論文の概要: MAGPIE-Net: Predicting short-duration heavy-rainfall events in station neighborhoods from multitemporal FY-4A AGRI observations
- arxiv url: http://arxiv.org/abs/2608.17753v1
- Date: Tue, 18 Aug 2026 13:17:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.349691
- Title: MAGPIE-Net: Predicting short-duration heavy-rainfall events in station neighborhoods from multitemporal FY-4A AGRI observations
- Title（参考訳）: MAGPIE-Net:多時期FY-4A AGRI観測による駅周辺における短周期重雨の予測
- Abstract要約: 短時間の重雨警報は、1hの降水量が目標駅付近のしきい値を超えるかどうかを判断する。
殆どのディープラーニングの流し込み手法は、グリッド化された降水予測の後処理によってこれらの信号を局所的な警告に変換する。
我々は,地理的に適応し,異なるグリッド・ツー・ステーション・マッピングを経路に組み込んだMAGPIE-Netを提案する。
- 参考スコア（独自算出の注目度）: 5.170200431898208
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Short-duration heavy-rainfall warning determines whether 1 h rainfall will exceed a threshold within a target-station neighborhood over the next few hours. Multitemporal infrared and water-vapor observations from the Fengyun-4A Advanced Geostationary Radiation Imager (FY-4A AGRI) capture cloud-top cooling, moisture evolution, and cloud expansion before substantial surface rainfall develops. However, most deep-learning nowcasting methods convert these signals into local warnings by post-processing gridded precipitation predictions, preventing station-neighborhood event targets from directly supervising the satellite-to-station learning pathway. We propose MAGPIE-Net, which embeds a geographically adaptive, differentiable grid-to-station mapping in a pathway combining convection-initiation features, multiscale encoding, and auxiliary gridded precipitation diagnosis. Station-neighborhood event losses thereby constrain the satellite representation and its mapping to irregular station locations for 0-3 h event prediction. In independent 2023 warm-season tests over central and eastern China, critical success index (CSI) values under the primary 40 km/20 mm h-1 definition were 0.371, 0.304, and 0.238 at 0-1, 1-2, and 2-3 h. Across episodes, MAGPIE-Net achieved a detection rate of 65.1% and a mean lead time of 64.6 min, compared with 23.6% and 18.3 min for the best gridded-output baseline, and remained superior for smaller neighborhoods and the 50 mm h-1 threshold. During the critical early-warning stage, when antecedent 1 h rainfall within 40 km remained below 1 mm, MAGPIE-Net detected 51.9% of episodes with a mean lead time of 38.5 min. These results show that event-oriented satellite-to-station modeling converts multitemporal geostationary cloud and moisture observations into local heavy-rainfall warnings more effectively than gridded-precipitation modeling.
- Abstract（参考訳）: 短時間の重雨警報は、次の数時間で1時間分の降水量が目標駅付近のしきい値を超えるかどうかを判断する。
Fengyun-4A Advanced Geostationary Radiation Imager (FY-4A AGRI) のマルチテンポラル赤外線と水蒸気による観測は、実質的な降雨前に雲頂の冷却、湿気の進化、雲の膨張を捉えている。
しかし, 深層学習では, 降水予測を後処理することで, 衛星からステーションまでの学習経路を直接監視できないよう, 局所的な警告に変換する手法が多い。
我々は, 対流開始特性, マルチスケールエンコーディング, 補助グリッドド降水診断を組み合わせた経路に, 地理的適応性, 微分可能グリッド・ツー・ステーションマッピングを組み込んだMAGPIE-Netを提案する。
これにより、ステーション近傍のイベント損失は、衛星表現とそのマッピングを、0-3hのイベント予測のために不規則なステーション位置に制限する。
中国中部から東部にかけての2023年の温暖化試験では,40km/20mmh-1定義の臨界成功指数(CSI)は0-1,1-2,2-3hの0.371,0.304,0.238であった。
MAGPIE-Netは65.1%、平均リード時間は64.6分であり、最良グリッド出力ベースラインでは23.6%と18.3分であり、より小さな地区や50 mm h-1の閾値よりも優れていた。
40km以内の降水量1hの降水量が1mm未満であった場合、MAGPIE-Netは51.9%のエピソードを検知し、平均リード時間は38.5分であった。
これらの結果から, 事象指向衛星間モデリングは, 多時期静止雲と湿気観測を格子沈降モデルよりも効率的に局所重雨警報に変換することを示した。
関連論文リスト
- Diffusion-Based Refinement for Kilometer-Scale Probabilistic Precipitation Nowcasting [6.153032052931917]
ExPreCast-ENSは、決定論的4kmレーダー流星exPreCastを1km確率アンサンブルに変換する条件付き残留拡散フレームワークである。
2023年の2回のハイインパクトイベントでは、30人のアンサンブルが、exPreCastが見逃した重いピクセルの38-47%を回復した。
この方法は、単一のGPU上で3.4秒で1-hの予測を生成し、フランスの地域MeteoNetレーダーデータセットに一貫した改善をもたらす。
論文 参考訳（メタデータ） (2026-08-31T03:35:35Z) - Dense-Cast: A lightweight ensemble of deep learning architectures for precipitation nowcasting [0.0]
半時間降水に対する軽量な深層学習モデルを提案する。
提案モデルでは,過去5回の半時間降雨を入力とし,次の2回の半時間降雨を予測する。
提案された最良のMAEは0.235ミリメートル、RMSEは0.735ミリメートル、KGEスコアは0.816の30分間隔であった。
論文 参考訳（メタデータ） (2026-08-06T14:26:21Z) - Physics-Based Deep Spatiotemporal Hyperlocal Radar Nowcasting with a Multi-Variable U-Net for High-Resolution Precipitation Forecasting [0.0]
エンコーダ・デコーダU-Net内で,マルチエレベーション反射率,ドップラー半径速度,ラジアル速度勾配のプロキシ機能を組み合わせたレーダオンリー・ナウキャスティング・フレームワークを開発した。
このモデルは2023年5月から8月にかけてムンバイのドップラーレーダー観測を用いて訓練され、時間的に独立した事象について評価された。
論文 参考訳（メタデータ） (2026-07-17T16:09:48Z) - TSSM: Triaxial State Space Model for Global Station Weather Forecasting with Temporal-Variable-Historical Modeling [74.915718648935]
既存の手法では精度が限られており、極端なイベントやエラーの蓄積に苦労している。
本稿では,歴史に富んだ時間可変ヒストリカルパラダイムを用いた三軸状態空間モデル(TSSM)を提案する。
TSSMは、歴史的サンプルを周期的なバッチにまとめ、予測は歴史的および現在の観測によって因果的に支持される。
論文 参考訳（メタデータ） (2026-07-14T07:36:19Z) - A plug-and-play generative framework for multi-satellite precipitation estimation [16.36183485469083]
PRISMAは多センサ降水量推定のためのプラグアンドプレイ遅延生成フレームワークである。
臨界成功指数を最大40.3%改善し、ルート平均二乗誤差を22.6%削減する。
また、確率的スキルを改善し、平均推定時間約37秒を維持する。
論文 参考訳（メタデータ） (2026-05-14T06:18:53Z) - IMPA-Net: Meteorology-Aware Multi-Scale Attention and Dynamic Loss for Extreme Convective Radar Nowcasting [2.405586180193259]
気象レーダー観測による対流降雨の短距離予測は、厳しい気象警報に不可欠である。
本稿では, 入力, アーキテクチャ, 損失関数レベルにおいて, 気象インフォームド設計による制限に対処する決定論的0-2時間放送フレームワークIMPA-Netを提案する。
論文 参考訳（メタデータ） (2026-04-27T09:30:07Z) - Learning-based Radio Link Failure Prediction Based on Measurement Dataset in Railway Environments [46.243901410461596]
CNN、LSTM、XGBoost、Anomaly Transformer、PatchTST、TimesNetの6つのモデルをベンチマークする。
その結果,商用デバイスで利用可能な軽量機能を用いて,信頼性の低下を事前に予測できることが示唆された。
論文 参考訳（メタデータ） (2025-11-12T00:13:37Z) - Nowcast3D: Reliable precipitation nowcasting via gray-box learning [43.74533335638689]
極端降水は高次元の忠実度とリードタイムを要求されるが、既存のアプローチは限られている。
我々は、レーダの動きと、データ駆動学習を伴う物理的に制約されたニューラル演算子を直接処理する、グレーボックスで完全な3時間放送フレームワークを導入する。
このフレームワークは、160人の気象学者によるブラインド評価において、より正確な3時間のリードタイムを達成する。
論文 参考訳（メタデータ） (2025-11-06T18:44:35Z) - 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) - Deep Learning for Day Forecasts from Sparse Observations [60.041805328514876]
深層ニューラルネットワークは、気象条件をモデル化するための代替パラダイムを提供する。
MetNet-3は、密度とスパースの両方のデータセンサーから学習し、降水、風、温度、露点を最大24時間前に予測する。
MetNet-3は、それぞれ時間分解能と空間分解能が高く、最大2分と1km、運用遅延は低い。
論文 参考訳（メタデータ） (2023-06-06T07:07:54Z) - FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond
10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。
FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。
その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文 参考訳（メタデータ） (2023-04-06T09:16:39Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳（メタデータ） (2022-11-03T17:19:43Z) - Deep-Learning-Based Precipitation Nowcasting with Ground Weather Station
Data and Radar Data [14.672132394870445]
複数の気象観測所からの地上気象観測を効果的に活用するための新しい注意法であるASOCを提案する。
ASOCは、観測の時間的ダイナミクスとそれらの間の文脈的関係を捉えるように設計されている。
この組み合わせにより, 平均臨界成功指数 (CSI) は1-6時間リード時の重雨 (少なくとも10 mm/hr) と軽雨 (少なくとも1 mm/hr) を5.7%向上することがわかった。
論文 参考訳（メタデータ） (2022-10-20T14:59:58Z)
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。