Forecasting Tropical Cyclones with Cascaded Diffusion Models

要約

気候変動によりサイクロンが激化するにつれ、AI ベースのモデリングの台頭により、数学的モデルに基づく従来の方法と比較して、より手頃な価格でアクセスしやすいアプローチが提供されます。
この研究では、拡散モデルを活用して、衛星画像、リモート センシング、大気データを統合し、予測、超解像度、降水モデリングを組み込んだカスケード アプローチを採用し、6 つのサイクロンから 51 個のサイクロンのデータセットをトレーニングして、サイクロンの軌道と降水パターンを予測します。
主要な盆地。
実験では、カスケード モデルからの最終予測が 36 時間の展開まで正確な予測を示し、3 つのタスクすべてで SSIM 値と PSNR 値がそれぞれ 0.5 dB と 20 dB を超えることが実証されました。
この研究では、サイクロン予測などの高性能ニーズに対応する拡散モデルなどの AI 手法の有望な効率性を強調しながら、計算コストも手頃であり、重要な予測ニーズや財政的制限がある非常に脆弱な地域に最適であることも明らかにしています。
コードは \url{https://github.com/nathzi1505/forecast-diffmodels} からアクセスできます。

要約(オリジナル)

As cyclones become more intense due to climate change, the rise of AI-based modelling provides a more affordable and accessible approach compared to traditional methods based on mathematical models. This work leverages diffusion models to forecast cyclone trajectories and precipitation patterns by integrating satellite imaging, remote sensing, and atmospheric data, employing a cascaded approach that incorporates forecasting, super-resolution, and precipitation modelling, with training on a dataset of 51 cyclones from six major basins. Experiments demonstrate that the final forecasts from the cascaded models show accurate predictions up to a 36-hour rollout, with SSIM and PSNR values exceeding 0.5 and 20 dB, respectively, for all three tasks. This work also highlights the promising efficiency of AI methods such as diffusion models for high-performance needs, such as cyclone forecasting, while remaining computationally affordable, making them ideal for highly vulnerable regions with critical forecasting needs and financial limitations. Code accessible at \url{https://github.com/nathzi1505/forecast-diffmodels}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google