論文の概要: Partial recovery of meter-scale surface weather

• arxiv url: http://arxiv.org/abs/2602.23146v1
• Date: Thu, 26 Feb 2026 16:11:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.764975
• Title: Partial recovery of meter-scale surface weather
• Title（参考訳）: メカニカルな表面積の回復
• Authors: Jonathan Giezendanner, Qidong Yang, Eric Schmitt, Anirban Chandra, Daniel Salles Civitarese, Johannes Jakubik, Jeremy Vila, Detlef Hohl, Campbell Watson, Sherrie Wang,
• Abstract要約: 地表付近の大気条件は、土地被覆と地形のため、数十から数百メートルで大きく異なることがある。 このようなメートルスケールの変動がカオス力学を無作為に反映するか、表面特性や大規模大気の強制力から予測可能な成分を含むかは定かではない。 我々は,既存の観測結果から,メートルスケール近地気象の物理的に整合性のある成分が統計的に回収可能であることを示す。
• 参考スコア（独自算出の注目度）: 4.903961907292919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Near-surface atmospheric conditions can differ sharply over tens to hundreds of meters due to land cover and topography, yet this variability is absent from current weather analyses and forecasts. It is unclear whether such meter-scale variability reflects irreducibly chaotic dynamics or contains a component predictable from surface characteristics and large-scale atmospheric forcing. Here we show that a substantial, physically coherent component of meter-scale near-surface weather is statistically recoverable from existing observations. By conditioning coarse atmospheric state on sparse surface station measurements and high-resolution Earth observation data, we infer spatially continuous fields of near-surface wind, temperature, and humidity at 10 m resolution across the contiguous United States. Relative to ERA5, the inferred fields reduce wind error by 29% and temperature and dewpoint error by 6%, while explaining substantially more spatial variance at fixed time steps. They also exhibit physically interpretable structure, including urban heat islands, evapotranspiration-driven humidity contrasts, and wind speed differences across land cover types. Our findings expand the frontier of weather modeling by demonstrating a computationally feasible approach to continental-scale meter-resolution inference. More broadly, they illustrate how conditioning coarse dynamical models on static fine-scale features can reveal previously unresolved components of the Earth system.
• Abstract（参考訳）: 地表付近の大気条件は、土地被覆と地形によって数十から数百メートルにわたって大きく異なることがあるが、この変動は現在の気象分析や予測には欠落している。 このようなメートルスケールの変動がカオス力学を無作為に反映するか、表面特性や大規模大気の強制力から予測可能な成分を含むかは定かではない。 ここでは,既存の観測結果から,メートルスケール近地気象の物理的に整合性のある成分が統計的に回収可能であることを示す。 大気の粗大な状態を粗大な表面観測と高分解能地球観測データに照準を合わせ, 連続した風速, 温度, 湿度の空間的連続場を, 大陸横断で10mの分解能で推定する。 ERA5と比較して、推定された磁場は風速を29%減らし、温度と露点誤差を6%減らした。 また、都市熱島、蒸発散による湿度のコントラスト、土地被覆タイプ間の風速差など、物理的に解釈可能な構造も示している。 本研究は,大陸規模のメートル分解能推論に対する計算可能なアプローチを実証することにより,気象モデリングのフロンティアを広げるものである。 より広い範囲で、静的な微細な特徴に対して粗い力学モデルを条件付けることで、これまで未解決だった地球系の構成要素を明らかにすることができる。

関連論文リスト

• FuseTen: A Generative Model for Daily 10 m Land Surface Temperature Estimation from Spatio-Temporal Satellite Observations [3.344876133162209]
  都市熱波、干ばつ、陸熱波は、気候変動の文脈において、ますます困難を増している。 これらの現象を評価し理解するための最も重要な変数の1つはランドサーフェス温度(LST)である。 本研究では,ランドサット8号とテラMODIS号の時空間観測により,毎日10mの空間分解能でLST観測を行うFuseTenを提案する。
  論文  参考訳（メタデータ） (2025-07-30T23:04:16Z)
• 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)
• Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
  本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。 提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
  論文  参考訳（メタデータ） (2024-08-12T04:29:54Z)
• Spatial Temporal Approach for High-Resolution Gridded Wind Forecasting across Southwest Western Australia [0.43012765978447565]
  本稿では,風速予測のための機械学習モデルの可能性について述べる。 これは、より情報的な意思決定を促進し、重要なセクターにおけるレジリエンスを高めるのに役立つ。
  論文  参考訳（メタデータ） (2024-07-26T05:44:27Z)
• 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)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)

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。