Fugu-MT 論文翻訳(概要): Huayu-Global: Skillful real-time quasi-global precipitation retrieval

論文の概要: Huayu-Global: Skillful real-time quasi-global precipitation retrieval

arxiv url: http://arxiv.org/abs/2610.29213v1
Date: Wed, 21 Oct 2026 05:12:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-23 00:40:06.212134
Title: Huayu-Global: Skillful real-time quasi-global precipitation retrieval
Title（参考訳）: Huayu-Global: 高度にリアルタイムな準球状降水量検索
Abstract要約: Huayu-Globalは、5つの衛星からの3つの静止センサーストリームを組み合わせたクロスコンステレーション深層学習システムである。 30分ごとにコヒーレントな準球状降水場を生成する。運用中の静止観測を、洪水予報、水管理、災害対応のための、タイムリーで高度な降水層に変える。
参考スコア（独自算出の注目度）: 13.926701006635392
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Satellite precipitation products face a persistent trade-off: real-time estimates are timely but less accurate, whereas the most reliable products are often released months after observation. This delay keeps high-quality precipitation information outside the decision window for flood warning and disaster response. Here we report Huayu-Global, a cross-constellation deep-learning system that combines three geostationary sensor streams from five satellites through a common retrieval framework and generates coherent quasi-global precipitation fields every thirty minutes. Across more than a million independent station records from two periods outside the training years, Huayu-Global improves event detection and precipitation-amount estimation relative to the real-time products evaluated and reaches delayed-product-level skill in key metrics. Huayu-Global therefore turns operational geostationary observations into a timely, high-skill precipitation layer for flood forecasting, water management and disaster response. Its cross-constellation design also provides a scalable foundation for incorporating future geostationary missions into hydrological and weather-prediction systems.
Abstract（参考訳）: リアルタイムの見積もりはタイムリーだが正確ではないのに対して、最も信頼できる製品は観察後数ヶ月後にリリースされることが多い。この遅延は、洪水警報と災害対応のための決定窓の外にある高品質な降水情報を保持する。本稿では、5つの衛星からの3つの静止センサーストリームを共通検索フレームワークで組み合わせ、30分毎にコヒーレントな準球状降水場を生成するクロスコンステレーション深層学習システムであるHuayu-Globalについて報告する。訓練期間外の2つの期間から100万人以上の独立した駅の記録を振り返ると、Huayu-Globalは、評価されたリアルタイム製品に対するイベント検出と降水量推定を改善し、主要な指標における遅延生産レベルのスキルに到達した。したがって、Huayu-Globalは、運用上の静止観測を、洪水予報、水管理、災害対応のための、タイムリーで高度な降水層に変える。そのクロスコンステレーション設計はまた、将来の静止ミッションを水文学および気象予報システムに組み込むためのスケーラブルな基盤を提供する。

関連論文リスト

Diffusion Precipitation Generation with Medium-range Weather Forecasting [28.338395592282136]
動的降水デカップリング(Dynamics-Precipitation Decoupling)は、凍結した気象モデルから毎日の降水量に非降水予測をマッピングするためのプラグアンドプレイフレームワークである。その主な課題は、異質な降雨分布を捉え、宇宙と時間の間で進化する大気信号と日々の蓄積を一致させることである。グローバルおよび地域予測におけるパングウェザー,グラフカス,HRESなどのバックボーンの広範囲な評価は,毎日の降水精度とイベント検出を改善したことを示している。
論文参考訳（メタデータ） (2026-10-09T04:21:30Z)
UniGIO: Unified Generative Global In-situ Weather Modeling from Spatiotemporal Incomplete Observations [105.39188182564179]
グローバルインサイト観測(Global In-situ Observation, GIO)は、希少な局から地球規模の気象システムの詳細な直接記録を提供する。 GIOは強い不完全性を示し、精度とリアルタイムの気象モデリングを著しく損なう。自然不完全なGIOからグローバルな気象力学を直接モデル化するための新しい生成フレームワークUniGIOについて検討する。
論文参考訳（メタデータ） (2026-09-02T08:37:27Z)
Oya: Deep Learning for Accurate Global Precipitation Estimation [0.2621533844622817]
本研究は、静止衛星(GEO)からの可視・赤外観測の全スペクトルを利用した、新しいリアルタイム降水探索アルゴリズムであるOyaを紹介する。 Oyaは2段階の深層学習アプローチを採用し、降水検知と量的降水推定(QPE)という2つのU-Netモデルを組み合わせて、雨と無雨のイベントの固有のデータ不均衡に対処している。
論文参考訳（メタデータ） (2025-11-13T18:01:08Z)
An Operational Deep Learning System for Satellite-Based High-Resolution Global Nowcasting [9.23443504868893]
従来の数値気象予測手法は、レイテンシが高く、空間分解能が低く、時間分解能が低い。近年、グローバル・ノースでよく見られる機械学習による現在放送手法は、レーダーが極端に少ないため、グローバル・サウスまで拡張することはできない。我々はGlobal MetNetについて紹介する。
論文参考訳（メタデータ） (2025-10-15T00:11:03Z)
S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。本稿では,構造的空間的注意を新たに提案する。空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
論文参考訳（メタデータ） (2025-09-10T05:33:28Z)
Conditional Diffusion Models for Global Precipitation Map Inpainting [0.0]
不完全な衛星ベースの降水は、地球観測において大きな課題となる。本研究では,降水マップの完成を映像化作業として定式化する。本研究では,条件付き拡散モデルに基づく機械学習手法を提案する。
論文参考訳（メタデータ） (2025-07-28T02:26:36Z)
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)
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)
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)

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。