論文の概要: Global probabilistic forecasting of air pollution

• arxiv url: http://arxiv.org/abs/2610.25941v1
• Date: Mon, 19 Oct 2026 07:36:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:29:56.546182
• Title: Global probabilistic forecasting of air pollution
• Title（参考訳）: 大気汚染の世界的な確率予測
• Abstract要約: 微粒子物質(英: Fine particulate matter、PM2.5)は、空気力学的直径2.5マイクロメートル以下の粒子状物質を指す。 PM2.5への短期曝露は、年間約100万人が死亡している。 機械学習は天気予報に変化をもたらしたが、大気汚染に関するデータ駆動の予測は、大気の移動に伴って、極端にぼやけ、スキルを失っている。 ここでは、PM2.5のグローバルキロスケール推定から学習し、空気がどこから来るかを計算する生成モデルであるFoehnを紹介する。
• 参考スコア（独自算出の注目度）: 7.435132146909704
• License:
• Abstract: Fine particulate matter (PM2.5) refers to particulate matter with an aerodynamic diameter of 2.5 micrometre or less. It comes from human activities, such as traffic and industry, and from wildfires, desert dust and gases emitted by vegetation. Short-term exposure to it accounts for about a million deaths a year. Operational forecasts run on grids tens of kilometres wide, which hide the pollution breathed by nearly two hundred million people a day. Machine learning has transformed weather forecasting, but data-driven forecasts of air pollution still blur extremes and lose skill as the air travels. Here we introduce Foehn, a generative model that learns from global kilometre-scale estimates of PM2.5 and computes where the air comes from. Over a year of retrospective forecasts, it outperforms the operational forecast at three stations in four and forecasts at the scale of this hidden exposure. Its ensembles are calibrated, and their mean detects local pollution extremes four days ahead as well as the operational forecast does one day ahead. Such forecasts could warn the millions whom coarse maps miss, once kilometre-scale data are available in real time.
• Abstract（参考訳）: 微粒子物質(英: Fine particulate matter、PM2.5)は、空気力学的直径2.5マイクロメートル以下の粒子状物質を指す。 交通や産業などの人的活動や、山火事、砂漠のほこり、植生によって放出されるガスなどが原因である。 短期的な曝露は、年間約100万人が死亡している。 運用予測は数十km幅のグリッド上で実行され、1日に2億人近い人々が吸う汚染を隠蔽する。 機械学習は天気予報に変化をもたらしたが、大気汚染に関するデータ駆動の予測は、大気の移動に伴って、極端にぼやけ、スキルを失っている。 ここでは、PM2.5のグローバルキロスケール推定から学習し、空気がどこから来るかを計算する生成モデルであるFoehnを紹介する。 1年以上の振り返り予測では、4つに3つのステーションでの運用予測を上回り、この隠れた露出の規模での予測を上回ります。 アンサンブルは校正され、その平均値は4日前に局地汚染の極端を検知し、運用予測は1日前に行う。 このような予測は、粗い地図を見逃した何百万人もの人に警告する可能性がある。

関連論文リスト

• AirMPA: A Meteorology-to-Pollution Adapter for Global Air Quality Forecasting [10.639073615968014]
  気象汚染予測のための分離自己回帰フレームワークであるAirMPAを提案する。 大気汚染物質13を0.4の空間分解能と12時間時間分解能で予測する。 実験の結果,AirMPAは5日間の予報地平線上での汚染物質リード時間評価の約90%において,Auroraより一貫して優れ,Copernicus Atmosphere Monitoring Service(CAMS)を上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-10-19T05:05:09Z)
• Air Pollution Forecasting in Bucharest [1.7035480256339337]
  大気汚染、特に粒子状物質2.5(PM2.5)は近年懸念が高まっている。 本稿では,PM2.5の将来のレベルを予測するための機械学習モデルを設計,微調整,テスト,評価することを目的とする。
  論文  参考訳（メタデータ） (2025-11-01T12:24:11Z)
• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• Are Hourly PM2.5 Forecasts Sufficiently Accurate to Plan Your Day? Individual Decision Making in the Face of Increasing Wildfire Smoke [8.46767225897072]
  気候変動によって森林火災の頻度が増加し、大気汚染によって健康リスクが生じる。 我々は,2023年のアメリカ大陸の火災シーズンにおいて,地中微粒状物質 (PM2.5) の既往の6つの予測値を評価した。
  論文  参考訳（メタデータ） (2024-09-09T17:59:54Z)
• 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)
• FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
  この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。 低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-28T13:23:25Z)
• 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)
• PlumeCityNet: Multi-Resolution Air Quality Forecasting [0.0]
  本稿では, 主汚染物質の濃度が健康に悪影響を及ぼすことを予測できるエンジンについて述べる。 エンジンには、大気汚染監視局の測定、天気予報、物理モデルの出力、交通量の推定が供給されている。 我々は、ヨーロッパとアメリカの大都市でエンジンの実装と評価を行い、他の予測方法よりも明らかに優れています。
  論文  参考訳（メタデータ） (2021-10-06T11:28:39Z)

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。