論文の概要: TeleViT1.0: Teleconnection-aware Vision Transformers for Subseasonal to Seasonal Wildfire Pattern Forecasts

• arxiv url: http://arxiv.org/abs/2512.00089v1
• Date: Wed, 26 Nov 2025 13:57:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.058158
• Title: TeleViT1.0: Teleconnection-aware Vision Transformers for Subseasonal to Seasonal Wildfire Pattern Forecasts
• Title（参考訳）: TeleViT1.0:秋季〜秋季の山火事パターン予測のためのテレコネクション対応視覚変換器
• Authors: Ioannis Prapas, Nikolaos Papadopoulos, Nikolaos-Ioannis Bountos, Dimitrios Michail, Gustau Camps-Valls, Ioannis Papoutsis,
• Abstract要約: 短期予測は局地的な気象条件に依存しており、長期予測には地球の相互接続性を考慮する必要がある。 我々は,テレコネクション対応ビジョントランスであるTeleViTを導入し,小型のローカルファイアドライバ,グローバルフィールド,テレコネクションインデックスを統合した。 グローバルなSeasFireデータセットを使用して、TeleViTは最大4ヶ月の地平線を含むすべてのリードタイムにおけるU-Net++、ViT、気候に関するAUPRCパフォーマンスを改善している。
• 参考スコア（独自算出の注目度）: 11.002045831419133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forecasting wildfires weeks to months in advance is difficult, yet crucial for planning fuel treatments and allocating resources. While short-term predictions typically rely on local weather conditions, long-term forecasting requires accounting for the Earth's interconnectedness, including global patterns and teleconnections. We introduce TeleViT, a Teleconnection-aware Vision Transformer that integrates (i) fine-scale local fire drivers, (ii) coarsened global fields, and (iii) teleconnection indices. This multi-scale fusion is achieved through an asymmetric tokenization strategy that produces heterogeneous tokens processed jointly by a transformer encoder, followed by a decoder that preserves spatial structure by mapping local tokens to their corresponding prediction patches. Using the global SeasFire dataset (2001-2021, 8-day resolution), TeleViT improves AUPRC performance over U-Net++, ViT, and climatology across all lead times, including horizons up to four months. At zero lead, TeleViT with indices and global inputs reaches AUPRC 0.630 (ViT 0.617, U-Net 0.620), at 16x8day lead (around 4 months), TeleViT variants using global input maintain 0.601-0.603 (ViT 0.582, U-Net 0.578), while surpassing the climatology (0.572) at all lead times. Regional results show the highest skill in seasonally consistent fire regimes, such as African savannas, and lower skill in boreal and arid regions. Attention and attribution analyses indicate that predictions rely mainly on local tokens, with global fields and indices contributing coarse contextual information. These findings suggest that architectures explicitly encoding large-scale Earth-system context can extend wildfire predictability on subseasonal-to-seasonal timescales.
• Abstract（参考訳）: 数週間から数ヶ月前の山火事の予報は難しいが、燃料処理の計画や資源配分には不可欠である。 短期的な予測は通常、局地的な気象条件に依存するが、長期的な予測には、地球全体のパターンやテレコネクトを含む、地球の相互接続性を考慮する必要がある。 我々はテレコネクション対応ビジョントランスであるTeleViTを導入し、統合する。 (i)特大の消防車 (二)グローバルフィールドの粗大化、及び 三 テレコネクションの指標 このマルチスケール融合は、変圧器エンコーダで共同処理された異種トークンを生成する非対称なトークン化戦略により達成され、次いで、局所トークンを対応する予測パッチにマッピングすることで空間構造を保存するデコーダによって達成される。 グローバルなSeasFireデータセット(2001-2021, 8日間の解像度)を使用して、TeleViTは最大4ヶ月の地平線を含むすべてのリードタイムにおけるU-Net++、ViT、気候に関するAUPRCパフォーマンスを改善している。 ゼロリードでは、インデックスとグローバルインプットを持つTeleViTは、AUPRC 0.630 (ViT 0.617, U-Net 0.620)、16x8dayリード(約4ヶ月)、グローバルインプットを使用するTeleViTは0.601-0.603 (ViT 0.582, U-Net 0.578)に到達し、すべてのリードタイムで気候(0.572)を超えた。 地域的な結果は、アフリカのサバンナのような季節的に一貫した火力体制において最も高い技術と、ボレアルや乾燥した地域での低い技術を示している。 注意と帰属分析は、予測が主に局所的なトークンに依存しており、大域的フィールドや指標が粗い文脈情報に寄与していることを示している。 これらの結果から,大規模な地球系コンテキストを明示的にコードするアーキテクチャは,季節-季節間の時間スケールにおいて,山火事の予測可能性を高めることが示唆された。

関連論文リスト

• S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
  既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。 これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。 本稿では,構造的空間的注意を新たに提案する。 空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。 ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
  論文  参考訳（メタデータ） (2025-09-10T05:33:28Z)
• Interpretable AI for Time-Series: Multi-Model Heatmap Fusion with Global Attention and NLP-Generated Explanations [1.331812695405053]
  本稿では,ResNetが生成するヒートマップと,グローバルに重み付けされた入力サリエンシを備えた再構成された2次元変換器を統合することで,モデル解釈可能性を向上させる新しいフレームワークを提案する。 本手法は、勾配重み付きアクティベーションマップ(ResNet)とトランスフォーマーのアテンションロールアウトを統合可視化にマージし、空間的・時間的アライメントを実現する。 臨床(ECG不整脈検出)および産業データセットに関する実証的評価は,有意な改善を示した。
  論文  参考訳（メタデータ） (2025-06-30T20:04:35Z)
• OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
  本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。 動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。 動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
  論文  参考訳（メタデータ） (2025-02-01T06:49:16Z)
• WFTNet: Exploiting Global and Local Periodicity in Long-term Time Series Forecasting [61.64303388738395]
  本稿では,長期連続予測のためのWavelet-Fourier Transform Network (WFTNet)を提案する。 さまざまな時系列データセットのテストでは、WFTNetは他の最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2023-09-20T13:44:18Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• TeleViT: Teleconnection-driven Transformers Improve Subseasonal to Seasonal Wildfire Forecasting [7.7445343221709155]
  気候変動の結果として、森林火災はますます悪化し、効果的な緩和のための先進的な対策が必要である。 森林の燃料管理、資源調達、配分を計画するためには、数週間、数ヶ月前に山火事を予報することが重要である。 本研究では,地球を1つの相互接続系として扱える視覚変換器(TeleViT)を提案する。
  論文  参考訳（メタデータ） (2023-06-19T14:00:34Z)
• 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)
• A Novel Transformer Network with Shifted Window Cross-Attention for Spatiotemporal Weather Forecasting [5.414308305392762]
  我々は,ビデオトランスを用いた天気予報の課題に取り組む。 視覚変換器のアーキテクチャは様々な用途で研究されている。 本稿では,ビデオスウィン・トランスフォーマーと専用拡張スキームの併用を提案する。
  論文  参考訳（メタデータ） (2022-08-02T05:04:53Z)

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。