論文の概要: Skillful Subseasonal-to-Seasonal Forecasting of Extreme Events with a Multi-Sphere Coupled Probabilistic Model

• arxiv url: http://arxiv.org/abs/2512.12545v1
• Date: Sun, 14 Dec 2025 04:28:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.305931
• Title: Skillful Subseasonal-to-Seasonal Forecasting of Extreme Events with a Multi-Sphere Coupled Probabilistic Model
• Title（参考訳）: 多球結合確率モデルによる極端事象の高度サブ・セソニカル・セソニカル予測
• Authors: Bin Mu, Yuxuan Chen, Shijin Yuan, Bo Qin, Hao Guo,
• Abstract要約: TianXing-S2Sは、グローバルS2Sの日次アンサンブル予測のための多球結合確率モデルである。 本モデルでは, 熱波や異常降水などの極端な現象を, 巧妙に予測できる。
• 参考スコア（独自算出の注目度）: 15.895958611071286
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate subseasonal-to-seasonal (S2S) prediction of extreme events is critical for resource planning and disaster mitigation under accelerating climate change. However, such predictions remain challenging due to complex multi-sphere interactions and intrinsic atmospheric uncertainty. Here we present TianXing-S2S, a multi-sphere coupled probabilistic model for global S2S daily ensemble forecast. TianXing-S2S first encodes diverse multi-sphere predictors into a compact latent space, then employs a diffusion model to generate daily ensemble forecasts. A novel coupling module based on optimal transport (OT) is incorporated in the denoiser to optimize the interactions between atmospheric and multi-sphere boundary conditions. Across key atmospheric variables, TianXing-S2S outperforms both the European Centre for Medium-Range Weather Forecasts (ECMWF) S2S system and FuXi-S2S in 45-day daily-mean ensemble forecasts at 1.5 resolution. Our model achieves skillful subseasonal prediction of extreme events including heat waves and anomalous precipitation, identifying soil moisture as a critical precursor signal. Furthermore, we demonstrate that TianXing-S2S can generate stable rollout forecasts up to 180 days, establishing a robust framework for S2S research in a warming world.
• Abstract（参考訳）: 気候変化の加速に伴う資源計画や災害軽減には,S2S予測の高精度化が不可欠である。 しかし、複雑な多球面相互作用と固有の大気の不確実性のため、このような予測は依然として困難である。 ここでは、グローバルS2Sの日次アンサンブル予測のための多球結合確率モデルであるTianXing-S2Sを紹介する。 TianXing-S2Sはまず様々な多面体予測器をコンパクトな潜在空間に符号化し、拡散モデルを用いて毎日のアンサンブル予測を生成する。 大気境界条件と多球面境界条件の相互作用を最適化するために、最適輸送(OT)に基づく新しい結合モジュールがデノイザに組み込まれている。 主要な大気変数全体にわたって、TianXing-S2Sは、欧州中距離気象予報センター(ECMWF)S2SシステムとFuXi-S2Sの両方で、日平均1.5分解能で45日間のアンサンブル予測を上回っている。 本モデルでは, 土壌水分を臨界前兆信号として同定し, 熱波や異常降水を含む極端事象の高精度なサブシーズン予測を行う。 さらに, TianXing-S2S が180日間の安定ロールアウト予測を生成できることを実証し, 温暖化環境におけるS2S 研究の堅牢な枠組みを確立する。

関連論文リスト

• Physics-Informed Teleconnection-Aware Transformer for Global Subseasonal-to-Seasonal Forecasting [9.604302577187788]
  S2S予測は農業計画、エネルギー管理、災害対策にとって重要なフロンティアである。 現在のアプローチでは、S2Sの時間スケールにおいて重要な物理プロセスとテレコネクションを明示的にモデル化することができないことが多い。 textbfTelePiTは,マルチスケール物理とテレコネクション認識を統合してグローバルなS2S予測を強化する,新しいディープラーニングアーキテクチャである。
  論文  参考訳（メタデータ） (2025-06-08T16:32:21Z)
• TianQuan-S2S: A Subseasonal-to-Seasonal Global Weather Model via Incorporate Climatology State [23.8714341737652]
  正確なサブシーズン・ツー・シーソン(S2S)予測は農業、エネルギー生産、緊急管理において決定に不可欠である。 近年のデータ駆動型研究は有望な結果を示しているが、その性能は気候状態の不十分な取り込みとモデル劣化傾向によって制限されている。 本研究では,気象予報モデルであるTianQuan-S2Sを提案する。
  論文  参考訳（メタデータ） (2025-04-14T07:02:34Z)
• DiffScale: Continuous Downscaling and Bias Correction of Subseasonal Wind Speed Forecasts using Diffusion Models [0.27104259437944106]
  季節的・季節的な予測(S2S)は、エネルギーセクターに重大な社会経済的優位性をもたらす可能性がある。 DiffScaleは連続的なダウンスケール要因やリードタイムの空間情報を超解する拡散モデルである。 予測品質が大幅に向上し,ベースラインが最大3.5%向上した。
  論文  参考訳（メタデータ） (2025-03-31T09:44:28Z)
• 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)
• FuXi-S2S: A machine learning model that outperforms conventional global subseasonal forecast models [13.852128658186876]
  FuXi Subseasonal-to-Seasonal (FuXi-S2S)は、グローバルな日平均予測を最大42日間提供する機械学習モデルである。 ECMWF ERA5の再分析データから72年間の日次統計をトレーニングしたFuXi-S2Sは、ECMWFの最先端のサブシーズン・ツー・シーソンモデルを上回っている。
  論文  参考訳（メタデータ） (2023-12-15T16:31:44Z)
• 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)

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。