Hybrid ensemble forecasting combining physics-based and machine-learning predictions through spectral nudging
本研究は、機械学習に基づく気象予測と物理モデルに基づく予測をスペクトル・ナッジング法で統合した初の確率論的アンサンブル予報手法を開発し、特に熱帯域で予報精度を最大 2 日延長するなど、大規模な気象現象の予測技能を大幅に向上させることに成功したことを示しています。
🔬 Category
physics.ao-ph
41 件の論文
The Rise of AI in Weather and Climate Information and its Impact on Global Inequality
AI の気象・気候情報への急速な導入は、計算リソースやデータインフラの格差により南北格差を拡大させるリスクがあるため、モデル中心からデータ中心への転換や気候デジタル公共インフラの構築などを通じて、開発の各段階における不平等是正と知識の共産出を図ることが不可欠であると論じています。
Global Abiotic Sulfur Cycling on Earth-like Terrestrial Planets
この論文は、生命が存在しない地球型惑星における硫黄の非生物的循環をシミュレーションするオープンソースの動的ボックスモデルを提示し、微生物代謝の欠如が海洋堆積物の硫酸塩と硫化物の含有量に現行の地球と比べて劇的な差異をもたらすことを明らかにしています。
Machine Learning Based Mesh Movement for Non-Hydrostatic Tsunami Simulation
この論文は、確率的な沿岸災害評価における効率性と精度の両立を目指し、機械学習に基づくメッシュ移動手法（UM2N）を非静水圧浅水モデルに適用することで、津波の伝播・遡上・浸水シミュレーションの高速化と高精度化を実現したことを報告しています。
Evaluating the Predictability of Selected Weather Extremes with Aurora, an AI Weather Forecast Model
AI 気象モデル「Aurora」は 1〜7 日先の極端気象に対して高い予測精度を示すが、14〜21 日先になると大規模循環パターンは維持されるものの強度予測が気候平均に回帰する傾向があり、AI による確定的な極端気象の予測可能性は本質的な大気力学によって 7〜10 日程度に制限されることが示されました。
Leveraging higher-order time integration methods for improved computational efficiency in a rainshaft model
この論文は、大気モデルの雨微物理過程において、従来の時間積分法に代わり高次時間積分法と適応時間刻み法を採用することで、安定性と精度を維持しつつ計算コストを大幅に削減し、P3 方式の 10 倍以上の高速化を実現することを提案しています。
Breaching the Barrier: Transition Pathways of Coral Larval Connectivity Across the Eastern Pacific
この論文は、ベイズ推論と遷移経路理論を用いたラグランジュ的解析により、東太平洋の障壁を越えたサンゴ幼生の微弱な遺伝的接続が、主に北赤道逆流の季節的変動によって駆動されていることを示し、クラピトン環礁が鉱山開発の文脈において重要な終点となる役割を果たしていることを明らかにしたものである。
EnsAI: An Emulator for Atmospheric Chemical Ensembles
本論文は、従来の GEM-MACH モデルによるアンサンブル生成に比べ 3,300 倍高速でありながら同様の精度を維持する AI ベースの大気化学アンサンブル生成システム「EnsAI」を提案し、データ同化や排出量逆推定における計算コストの大幅な削減を実現したことを報告しています。
Hydrodynamic outflows of proto-lunar disk volatiles
この論文は、巨大衝突後の原始月盤大気における水素の再結合が等温構造を形成し、太陽風に似た大規模な流出を引き起こして揮発性元素が地球から宇宙へ放出されたことを示すことで、地球と月の揮発性元素の存在量差を説明するモデルを提案しています。
Detection of C3 in Titan with VLT-ESPRESSO
この論文は、太陽系惑星研究において従来軽視されてきた可視光領域の超高分解能観測（VLT-ESPRESSO）を用いることで、タイタンの大気中にトリカーボン（C3）分子を 8 シグマの信頼度で検出することに成功し、その存在量が光化学モデルの予測と一致することを示したものである。
Physically Consistent Global Atmospheric Data Assimilation with Machine Learning in Latent Space
この論文は、オートエンコーダで学習した潜在空間においてベイズ推論を行う「潜在データ同化（LDA）」という新たな枠組みを提案し、明示的な物理制約のモデル化なしに物理的に整合性の高い大気状態を推定するとともに、従来のモデル空間でのデータ同化よりも優れた解析精度と予報技能を実現することを示しています。
Turbulence-induced anti-Stokes flow: experiments and theory
この論文は、表面波と亜表面乱流の相互作用によって生じるオイラー平均流が、表面付近でストークス漂流を部分的に打ち消す「反ストークス流」の実験的証拠と理論的説明を提供し、海洋における物質輸送予測に重要な示唆を与えることを報告しています。
On the attenuation of waves through broken ice of randomly-varying thickness on water of finite depth
Dafydd と Porter の研究を有限水深に拡張し、多スケール解析を用いて厚さがランダムに変化する浮遊破砕氷を通過する波の減衰を理論的に導出するとともに、数値シミュレーションや観測データと比較して、低周波数域での減衰が周波数の 8 乗に比例し、高周波数域でロールオーバー現象が生じることを示した。
Buoy observation of high frequency ocean wave energy: accuracy, consistency, and concerns for predictive applications
本論文は、複数のブイタイプを海洋波モデルおよび風速との関係という二つの観点から評価した結果、Datawell Waverider ブイが高周波数域の波エネルギーを他タイプよりも過大に報告する傾向があることを明らかにし、この系統的な不一致が海洋波モデルの予測応用にとって懸念材料であることを示しています。
The Rise and Fall of ENSO in a Warming World: Insights from a Lag-Linear Model
この論文は、ラグ線形モデルを用いて、温室効果ガス温暖化下で ENSO の強度が一時的に増大した後、長期的に減少するという二相性の応答を解明し、全球平均海面水温とその履歴から ENSO の変動を高精度に予測できる効率的な手法を提案している。
Near-surface Extreme Wind Events and Their Responses to Climate Forcings in a Hierarchy of Global Climate Models
本研究は、気候モデルの階層を用いた解析を通じて、地表付近の極端な風速変化に対する気候強制力の応答を解明し、特に地域的な予測の不確実性を低減するには、気象システムの物理的表現を制約することが重要であると結論付けています。
Idealized Impacts of Mountainous Terrain on the Energetics of Hurricane Melissa (2025)
本論文は、2025 年のハリケーン・メリッサがジャマイカの山岳地帯を通過する際に観測された急激な減衰を、NOAA P-3 の観測データと理想化された軸対称モデルを比較することで解析し、山岳地形に伴う摩擦と乱流混合が渦のエネルギー低下の主要因であることを示しつつ、非対称力学や熱力学的フィードバックなどの追加プロセスがさらに減衰を促進していることを明らかにしています。
Automated Analysis of Ripple-Scale Gravity Wave Structures in the Mesosphere Using Convolutional Neural Networks
本論文は、対流圏・熱圏（MLT）領域における重力波の不安定現象として現れる「リップル構造」を、畳み込みニューラルネットワーク（CNN）を用いた深層学習フレームワークにより自動的に検出・統計解析し、大気中の不安定メカニズムの理解を深めることを目指した研究である。
Climate Downscaling with Stochastic Interpolants (CDSI)
この論文は、従来の地域気候モデルに比べて計算コストが大幅に低く、高解像度の地域気候予測と不確実性の定量化を可能にする、確率的補間に基づくデータ駆動型の気候ダウンスケーリング手法（CDSI）を提案し、その有効性を検証したものです。
A Structurally Localized Ensemble Kalman Filtering Approach
本論文は、従来のアンサンブルカルマンフィルタで必要となる手動チューニング型の局所化手法に代わり、変分ベイズ最適化を用いて状態ベクトルを分割した事後確率密度関数の積近似を事前に行うことで、本質的に局所化された新しいフィルタリング手法を提案し、その有効性をローレンツ -96 モデルを用いた数値実験で実証したものである。