形追従座標をAIWPモデルに統合する新しい解を提案する。 地形追従座標の有効性を評価するための予測実験を行った。 その結果, 極端事象と降水強度スペクトルの推定は大幅に改善された。
  論文  参考訳（メタデータ） (2025-03-01T03:44:46Z)
• A Benchmark for AI-based Weather Data Assimilation [10.100157158477145]
  本研究では,シミュレーション観測,実世界観測,ERA5再解析により構築したベンチマークであるDABenchを提案する。 実験の結果,4DVarFormerV2とSformerを統合したエンド・ツー・エンドの天気予報システムが実世界の観測を同化できることが確認された。 提案されているDABenchは、AIベースのDA、AIベースの天気予報、および関連するドメインの研究を大幅に前進させる。
  論文  参考訳（メタデータ） (2024-08-21T08:50:19Z)
• 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)
• FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
  我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。 FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。 シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
  論文  参考訳（メタデータ） (2023-12-16T02:07:56Z)

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。