論文の概要: Steering Diffusion Priors with Sparse Observations for High-Resolution Temperature Downscaling
- arxiv url: http://arxiv.org/abs/2609.09247v1
- Date: Tue, 08 Sep 2026 11:13:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.74574
- Title: Steering Diffusion Priors with Sparse Observations for High-Resolution Temperature Downscaling
- Title（参考訳）: 高分解温度ダウンスケーリングのためのスパース観測によるステアリング拡散前駆体
- Abstract要約: 局所的な熱波の危険性は、微細な大気温度に依存するが、地上局は希薄であり、ERA5のような再分析製品は、実際の熱露光を形成する地形や地表のコントラストを解決できない。
静止地形, 訓練気候, 正確なERA5温度, 太陽・時間特性を条件とした高分解能2m温度ダウンスケーリングのための条件拡散エミュレータを提案する。
得られたフィールドは、しきい値超過や累積熱バーデンなどの下流熱波ハザード生成物の温度層として意図されている。
- 参考スコア（独自算出の注目度）: 1.6020567943077142
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Local heatwave hazard depends on fine-scale air temperature, but ground stations are sparse and reanalysis products such as ERA5 cannot resolve the terrain and land-surface contrasts that shape real heat exposure. We present a conditional diffusion emulator for high-resolution 2-m temperature downscaling, conditioned on static geography, a training climatology, exact-time ERA5 temperature, and solar and temporal features, guided at inference by score-based data assimilation (SDA): a differentiable Gaussian observation likelihood steers the diffusion score toward sparse revealed temperature observations without any retraining. On a controlled 32-case synthetic-grid protocol over AORC, guidance improves hidden-cell reconstruction over both ERA5 and a strong observation-proximal nearest-neighbor baseline once observation density reaches 1\% (RMSE 0.318 vs.\ 0.431~K, winning all 32 cases), while sparser regimes still favor direct interpolation. We further map the full guidance-strength landscape across three observation densities, showing that the optimal strength shifts systematically with density and that over-guiding causes sharp, predictable degradation -- giving a concrete operating recipe rather than a single untuned setting. The resulting fields are intended as a temperature layer for downstream heatwave-hazard products such as threshold exceedance and cumulative heat-burden. The present evidence is a controlled synthetic-grid validation; station-network and held-out-year evaluations are the next steps toward deployment.
- Abstract（参考訳）: 局所的な熱波の危険性は、微細な大気温度に依存するが、地上局は希薄であり、ERA5のような再分析製品は、実際の熱露光を形成する地形や地表のコントラストを解決できない。
本研究では,高分解能2m温度ダウンスケーリングのための条件付き拡散エミュレータ,静的地形,トレーニング気候学,高精度ERA5温度,日時・時間特性をスコアベースデータ同化法(SDA)により推定し,その特性を推定した。
AORC上の制御された32ケース合成グリッドプロトコルでは、観測密度が1\%(RMSE0.318対)に達すると、ERA5と強い観測近辺ベースラインの両方の隠れセル再構成が改善される。
0.431~K、32件全て勝利) が、スパサー政権は依然として直接補間を好んでいる。
さらに、3つの観測密度にまたがる完全なガイダンス強度の風景をマッピングし、最適な強度は、密度とともに体系的に変化し、過剰なガイドが鋭く予測可能な劣化を引き起こすことを示す。
得られたフィールドは、しきい値超過や累積熱バーデンなどの下流熱波ハザード生成物の温度層として意図されている。
現在の証拠は、制御された合成グリッドバリデーションであり、ステーションネットワークと保留年評価は、デプロイに向けた次のステップである。
関連論文リスト
- 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) - Physics-Informed Neural Networks for Thermophysical Property Retrieval [0.9668407688201359]
逆熱問題(英: inverse heat problem)とは、観測された熱拡散挙動や既知の熱拡散挙動によって与えられる物質的熱物性を推定することを指す。
本稿では,壁面の熱伝導率kを熱電図の集合から推定するためのPINNに基づく反復的枠組みを提案する。
論文 参考訳（メタデータ） (2025-11-28T18:41:08Z) - Through-Foliage Surface-Temperature Reconstruction for early Wildfire Detection [0.8699280339422538]
本稿では,信号処理と機械学習を組み合わせることで,森林植生を排除し,地表温度を復元する新しい手法を提案する。
私たちの目標は、無人ドローンによる完全自動空中火災監視を可能にすることです。
論文 参考訳（メタデータ） (2025-11-16T12:25:00Z) - Developing a Sequential Deep Learning Pipeline to Model Alaskan Permafrost Thaw Under Climate Change [0.0]
気候の変化は天然の永久凍土の融解サイクルを脅かし、年間0degC以上の土壌温度をもたらす。
アラスカ州では、活性層として知られる最上部の永久凍土層の温暖化が、炭素貯蔵量の増加による温室効果ガス放出の上昇を示唆している。
本研究では,複数の深度にまたがる年間土壌温度をモデル化するための概念的緯度に基づく深層学習パイプラインを提案する。
論文 参考訳（メタデータ） (2025-10-05T01:08:47Z) - MODS: Multi-source Observations Conditional Diffusion Model for Meteorological State Downscaling [21.399026288978]
我々はMODS(Multi-source Observation Down-Scaling Model)を提案する。
静止衛星グリッドサット、極軌道衛星(AMSU-A、HIRS、MHS)のデータを条件として、地形データ(GEBCO)を条件として融合する条件拡散モデルである。
トレーニング中、多様な条件入力から潜伏した特徴を別々に抽出し、マルチソースのクロスアテンションモジュールを介してERA5マップに融合する。
論文 参考訳（メタデータ） (2025-06-02T08:40:16Z) - Satellite Observations Guided Diffusion Model for Accurate Meteorological States at Arbitrary Resolution [48.34051432429767]
衛星観測(GridSat)を条件として,ERA5再解析データに基づいて事前学習した条件拡散モデルを提案する。
トレーニングの過程で,GridSat衛星観測から得られた情報を注意機構を介してERA5マップに融合することを提案する。
サンプリングでは、最適化可能な畳み込みカーネルを用いて、スケールアッププロセスをシミュレートした。
論文 参考訳（メタデータ） (2025-02-09T02:05:33Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - 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) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains
at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。
正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文 参考訳（メタデータ） (2021-05-11T14:08:02Z)
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。