Fugu-MT 論文翻訳(概要): On Global Applicability and Location Transferability of Generative Deep Learning Models for Precipitation Downscaling

論文の概要: On Global Applicability and Location Transferability of Generative Deep Learning Models for Precipitation Downscaling

arxiv url: http://arxiv.org/abs/2512.01400v1
Date: Mon, 01 Dec 2025 08:24:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-02 19:46:34.760412
Title: On Global Applicability and Location Transferability of Generative Deep Learning Models for Precipitation Downscaling
Title（参考訳）: 降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水時降水
Authors: Paula Harder, Christian Lessig, Matthew Chantry, Francis Pelletier, David Rolnick,
Abstract要約: 様々な領域にわたる生成的ダウンスケーリングモデルの一般化性能を評価する。階層的な位置ベースのデータ分割により、世界中の15のリージョンにわたるモデルパフォーマンスの体系的な評価が可能になる。
参考スコア（独自算出の注目度）: 14.69597733830489
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Deep learning offers promising capabilities for the statistical downscaling of climate and weather forecasts, with generative approaches showing particular success in capturing fine-scale precipitation patterns. However, most existing models are region-specific, and their ability to generalize to unseen geographic areas remains largely unexplored. In this study, we evaluate the generalization performance of generative downscaling models across diverse regions. Using a global framework, we employ ERA5 reanalysis data as predictors and IMERG precipitation estimates at $0.1^\circ$ resolution as targets. A hierarchical location-based data split enables a systematic assessment of model performance across 15 regions around the world.
Abstract（参考訳）: 深層学習は、気候や天気予報の統計的ダウンスケーリングに有望な能力を提供する。しかし、既存のモデルのほとんどは地域特有であり、未知の地理的領域に一般化する能力はほとんど探索されていない。本研究では,多様な領域にまたがる生成的ダウンスケーリングモデルの一般化性能を評価する。グローバルなフレームワークを用いて,予測値としてERA5の再解析データを,予測値としてIMERGを推定して0.1^\circ$の解像度を目標とした。階層的な位置ベースのデータ分割により、世界中の15のリージョンにわたるモデルパフォーマンスの体系的な評価が可能になる。

関連論文リスト

A comparison of stretched-grid and limited-area modelling for data-driven regional weather forecasting [0.493599216374976]
限界領域モデル (LAM) とストレッチグリッドモデル (SGM) は高分解能な地域予測を生成するために出現している。本研究の目的は,モデル設計の違いが相対的な性能と潜在的な応用に与える影響を理解することである。
論文参考訳（メタデータ） (2025-07-24T12:54:08Z)
RainShift: A Benchmark for Precipitation Downscaling Across Geographies [21.183274939386088]
地理的分布シフト下でのダウンスケーリングを評価するためのデータセットとベンチマークであるRainShiftを紹介した。我々は、グローバル・ノースとグローバル・サウスの間のデータギャップをまたいだ一般化において、GANや拡散モデルを含む最先端のダウンスケーリング手法を評価した。我々の研究は、ダウンスケーリング手法のグローバルな適用性を高め、高解像度の気候情報へのアクセスにおける不平等を減らすための一歩である。
論文参考訳（メタデータ） (2025-07-07T12:25:14Z)
Fine Flood Forecasts: Incorporating local data into global models through fine-tuning [0.46040036610482665]
洪水は自然災害の最も一般的な形態であり、早期警戒システムには正確な洪水予報が不可欠である。これまでの研究によると、機械学習(ML)モデルは、大規模で地理的に異なるデータセットでトレーニングされた場合の洪水予測を改善するための有望な方法である。このグローバルトレーニングの要件は、地域のパフォーマンスを改善するためにモデルを容易に適応できない国家の予測者にとって、所有権の喪失につながる可能性がある。我々は、MLベースの水文予測システムの運用上の障壁を低くすることを目的として、独自のデータを用いてグローバルモデルのオーナシップを欲しがる国家予測者のロードマップを提供する。
論文参考訳（メタデータ） (2025-04-17T01:14:21Z)
Recognize Any Regions [55.76437190434433]
RegionSpotは、ローカライゼーション基盤モデルから位置認識ローカライゼーション知識と、ViLモデルからのセマンティック情報を統合する。オープンワールドオブジェクト認識の実験では、私たちのRereaSpotは、以前の代替よりも大きなパフォーマンス向上を実現しています。
論文参考訳（メタデータ） (2023-11-02T16:31:49Z)
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)
Increasing the accuracy and resolution of precipitation forecasts using deep generative models [3.8073142980733]
我々は、高分解能でバイアス補正された予測のアンサンブルを生成するために、CorrectorGANという条件付きジェネレーティブ・アドバイサル・ネットワークを訓練する。一度訓練されたCorrectorGANは、1台のマシンで数秒で予測を生成する。その結果、地域モデルの必要性や、データ駆動型ダウンスケーリングと修正手法がデータ・プール領域に移行できるかどうかについて、エキサイティングな疑問が浮かび上がっている。
論文参考訳（メタデータ） (2022-03-23T09:45:12Z)
Federated and Generalized Person Re-identification through Domain and Feature Hallucinating [88.77196261300699]
人物再識別(re-ID)におけるフェデレーションドメイン一般化(FedDG)の問題について検討する。一般化された局所的・グローバルなモデルを学ぶための多様な特徴を創出する手法として,DFH (Domain and Feature Hallucinating) を提案する。提案手法は4つの大規模re-IDベンチマークにおいてFedDGの最先端性能を実現する。
論文参考訳（メタデータ） (2022-03-05T09:15:13Z)
Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文参考訳（メタデータ） (2022-01-26T14:58:51Z)
MapLUR: Exploring a new Paradigm for Estimating Air Pollution using Deep Learning on Map Images [4.7791671364702575]
土地利用回帰モデルは, 計測ステーションのない地域での大気汚染濃度を評価する上で重要である。我々は,オープンかつグローバルなデータのみを用いて,純粋にデータ駆動型アプローチに基づくモデルを実現する,データ駆動型オープングローバル(DOG)パラダイムを提案する。
論文参考訳（メタデータ） (2020-02-18T11:21:55Z)

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。