論文の概要: CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution
- arxiv url: http://arxiv.org/abs/2603.00109v1
- Date: Wed, 18 Feb 2026 14:41:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 01:20:08.060325
- Title: CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution
- Title（参考訳）: CASCADE: 気候同化とダウンスケーリング進化を伴う大規模対流超解像
- Authors: Alexander Kovalenko,
- Abstract要約: CASCADEは、学習された流況変動場に沿って粗い情報を反復的に検出することで微細構造を再構築する。
SEVIRレーダデータを用いて、激しい対流嵐の4倍の超解像について評価した。
大気や海洋の用途において、対流に支配される極端に適した、時間的に一貫した、物理的に一貫した、そして大量保存された復元を生成する。
- 参考スコア（独自算出の注目度）: 51.56484100374058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Super-resolution of geophysical fields presents unique challenges beyond natural image enhancement: fine-scale structures must respect physical dynamics, conserve mass and energy, and evolve coherently in time. These constraints are especially critical for extreme events, where rare, localized, high-intensity features drive impacts and where temporally inconsistent "hallucinated" detail can misrepresent hazards. We introduce CASCADE (Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution), a framework that reframes spatiotemporal super-resolution as an explicit transport process across scales. Rather than hallucinating high-frequency content per pixel, CASCADE reconstructs fine structure by iteratively advecting coarse information along learned, flow-conditioned velocity fields through semi-Lagrangian warping. The architecture decomposes motion into resolved (large-scale) and subgrid (unresolved) components, mirroring the closure problem in numerical weather prediction, and enforces low-resolution consistency through an assimilation-style innovation step. Evaluated on SEVIR radar data for 4x super-resolution of severe convective storms, CASCADE outperforms strong baselines across both continuous metrics (PSNR, SSIM, MAE) and threshold-based skill scores (CSI, HSS, POD) while providing interpretable diagnostics through visualizable velocity and correction fields. By encoding advection as the fundamental operator rather than learning it implicitly, CASCADE produces temporally coherent, physically consistent, and mass-conserving reconstructions well suited to advection-dominated extremes in atmospheric and oceanic applications.
- Abstract（参考訳）: 微視的な構造は物理力学を尊重し、質量とエネルギーを保存し、時間とともにコヒーレントに進化しなければならない。
これらの制約は、まれで局所的で高強度な特徴が影響を招き、時間的に矛盾した「ハロシン化」細部が危険を誤って表すような極端な出来事に特に重要である。
CASCADE(Cross-scale Advective Super- resolution with Climate Assimilation and Downscaling Evolution)は,時空間超解像をスケールをまたいだ明示的な輸送プロセスとして再編成するフレームワークである。
CASCADEは1ピクセルあたりの高周波コンテンツを幻覚させるのではなく、半ラグランジアンワープによって学習された流れ条件の速度場に沿って粗い情報を反復的に検出することで微細構造を再構築する。
このアーキテクチャは、解析された(大規模な)コンポーネントとサブグリッド(未解決)コンポーネントに動作を分解し、数値気象予測におけるクロージャ問題を反映し、同化スタイルのイノベーションステップを通じて低分解能の一貫性を強制する。
激しい対流嵐の4倍の高分解能のSEVIRレーダデータに基づいて、CASCADEは連続測定値(PSNR, SSIM, MAE)としきい値に基づくスキルスコア(CSI, HSS, POD)の両方で強いベースラインを上回り、可視化可能な速度と補正フィールドによる解釈可能な診断を提供する。
暗黙的に学習するのではなく、対流を基本演算子として符号化することにより、CASCADEは、大気や海洋の応用において、対流に支配された極端に適した、時間的に一貫性があり、物理的に一貫した、大量保存された再構成を生成する。
関連論文リスト
- Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - OSDEnhancer: Taming Real-World Space-Time Video Super-Resolution with One-Step Diffusion [64.10689934231165]
ビデオスーパーレゾリューションモデル(DM)は、ビデオスーパーレゾリューション(VSR)において極めて成功している。
時空ビデオスーパーレゾリューション(STVSR)の可能性は、低解像度から高解像度までのリアルな視覚コンテンツを回復する必要があるが、コヒーレントなダイナミックスでフレームレートを改善する必要がある。
提案するOSDEnhancerは,効率的なワンステップ拡散プロセスにより,実世界のSTVSRを初期化するための最初の手法である。
実験により,提案手法は実世界のシナリオにおいて優れた性能を維持しつつ,最先端の性能を実現することを示す。
論文 参考訳（メタデータ） (2026-01-28T06:59:55Z) - Time-Varying Causal Treatment for Quantifying the Causal Effect of Short-Term Variations on Arctic Sea Ice Dynamics [0.16206783799607727]
氷融解と淡水分布の因果関係の定量化が重要である。
本研究では,海氷厚とSSHの因果メカニズムを定量化するために,知識誘導変分オートエンコーダ(KGCM-VAE)を提案する。
KGCM-VAEが最先端のベンチマークよりPEHEより優れていることを示す。
論文 参考訳（メタデータ） (2026-01-25T01:44:55Z) - Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders [9.695352101513569]
極度の気象現象は農業、生態学、気象学などの分野で広く研究されている。
本稿では、条件付きオートエンコーダ(cAE)を介して気候指標を統合することにより、新しい時間的極端をモデル化するアプローチを提案する。
畳み込みニューラルネットワークはデコーダに埋め込まれ、潜伏空間内の空間依存を伴う気候指標を畳み込む。
論文 参考訳（メタデータ） (2025-12-06T08:40:41Z) - Towards Stable and Structured Time Series Generation with Perturbation-Aware Flow Matching [16.17115009663765]
安定かつ構造的に一貫した時系列生成を保証するために、摂動軌道をモデル化するフレームワークである textbfPAFM を導入する。
このフレームワークは摂動誘導訓練を取り入れ、局所的な乱れをシミュレートし、二経路速度場を利用して摂動下での軌道偏差を捉える。
非条件および条件生成タスクの両方の実験において、PAFMは強いベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2025-11-18T13:30:56Z) - RainDiff: End-to-end Precipitation Nowcasting Via Token-wise Attention Diffusion [64.49056527678606]
本稿では,U-Net拡散モデルだけでなく,レーダ時間エンコーダにも統合されたトークンワイドアテンションを提案する。
従来の手法とは異なり,本手法は,画素空間拡散の典型的な高資源コストを発生させることなく,アーキテクチャに注意を集中させる。
実験と評価により,提案手法は複雑な降水予測シナリオにおいて,最先端の手法,ロバストネスの局所的忠実度,一般化,優位性を著しく上回ることを示した。
論文 参考訳（メタデータ） (2025-10-16T17:59:13Z) - Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。
EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。
提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2025-10-04T15:23:07Z) - ClimateLLM: Efficient Weather Forecasting via Frequency-Aware Large Language Models [13.740208247043258]
天気予報の基礎モデルであるClimateLLMを提案する。
時間的および空間横断的な協調フレームワークを通じて、時間的依存関係をキャプチャする。
周波数分解と大言語モデルを統合し、空間的および時間的モデリングを強化する。
論文 参考訳（メタデータ） (2025-02-16T09:57:50Z) - Downscaling Neural Network for Coastal Simulations [6.263499279406057]
津波や急流による洪水の予測には高分解能シミュレーションが必要である。
本研究では,高分解能数値解を効率的に学習するためのダウンスケーリングネットワーク(NCSDN)を提案する。
本手法は, 最先端手法と比較して, ダウンスケーリング品質と高速性を示す。
論文 参考訳（メタデータ） (2024-08-29T14:16:13Z) - 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)
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。