論文の概要: Statistical Downscaling of Daily Precipitation from ERA5 Atmospheric Fields to IMERG over West Africa

• arxiv url: http://arxiv.org/abs/2610.16816v1
• Date: Mon, 12 Oct 2026 14:01:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 21:25:37.709054
• Title: Statistical Downscaling of Daily Precipitation from ERA5 Atmospheric Fields to IMERG over West Africa
• Title（参考訳）: ERA5大気圏から西アフリカにおけるIMERGへの日降量の統計的減少
• Abstract要約: 我々は、U-Netベースのアーキテクチャを用いて、毎日のERA5フィールド(0.25)をIMERG V07衛星の降水量にダウンスケールさせる。 この研究で調べた決定論的ネットワークはすべて乾きすぎており、数百km以下で観測されたほぼすべての分散が失われていることがわかった。 また,500hPa比湿度を優先するU-Netの置換の重要性を,深対流の感度と中対流の湿度に一致して検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global reanalyses are too coarse to resolve the convective systems that produce most West African monsoon rainfall. In this work, we use U-Net based architectures to downscale daily ERA5 fields (0.25°) to IMERG V07 satellite precipitation (0.1°) over West Africa for the June to October seasons of 2000 to 2024, using geopotential, temperature, humidity and wind at three pressure levels together with elevation and land fraction. Adding ERA5 precipitation as input slightly improves performance for this particular challenging region. We find that all the deterministic networks investigated for this work are too dry and lose almost all observed variance below a few hundred kilometers, which motivated our use of a GAN-based alternative. We also investigated permutation importance for the U-Net that ranks 500 hPa specific humidity first, consistent with the sensitivity of deep convection to mid-tropospheric moisture.
• Abstract（参考訳）: グローバルリアナリシスは、西アフリカのモンスーンの降雨の大半を発生させる対流系を解決するには大きすぎる。 本研究では,2000～2024年6月から10月にかけての西アフリカにおける日中ERA5フィールド(0.25°)からIMERG V07衛星降水量(0.1°)のダウンスケールにU-Netアーキテクチャを用いた。 入力としてERA5の降水量を追加することで、この特定の困難領域のパフォーマンスがわずかに向上する。 この研究で調べた決定論的ネットワークはすべて乾きすぎており、数百km以下で観測されたほぼすべてのばらつきが失われており、それがGANベースの代替案の使用を動機付けていることがわかった。 また,500hPa比湿度を優先するU-Netの置換の重要性を,深対流の感度と中対流の湿度に一致して検討した。

関連論文リスト

• LoRA Adaptation Strength in Aurora-WRF: Trade-offs in Regional Heavy-Rainfall Forecasting [9.678324003779002]
  北京-天津-河北地域のオーロラ-WRF結合実験において,大気基盤モデルのパラメータ効率が下流域の降水量に与える影響について検討した。 未適応オーロラは, GFS制御の0.144と比較して, 平均臨界成功指数(CSI)が0.216であることがわかった。 これらの結果は,降雨検出,周波数校正,強度誤差のトレードオフを特徴とし,共通結合フレームワーク内の複数の下流基準に対する適応強度の評価の重要性を示した。
  論文  参考訳（メタデータ） (2026-09-24T11:07:53Z)
• West-WRF AI 2-km: High-Resolution Prediction of Integrated Vapor Transport and Precipitation [0.18509864241014864]
  西WRF AI 2-kmは、40年間の欧州中距離気象予報リアナリシスv5(ERA5)データセットで事前訓練されたグローバルモデルに基づいて構築されている。 2020-2023年の冬の予測は、格子状の降雨観測、雨量計、ARリコネッサンス・ドロップソンドを用いて評価される。
  論文  参考訳（メタデータ） (2026-09-22T00:14:51Z)
• 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)
• Learning Regional Monsoon Patterns with a Multimodal Attention U-Net [3.134311415077079]
  高分解能降水分類のための多モード深層学習フレームワークを提案する。 インド5州に対する新しい1km解像度データセットをキュレートする。 当社のフレームワークは,単調なベースラインや既存のディープラーニング手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-09-27T11:48:30Z)
• 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)
• Comparing skill of historical rainfall data based monsoon rainfall prediction in India with NWP forecasts [1.517355052203938]
  インド夏モンスーン(英語: Indian summer monsoon)は、インド亜大陸にまたがる10億人を超える人々に直接影響する、非常に複雑で重要な気象システムである。 正確な短期予測は、モンスーンの固有の非線形性と、マルチスケールドライバに対する感度のために、大きな科学的課題である。 本研究では,1日と3日の両方のリードタイムに着目し,夏期のインドにおける日降雨予測の問題に対処する。
  論文  参考訳（メタデータ） (2024-02-12T17:59:20Z)
• 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)
• 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)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。