論文の概要: CDEP Agent: Connecting Meteorologically Detected Temporal Compound Events to Real-World Documentary Evidence

• arxiv url: http://arxiv.org/abs/2608.28628v1
• Date: Fri, 31 Jul 2026 17:25:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-06 19:38:41.449016
• Title: CDEP Agent: Connecting Meteorologically Detected Temporal Compound Events to Real-World Documentary Evidence
• Title（参考訳）: CDEPエージェント:気象学的に検出されたテンポラル複合事象と実世界の文書証拠を結びつける
• Abstract要約: 複合干ばつから極端降水現象は、気候科学において極端な影響の要因として認識されている。 しかし、この認識が現実の早期警告や後続の文書に受け継がれるかどうかは不明だ。 気象学的再分析から検出されたCDEP候補と実世界の証拠をリンクすることにより,このミスマッチを直接検査する監査可能なLCMエージェントであるCDEP Agentを提案する。
• 参考スコア（独自算出の注目度）: 6.257560917160816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compound drought-to-extreme-precipitation (CDEP) events are recognized in climate science as a growing driver of extreme impact, but whether this recognition carries over into real-world early warning and post-event documentation is unknown, so a meteorologically real CDEP event may pass with neither advance warning nor any later record. Here we present CDEP Agent, an auditable LLM-agent framework that tests this mismatch directly by linking CDEP candidates detected from meteorological reanalysis to real-world hazard and impact evidence across sources with different spatial scales, temporal resolutions, and reporting conventions. Using California as a case study, we identify 408 candidate CDEP events from ERA5 observations during 2021-2025 and evaluate each against the U.S. Drought Monitor, NOAA Storm Events, and public webpages along five dimensions: antecedent drought, extreme rainfall, local impact, hazard-impact attribution, and explicit drought-to-rainfall linkage. Only 34.3% of candidates are corroborated on both hazard components, and just 1.5% are ever explicitly linked to their antecedent drought, indicating that most meteorologically detected CDEP events go undocumented and their compound nature almost never enters the record at all. Our framework gives climate scientists a way to test physical event definitions against what actually gets documented, and gives social scientists, economists, and disaster-response agencies a provenance-linked evidence base for compound events that current warning and reporting systems largely fail to capture.
• Abstract（参考訳）: 複合干ばつ-極端降雨(CDEP)イベントは、気候科学において極端な影響の要因として認識されているが、この認識が現実の早期警戒と後続の文書に受け継がれるかどうかは不明であるため、気象学的に実際のCDEPイベントは前向きの警告も後続の記録も受けない。 本稿では, 気象分析から検出されたCDEP候補を, 空間スケール, 時間分解能, 報告規則の異なる情報源にまたがって, 実世界の危険および影響証拠にリンクさせることにより, 直接このミスマッチを検査する監査可能なLCMエージェントについて紹介する。 カリフォルニアをケーススタディとして、2021-2025年のERA5観測から408件の候補CDEPイベントを特定し、先行干ばつ、極端な降雨、局所的な影響、有害な影響、明示的な干ばつと降雨の連鎖という5次元の米国干ばつモニター、NOAAストームイベント、および公共Webページに対してそれぞれを評価する。 どちらの危険成分にも34.3%の候補者が共謀しており、前回の干ばつと明示的に結びついているのはわずか1.5%であり、ほとんどの気象学的に検出されたCDEPイベントが文書化されず、その複合性はほとんど記録に残っていないことを示している。 我々のフレームワークは、気候科学者に、実際に記録されているものに対して物理的事象の定義をテストする手段を与え、社会科学者、経済学者、災害対応機関に、現在の警告や報告システムがほとんど捕捉できない複合事象の証明された証拠ベースを与える。

関連論文リスト

• SIREN: Towards End-to-End Extreme-Weather Early Warning with Experience-Grounded LLM Agents [16.21067814387017]
  本研究では,Large Language Model (LLM) エージェントを介して,エンド・ツー・エンドの極端ウェザー早期警報を自動で検出する。 最初にSIREN-Benchを開発した。これは19タスクにわたる600の質問応答インスタンスからなるベンチマークである。 次に,専門家による歴史的事例の活用に触発された経験型エージェントフレームワークであるSIRENを開発する。
  論文  参考訳（メタデータ） (2026-07-27T15:53:19Z)
• EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting [50.31500063307306]
  マルチスペクトル地球観測予測のためのビデオ拡散変換器であるEO-WMを紹介する。 EO-WMは、気象基準線、気象異常、累積的な物理的ストレス信号を通して気象的な強制力を表す物理的に情報を得た条件付けフレームワークを組み込んでいる。 実験の結果、EO-WMは予測正規化植生指数(NDVI)の減少振幅を相対5.63%減少させ、方向のヒット率を相対7.80%向上させることがわかった。
  論文  参考訳（メタデータ） (2026-06-25T16:53:30Z)
• A Nationwide Benchmark for Wildfire Initial Attack Failure Prediction with Public Environmental Data [62.031815260604056]
  我々は, 火災発見時に利用可能な環境および状況データから, 初期攻撃(IA)障害予測のための米国初の全国規模のベンチマークを提示する。 WILDFIREIAは、自然発生のFPA-FODの山火事を、FIRMS/VIIRS熱検出、グリッドMET気象および消火器変数、LANDFIRE植生、燃料、地形とともに38,128回調整した。 その結果,IA故障予測には,公共の発見時データが有用だが不完全な信号を提供することがわかった。
  論文  参考訳（メタデータ） (2026-06-14T01:03:13Z)
• Multi-Hazard Early Warning Systems for Agriculture with Featural-Temporal Explanations [5.363664265121231]
  気候の極端には農業へのリスクが増大する。 従来の単一ハザード予測手法は、同時気候事象間の複雑な相互作用を捉えるには不十分である。 本稿では、逐次的なディープラーニングモデルと高度な説明可能な人工知能(XAI)技術を組み合わせて、農業のためのマルチハザード予測フレームワークを導入する。
  論文  参考訳（メタデータ） (2025-07-30T05:16:35Z)
• Adversarial Observations in Weather Forecasting [11.130455392128072]
  我々は,GoogleのGenCastで使用されているような,自己回帰拡散モデルに対する新たな攻撃を示す。 この攻撃は、自然騒音と統計的に区別できない気象観測に微妙な摂動をもたらす。 以上の結果から,大規模破壊を招き,気象予報に対する一般の信頼を損なうおそれのある,重大なセキュリティリスクが浮き彫りになった。
  論文  参考訳（メタデータ） (2025-04-22T14:38:13Z)
• Global spatio-temporal downscaling of ERA5 precipitation through generative AI [3.320484236699228]
  本研究では,地球規模での降水量の時間的ダウンスケーリングを初めて行う深層学習システムSpateGAN-ERA5について紹介する。 SpateGAN-ERA5は条件付き生成対向神経ネットワーク(cGAN)を使用し、ERA5の降水量は24kmから1時間から2kmと10分に増大する。 現実的で大局的なパターンと極端を含む正確な降雨量分布を持つ高解像度の降雨場を提供する。
  論文  参考訳（メタデータ） (2024-11-22T14:11:23Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• 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)
• AI Increases Global Access to Reliable Flood Forecasts [6.498815455353096]
  洪水は最も一般的な自然災害の1つであり、密度の高い流路ゲージネットワークが欠如している発展途上国では不均等な影響がある。 AIを用いて、未舗装の流域で5日間のリードタイムで極端な河川イベントを予測する信頼性を実現する。 この研究は、信頼できる洪水警報へのグローバルアクセスを改善し続けるために、水文データの可用性を高める必要性を強調している。
  論文  参考訳（メタデータ） (2023-07-30T01:49:21Z)
• 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)
• Climate Change & Computer Audition: A Call to Action and Overview on Audio Intelligence to Help Save the Planet [98.97255654573662]
  この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。 我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
  論文  参考訳（メタデータ） (2022-03-10T13:32:31Z)

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。