論文の概要: Neural ocean forecasting from sparse satellite-derived observations: a case-study for SSH dynamics and altimetry data

• arxiv url: http://arxiv.org/abs/2512.22152v1
• Date: Mon, 15 Dec 2025 11:28:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-04 08:45:17.078974
• Title: Neural ocean forecasting from sparse satellite-derived observations: a case-study for SSH dynamics and altimetry data
• Title（参考訳）: スパース衛星観測によるニューラルオーシャン予測--SSHダイナミックスと高度データのケーススタディ
• Authors: Daria Botvynko, Pierre Haslée, Lucile Gaultier, Bertrand Chapron, Clement de Boyer Montégut, Anass El Aouni, Julien Le Sommer, Ronan Fablet,
• Abstract要約: 本稿では,衛星高度データに基づく海面変動の短期予測のためのエンドツーエンドの深層学習フレームワークを提案する。 我々のフレームワークはOceanBenchイニシアチブ内で開発され、海洋機械学習の標準化評価を促進する。
• 参考スコア（独自算出の注目度）: 25.95895236084694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an end-to-end deep learning framework for short-term forecasting of global sea surface dynamics based on sparse satellite altimetry data. Building on two state-of-the-art architectures: U-Net and 4DVarNet, originally developed for image segmentation and spatiotemporal interpolation respectively, we adapt the models to forecast the sea level anomaly and sea surface currents over a 7-day horizon using sequences of sparse nadir altimeters observations. The model is trained on data from the GLORYS12 operational ocean reanalysis, with synthetic nadir sampling patterns applied to simulate realistic observational coverage. The forecasting task is formulated as a sequence-to-sequence mapping, with the input comprising partial sea level anomaly (SLA) snapshots and the target being the corresponding future full-field SLA maps. We evaluate model performance using (i) normalized root mean squared error (nRMSE), (ii) averaged effective resolution, (iii) percentage of correctly predicted velocities magnitudes and angles, and benchmark results against the operational Mercator Ocean forecast product. Results show that end-to-end neural forecasts outperform the baseline across all lead times, with particularly notable improvements in high variability regions. Our framework is developed within the OceanBench benchmarking initiative, promoting reproducibility and standardized evaluation in ocean machine learning. These results demonstrate the feasibility and potential of end-to-end neural forecasting models for operational oceanography, even in data-sparse conditions.
• Abstract（参考訳）: 本稿では,衛星高度データに基づく海面変動の短期予測のためのエンドツーエンドの深層学習フレームワークを提案する。 U-Net と 4DVarNet という2つの最先端アーキテクチャ上に構築されており、それぞれ画像分割と時空間補間のために開発された。 このモデルは、GLORYS12オペレーショナルオーシャンリアナリシスのデータに基づいて訓練されており、実際の観測範囲をシミュレートするために合成ナディアサンプリングパターンを適用している。 予測タスクはシーケンス・ツー・シーケンス・マッピングとして定式化され、入力は部分海面異常(SLA)スナップショットと、対応する将来のフルフィールドSLAマップであるターゲットを含む。 我々はモデルの性能を評価する (i)正規化根平均二乗誤差(nRMSE) (ii)有効分解能の平均値 3) 正常に予測された速度の大きさと角度の比率、およびMercurator Ocean予測製品に対するベンチマーク結果。 その結果、終末の神経予測はすべてのリードタイムでベースラインを上回り、特に高変動域で顕著な改善が見られた。 我々のフレームワークはOceanBenchベンチマークイニシアチブ内で開発され、オーシャン機械学習における再現性と標準化された評価を促進する。 これらの結果は、データスパース条件下であっても、オペレーショナル海洋学におけるエンドツーエンドのニューラル予測モデルの実現可能性と可能性を示している。

関連論文リスト

• Leveraging an Atmospheric Foundational Model for Subregional Sea Surface Temperature Forecasting [0.0]
  深層学習モデルを用いて,カナリア大水系における海水温度(SST)の予測を行う。 このモデルを高分解能海洋分析データを用いて微調整することにより、複雑なパターンを捉える能力を実証する。 このモデルは大規模なSST構造を再現することに成功したが、沿岸部でより細部を捉えることの難しさに直面している。
  論文  参考訳（メタデータ） (2025-10-29T14:30:12Z)
• FuXi-Ocean: A Global Ocean Forecasting System with Sub-Daily Resolution [9.106159985605009]
  FuXi-Oceanは、渦解像1/12deg空間解像度で6時間の予測を達成した最初のデータ駆動型大洋予報モデルである。 モデルアーキテクチャは、コンテキスト認識機能抽出モジュールと、スタックされた注目ブロックを用いた予測ネットワークを統合する。 FuXi-Oceanは、温度、塩分濃度、電流などの重要な変数を複数の深さにわたって予測する優れた技術を示している。
  論文  参考訳（メタデータ） (2025-06-03T00:52:31Z)
• Deep Learning Weather Models for Subregional Ocean Forecasting: A Case Study on the Canary Current Upwelling System [0.0]
  本研究は,当初グローバル気象予報のために開発されたグラフニューラルネットワークを応用し,地域の海洋予測を改善することを目的としている。 このモデルは衛星データを用いて訓練され、海洋力学を捉える際の性能を評価するために最先端の物理海洋モデルと比較される。 以上の結果から, 深層学習モデルは, 高度化に課題があるにもかかわらず, 従来の手法を超越していることがわかった。
  論文  参考訳（メタデータ） (2025-05-30T10:10:40Z)
• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• 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)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
  本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。 提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。 私たちのコードはGitHubで公開されます。
  論文  参考訳（メタデータ） (2023-01-05T22:10:16Z)

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。