論文の概要: Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2512.06348v1
• Date: Sat, 06 Dec 2025 08:40:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.315088
• Title: Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders
• Title（参考訳）: 条件付き変分オートエンコーダによる時空間エクストリームのモデル化
• Authors: Xiaoyu Ma, Likun Zhang, Christopher K. Wikle,
• Abstract要約: 極度の気象現象は農業、生態学、気象学などの分野で広く研究されている。 本稿では、条件付きオートエンコーダ(cAE)を介して気候指標を統合することにより、新しい時間的極端をモデル化するアプローチを提案する。 畳み込みニューラルネットワークはデコーダに埋め込まれ、潜伏空間内の空間依存を伴う気候指標を畳み込む。
• 参考スコア（独自算出の注目度）: 9.695352101513569
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Extreme weather events are widely studied in fields such as agriculture, ecology, and meteorology. The spatio-temporal co-occurrence of extreme events can strengthen or weaken under changing climate conditions. In this paper, we propose a novel approach to model spatio-temporal extremes by integrating climate indices via a conditional variational autoencoder (cXVAE). A convolutional neural network (CNN) is embedded in the decoder to convolve climatological indices with the spatial dependence within the latent space, thereby allowing the decoder to be dependent on the climate variables. There are three main contributions here. First, we demonstrate through extensive simulations that the proposed conditional XVAE accurately emulates spatial fields and recovers spatially and temporally varying extremal dependence with very low computational cost post training. Second, we provide a simple, scalable approach to detecting condition-driven shifts and whether the dependence structure is invariant to the conditioning variable. Third, when dependence is found to be condition-sensitive, the conditional XVAE supports counterfactual experiments allowing intervention on the climate covariate and propagating the associated change through the learned decoder to quantify differences in joint tail risk, co-occurrence ranges, and return metrics. To demonstrate the practical utility and performance of the model in real-world scenarios, we apply our method to analyze the monthly maximum Fire Weather Index (FWI) over eastern Australia from 2014 to 2024 conditioned on the El Niño/Southern Oscillation (ENSO) index.
• Abstract（参考訳）: 極度の気象現象は農業、生態学、気象学などの分野で広く研究されている。 極端な事象の時空間的共起は、気候変動の条件が変化する中で強化または弱まる可能性がある。 本稿では,条件付き変分オートエンコーダ(cXVAE)による気候指標の統合により,時空間極度をモデル化する新しい手法を提案する。 畳み込みニューラルネットワーク(CNN)をデコーダに埋め込んで、気候指標を潜伏空間内の空間依存性と整合させ、デコーダが気候変数に依存するようにする。 主な貢献は3つある。 まず,提案した条件付きXVAEが空間場を正確にエミュレートし,空間的および時間的に変化する極端依存を計算コストの低いポストトレーニングで回復することを示す。 第二に、条件駆動シフトを検出するための単純でスケーラブルなアプローチを提供し、従属構造が条件変数に不変であるかどうかを示す。 第三に、条件付きXVAEは条件に敏感な場合、条件付きXVAEは、条件付き実験をサポートし、気候に干渉し、学習されたデコーダを通して関連する変化を伝播し、共同尾のリスク、共起範囲、戻り値の差を定量化する。 実世界のシナリオにおけるモデルの有用性と性能を実証するため,2014年から2024年までのオーストラリア東部における火災気象指数(FWI)を,エルニーニョ/南方オシレーション(ENSO)指標に基づいて分析するために,本手法を適用した。

関連論文リスト

• A Generative Framework for Probabilistic, Spatiotemporally Coherent Downscaling of Climate Simulation [18.881422165965017]
  本稿では,高分解能リアナリシスデータに基づいて学習したスコアベース拡散モデルを用いて,局所気象力学の統計的特性を抽出する新しい生成フレームワークを提案する。 本研究では,地球規模の気候出力と一致した空間的・時間的気象動態をモデル化した。
  論文  参考訳（メタデータ） (2024-12-19T19:47:35Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
  地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。 妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。 本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
  論文  参考訳（メタデータ） (2020-11-23T20:13:37Z)
• Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
  2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。 我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
  論文  参考訳（メタデータ） (2020-10-20T15:31:38Z)
• HECT: High-Dimensional Ensemble Consistency Testing for Climate Models [1.7587442088965226]
  気候モデルは、気候変動が気候変動に与える影響を理解する上で重要な役割を担い、気候変動のリスクを軽減し、決定を通知する。 コミュニティアース・システム・モデル (CESM) のような大域的な気候モデルは、大気、陸、海、氷の相互作用を記述する数百万行のコードで非常に複雑である。 私たちの研究は、木に基づくアルゴリズムやディープニューラルネットワークのような確率論的手法を使って、高次元および人為的なデータの統計的に厳密な適合性テストを行います。
  論文  参考訳（メタデータ） (2020-10-08T15:16:16Z)

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。