論文の概要: FuXi-Nowcast: Meet the longstanding challenge of convective initiation in nowcasting

• arxiv url: http://arxiv.org/abs/2512.08974v1
• Date: Wed, 03 Dec 2025 01:46:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.236413
• Title: FuXi-Nowcast: Meet the longstanding challenge of convective initiation in nowcasting
• Title（参考訳）: FuXi-Nowcast: Nowcastingにおける対流開始の長年の課題
• Authors: Lei Chen, Zijian Zhu, Xiaoran Zhuang, Tianyuan Qi, Yuxuan Feng, Xiaohui Zhong, Hao Li,
• Abstract要約: FuXi-Nowcastは、複合レーダー反射率、地表降水量、表面温度、風速、風速を東方1kmで予測するディープラーニングシステムである。 FuXi-Nowcastは, 反射率, 降水量, 風速の3kmCMA-MESO数値モデルを超え, 最大速度は12時間である。
• 参考スコア（独自算出の注目度）: 9.84224909687685
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate nowcasting of convective storms remains a major challenge for operational forecasting, particularly for convective initiation and the evolution of high-impact rainfall and strong winds. Here we present FuXi-Nowcast, a deep-learning system that jointly predicts composite radar reflectivity, surface precipitation, near-surface temperature, wind speed and wind gusts at 1-km resolution over eastern China. FuXi-Nowcast integrates multi-source observations, such as radar, surface stations and the High-Resolution Land Data Assimilation System (HRLDAS), with three-dimensional atmospheric fields from the machine-learning weather model FuXi-2.0 within a multi-task Swin-Transformer architecture. A convective signal enhancement module and distribution-aware hybrid loss functions are designed to preserve intense convective structures and mitigate the rapid intensity decay common in deep-learning nowcasts. FuXi-Nowcast surpasses the operational CMA-MESO 3-km numerical model in Critical Success Index for reflectivity, precipitation and wind gusts across thresholds and lead times up to 12 h, with the largest gains for heavy rainfall. Case studies further show that FuXi-Nowcast more accurately captures the timing, location and structure of convective initiation and subsequent evolution of convection. These results demonstrate that coupling three-dimensional machine-learning forecasts with high-resolution observations can provide multi-hazard, long-lead nowcasts that outperforms current operational systems.
• Abstract（参考訳）: 対流嵐の正確な流れは、特に対流開始と高気圧降雨と強風の進化において、運用予測の大きな課題である。 本稿では, 複合レーダー反射率, 地表降水量, 近地温度, 風速, 風速を中国東部上空1kmで共同で予測する深層学習システムFuXi-Nowcastを提案する。 FuXi-Nowcastは、レーダー、地上局、高解像度土地データ同化システム(HRLDAS)などのマルチソース観測と、機械学習気象モデルFuXi-2.0の3次元大気場をマルチタスクスウィン・トランスフォーマーアーキテクチャに統合している。 対流信号強調モジュールと分散対応ハイブリッド損失関数は、強い対流構造を保ち、深層学習流路に共通する急激な強度減衰を緩和するように設計されている。 FuXi-Nowcastは, 反射率, 降水量, 風速を最大12時間, 降雨量が最も多いCMA-MESO 3kmの数値モデルを上回っている。 ケーススタディでは、FuXi-Nowcastは対流開始のタイミング、位置、構造をより正確に捉え、それに続く対流の進化を捉えている。 これらの結果から,3次元機械学習予測と高分解能観測との結合により,現在の運用システムより優れたマルチハザード,ロングリードのノウキャストが得られることが示された。

関連論文リスト

• SimCast: Enhancing Precipitation Nowcasting with Short-to-Long Term Knowledge Distillation [15.244330283621247]
  正確な放送は、災害管理、農業、輸送、エネルギー最適化など、様々な社会的ニーズに対処する上で最も重要である。 我々は,短時間から長期の知識蒸留技術と重み付きMSE損失を併用し,豪雨地域を優先する新たな訓練パイプラインであるSimCastを提案する。 SimCastは、決定論的予測を生成するため、さらに拡散に基づくフレームワークCasCastに統合し、確率モデルからの強みを活用して、決定論的出力の曖昧さや分布シフトといった制限を克服する。
  論文  参考訳（メタデータ） (2025-10-09T08:49:16Z)
• FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
  本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。 我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。 日時から季節時の予測誤差成長に関するアブレーション実験
  論文  参考訳（メタデータ） (2024-11-15T13:44:37Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• Four-hour thunderstorm nowcasting using deep diffusion models of satellite [21.216713066315204]
  我々は,AIを用いた対流流流速報システムを構築するために,ディープ拡散モデル衛星(DDMS)を提案する。 FengYun-4A衛星による長期試験と客観的検証において,本システムは4時間までの有効対流を初めて達成した。 我々のシステムは、地球対流放送のために複数の衛星と協調する可能性があるため、高度に転送可能である。
  論文  参考訳（メタデータ） (2024-04-16T12:33:44Z)
• 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)
• Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal Transformer [112.12271800369741]
  風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。 正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。 既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
  論文  参考訳（メタデータ） (2023-05-30T04:03:15Z)

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。