論文の概要: A Spatio-Temporal Deep Learning Approach For High-Resolution Gridded Monsoon Prediction

• arxiv url: http://arxiv.org/abs/2601.02445v1
• Date: Mon, 05 Jan 2026 14:02:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.676724
• Title: A Spatio-Temporal Deep Learning Approach For High-Resolution Gridded Monsoon Prediction
• Title（参考訳）: 高分解能グリッド化モンスーン予測のための時空間深層学習手法
• Authors: Parashjyoti Borah, Sanghamitra Sarkar, Ranjan Phukan,
• Abstract要約: インドモンスーン夏(英語: Indian Monsoon Summer、ISM)は、10億人を超える人々の農業、経済、水の安全に影響を及ぼす重要な気候現象である。 伝統的な長距離予測は主に、地域レベルの管理に不可欠な空間的詳細を欠いた、空間的に平均的な季節的価値の予測に焦点が当てられている。 本稿では,モンスーン予測を深部コンピュータビジョンタスクとして再編成する新しい学習フレームワークを提案する。 予測のための85年間のERA5再解析データと目標のためのIMD降雨データを用いて、コンボリューショナルニューラルネットワーク(CNN)に基づくアーキテクチャを用いて、複雑なモンスーン時代からの詳細なマッピングを学習する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Indian Summer Monsoon (ISM) is a critical climate phenomenon, fundamentally impacting the agriculture, economy, and water security of over a billion people. Traditional long-range forecasting, whether statistical or dynamical, has predominantly focused on predicting a single, spatially-averaged seasonal value, lacking the spatial detail essential for regional-level resource management. To address this gap, we introduce a novel deep learning framework that reframes gridded monsoon prediction as a spatio-temporal computer vision task. We treat multi-variable, pre-monsoon atmospheric and oceanic fields as a sequence of multi-channel images, effectively creating a video-like input tensor. Using 85 years of ERA5 reanalysis data for predictors and IMD rainfall data for targets, we employ a Convolutional Neural Network (CNN)-based architecture to learn the complex mapping from the five-month pre-monsoon period (January-May) to a high-resolution gridded rainfall pattern for the subsequent monsoon season. Our framework successfully produces distinct forecasts for each of the four monsoon months (June-September) as well as the total seasonal average, demonstrating its utility for both intra-seasonal and seasonal outlooks.
• Abstract（参考訳）: インド夏モンスーン(英語: Indian Summer Monsoon、ISM)は、10億人を超える人々の農業、経済、水の安全に根本的な影響を及ぼす重要な気候現象である。 統計的か動的かにかかわらず、伝統的な長距離予測は、地域レベルの資源管理に不可欠な空間的詳細を欠いて、単一の、空間的に平均的な季節的価値の予測に主に焦点を合わせてきた。 このギャップに対処するために、時空間コンピュータビジョンタスクとして、グリッド化されたモンスーン予測を再編成する新しいディープラーニングフレームワークを導入する。 我々はマルチチャンネル画像のシーケンスとして,モンスーン以前の大気および海洋の多変量体を扱い,ビデオのような入力テンソルを効果的に作成する。 予測のための85年間のERA5再解析データと目標のためのIMD降雨データを用いて、コンボリューショナルニューラルネットワーク(CNN)に基づくアーキテクチャを用いて、5ヶ月前のモンスーン期(1～5月)からその後のモンスーン期における高分解能格子状降雨パターンへの複雑なマッピングを学習する。 本フレームワークは,季節内および季節的見通しの両面において,季節ごとの季節平均および季節ごとの季節ごとの予測値と,季節ごとの予測値とをそれぞれ有意に生成する。

関連論文リスト

• Learning Regional Monsoon Patterns with a Multimodal Attention U-Net [3.134311415077079]
  高分解能降水分類のための多モード深層学習フレームワークを提案する。 インド5州に対する新しい1km解像度データセットをキュレートする。 当社のフレームワークは,単調なベースラインや既存のディープラーニング手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-09-27T11:48:30Z)
• Multidimensional precipitation index prediction based on CNN-LSTM hybrid framework [5.484147776963721]
  本研究では,CNN-LSTMハイブリッドフレームワークに基づく多次元降水指数予測モデルを提案する。 このデータセットはインドのマハーラーシュトラ州プーンで1972年から2002年までの月間平均降水量のデータをカバーしている。 実験の結果,6.752の根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2025-04-29T05:32:43Z)
• OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
  本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。 動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。 動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
  論文  参考訳（メタデータ） (2025-02-01T06:49:16Z)
• DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting [0.0]
  Deep UNet++ベースの新しいニューラルネットワークであるEnsemble(DUNE)が導入されている。 年間平均気温は2メートル(T2m)、海面温度(SST)である。 これらの予測は、すべての領域に対する持続性、気候学、多重線形回帰よりも優れる。
  論文  参考訳（メタデータ） (2024-08-12T16:22:30Z)
• 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)
• Advancing Parsimonious Deep Learning Weather Prediction using the HEALPix Mesh [3.2785715577154595]
  110kmのメッシュ上で最大1年間のリードタイムで,3時間分解能を持つ7つの大気変数の予測を行うため,同種の深層学習天気予報モデルを提案する。 Pangu-WeatherやGraphCastのような最先端の機械学習(SOTA)天気予報モデルと比較して、我々のDLWP-HPXモデルは粗い分解能と予測変数がはるかに少ない。
  論文  参考訳（メタデータ） (2023-09-11T16:25:48Z)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。