Fugu-MT 論文翻訳(概要): Sparse Local Implicit Image Function for sub-km Weather Downscaling

論文の概要: Sparse Local Implicit Image Function for sub-km Weather Downscaling

arxiv url: http://arxiv.org/abs/2510.20228v1
Date: Thu, 23 Oct 2025 05:20:26 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 03:08:17.432415
Title: Sparse Local Implicit Image Function for sub-km Weather Downscaling
Title（参考訳）: サブkm気象ダウンスケーリングのためのスパース局所インシシット画像関数
Authors: Yago del Valle Inclan Redondo, Enrique Arriaga-Varela, Dmitry Lyamzin, Pablo Cervantes, Tiago Ramalho,
Abstract要約: 暗黙のニューラル表現を生成するためにSpLIIFを導入し、気象変数の任意のダウンスケーリングを可能にする。本研究では,日本全国の温暖な気象観測所と地形観測所からモデルを訓練し,気温と風速を予測する分布内および分布外精度を評価する。このモデルでは、CorrDiffとベースラインの両方を下降温度で最大50%、風速で約10～20%改善する。
参考スコア（独自算出の注目度）: 0.4893345190925178
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce SpLIIF to generate implicit neural representations and enable arbitrary downscaling of weather variables. We train a model from sparse weather stations and topography over Japan and evaluate in- and out-of-distribution accuracy predicting temperature and wind, comparing it to both an interpolation baseline and CorrDiff. We find the model to be up to 50% better than both CorrDiff and the baseline at downscaling temperature, and around 10-20% better for wind.
Abstract（参考訳）: 暗黙のニューラル表現を生成するためにSpLIIFを導入し、気象変数の任意のダウンスケーリングを可能にする。本研究では,日本全国の低地気象観測所と地形観測所からモデルを訓練し,温度と風速を予測する内外分布精度を評価し,補間ベースラインとCorrDiffとの比較を行った。このモデルでは、CorrDiffとベースラインの両方を下降温度で最大50%、風速で約10～20%改善する。

関連論文リスト

Two-Stage Photovoltaic Forecasting: Separating Weather Prediction from Plant-Characteristics [0.0]
本研究では,環境パラメータの天気予報モデルと植物特性モデルに分解した。植物特性モデルのための歴史的出力データに基づいてニューラルネットワークのアンサンブルを訓練する。その結果、衛星ベースの地中気象観測の代わりに天気予報を用いる場合、選択した2つの太陽光発電システムでは絶対誤差が11%増加し、68%上昇することがわかった。
論文参考訳（メタデータ） (2026-03-04T14:45:58Z)
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)
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)
GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文参考訳（メタデータ） (2022-12-24T18:15:39Z)
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)
Improving the Accuracy Of MEPDG Climate Modeling Using Radial Basis Function [0.0]
GravityモデルとRadar Basisの2つのメッシュフリー近似手法の精度を比較した。ケーススタディでは,米国テンネシーの異なる場所における温度関数を比較した。
論文参考訳（メタデータ） (2021-02-15T23:05:18Z)
A Deep Convolutional Neural Network Model for improving WRF Forecasts [0.19573380763700707]
我々は4年間の歴史を持つCNNモデル(2014-2017)をトレーニングし、WRFバイアスのパターンについて検討する。次に, 風速, 方向, 降水量, 相対湿度, 表面圧力, 露点温度, 表面温度の予測値において, これらのバイアスを低減させる。その結果,全駅でWRF予測が顕著に改善したことが示唆された。
論文参考訳（メタデータ） (2020-08-14T17:48:06Z)
Statistical Downscaling of Temperature Distributions from the Synoptic Scale to the Mesoscale Using Deep Convolutional Neural Networks [0.0]
有望な応用の1つは、低分解能ダイナミックモデルの出力画像を高分解能画像に変換する統計的代理モデルを開発することである。本研究では,6時間毎に合成温度場をメソスケール温度場にダウンスケールする代理モデルについて検討した。代理モデルが短時間で実施されれば、高解像度の天気予報ガイダンスや環境緊急警報を低コストで提供する。
論文参考訳（メタデータ） (2020-07-20T06:24:08Z)
A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。