Core Concepts
深層生成モデルを用いて、気象観測データと衛星データを同化し、大気の鉛直温度プロファイルを推定する。
Abstract
本研究では、深層生成モデルを用いた新しい同化手法「SLAMS」を提案している。SLAMSは、気象観測データと衛星データを統一的な潜在空間に射影し、そこで確率的な生成プロセスを行うことで、大気の鉛直温度プロファイルを推定する。
具体的には以下の通り:
気象観測データと衛星データを潜在空間に射影するエンコーダと、潜在表現から大気状態を生成するデコーダを学習する。
潜在空間上で確率的な生成プロセスを行うスコアネットワークを学習する。
観測データを条件として、スコアネットワークを用いて潜在空間上で逆拡散プロセスを行い、大気状態を推定する。
提案手法の特徴は以下の通り:
多様なデータソースを統一的に扱えるため、異なる解像度や品質の観測データを効果的に同化できる。
確率的な生成プロセスにより、推定結果の不確実性を定量化できる。
実際の気象データを用いた実験で、低解像度、高ノイズ、疎なデータ条件下でも安定した推定結果を示した。
Stats
気象観測データと衛星データを1.5度グリッド、日単位で用いている。
2000-2015年を学習、2016-2021年を検証、2022年をテストに使用している。