Select Language

Open Dataset

沈殿機

沈殿機

4.85M
630 hits
0 likes
0 downloads
0 discuss
Business,Computer Science,Software,Geospatial Analysis,Earth Science,Geology,Atmospheric Science,Physics Classification

Data Structure ? 4.85M

    Data Structure ?

    *The above analysis is the result extracted and analyzed by the system, and the specific actual data shall prevail.

    README.md

    # 降水予測マシン ## --機械学習を用いた大気力学からの降水推定 概要 今日、私たちが天気予報を行う際には、実際には大気力学を特徴付ける特定の偏微分方程式セットを前方積分しています。 一般に、降水予測は、例えば気圧などの他の大気変数と比較して、より多くの不確実性を含んでいます。これは、大気流体力学方程式を前方積分する際に、計算グリッドで気圧の変化を明示的に解くことができる一方で、降水については解くことができないからです。なぜなら、降水には解像されていない空間スケールで起こる複雑な雲のプロセスが関与しているからです。 解像されていない降水プロセスは、解像された大気力学から推測する必要があります。この推測プロセスは、降水予測と地球システムモデリングにおける多くの他の降水関連の側面の両方にとって重要です。従来、大気モデリングでは、直感、経験則、および現象論的法則を組み合わせて、解像されていない物理プロセスと解像された力学との関係を確立しています。この戦略は「パラメータ化」として知られています。 ここでは、降水の時系列データとそれに関連する大気力学データを含むデータセットを提供します。主な目的は、降水と大気力学の関係を「学習」することで、より正確な降水予測を実現することです。 以下に、データの簡単な説明と畳み込みニューラルネットワークを使用した簡単な例を示します。 データの説明 **_降水データ_** 降水データは、*気候予測センター(CPC)の統一雨量計ベースの日降水量分析*データベースから取得されています。このデータベースは様々な情報源を統合しており、「現実的な」降水記録とされています。データは1948年から2017年までをカバーし、解像度は0.25°×0.25°です。力学場のグリッドサイズに合わせるために、降水データは最近傍法を用いて32km×32kmに再サンプリングされています。 **_大気力学データ_** 降水推定に使用される予測因子は、ジオポテンシャル高度(GPH)と可降水量(PW)の場データです。これらのデータは、国立環境予測センター(NCEP)の北米地域再解析(NARR)データセットから取得されています。このデータセットは、NCEPのグローバル再解析を北米地域に対して地域的にダウンスケーリングして生成されたもので、NCEPのエータモデルと3次元変分データ同化システムが使用されています。また、更新されたノア陸面モデルやグローバル再解析に加えて多数のデータセットが適用され、データ品質が向上されています。このデータセットは1979年から現在近くまでをカバーし、3時間ごとに提供され、空間解像度は32km/45垂直層です。ここでは、1979年から2017年までの3時間ごとの全カラムPW、500hPa、850hPa、および1000hPaのGPHが提供されています。代表的な風速を10m/sとすると、1日間では、10m/s×3600s/h×24h≈800kmの範囲内の力学が対象の地理グリッドの降水プロセスに直接影響を与える可能性があります。したがって、力学場は800km×800km(25×25グリッド)をカバーしています。 **_ベースライン_** ここでは、NARRの降水製品がベースラインとして使用されています。NARRの降水製品は数値モデルの生の出力ではなく、降水観測を潜熱加熱プロファイルとして同化することで得られたものであることに注意する必要があります。したがって、データ品質は、生の数値降水推定や降水を同化しない従来の再解析降水製品よりも優れています。したがって、ここでベースラインを上回ることは、提案されたモデルにとって挑戦的なタスクとなります。 畳み込みニューラルネットワークを用いた例 問題をより明確に説明するために、畳み込みニューラルネットワークを用いた例を示します。力学場の3時間ごとのスナップショットは、4×25×25のテンソルで表されます。4は、1000hPa、850hPa、および500hPaのGPHとPWの4種類の変数があることを示しています。25×25は、対象の地理グリッドを取り巻く25×25のグリッドがあることを示しています。力学場を畳み込みニューラル層と最大プーリング層の階層で処理し、有用な特徴を抽出します。抽出された特徴は平坦化され、2つの連続する全結合層で処理されて降水が推定されます。同じCNNを1日間の力学場のいくつかのスナップショットに適用し、それらの出力を合計して日降水量の最終推定値とします。私たちは、階層的な空間畳み込みカーネルを最適化することで、周囲の力学場から降水関連の力学的特徴を学習するようにモデルを訓練します。結果は、前線降水の場合にベースラインに比べて大きな優位性を示しています。 謝辞 CPCの米国統一降水データは、米国コロラド州ボルダーのNOAA/OAR/ESRL PSDによって提供されています。データは、https://www.esrl.noaa.gov/psd/ のWebサイトから入手できます。NARRデータは、国立環境予測センター(NCEP)によって提供されています。データは、https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/north-american-regional-reanalysis-narr から入手できます。 参考文献 Bukovsky, M. S., and D. J. Karoly (2007), A brief evaluation of precipitation from the North American Regional Reanalysis, Journal of Hydrometeorology, 8(4), 837–846. Lin, Y., K. Mitchell, E. Rogers, M. Baldwin, and G. DiMego (1999), Test assimilations of the real - time, multi - sensor hourly precipitation analysis into the NCEP Eta model, in Preprints, 8th Conf. on Mesoscale Meteorology, Boulder, CO, Amer. Meteor. Soc, pp. 341–344. Xie, P., M. Chen, and W. Shi (2010), CPC unified gauge - based analysis of global daily precipitation, in Preprints, 24th Conf. on Hydrology, Atlanta, GA, Amer. Meteor. Soc, vol. 2.
    ×

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    Note: Some data is currently being processed and cannot be directly downloaded. We kindly ask for your understanding and support.
    No content available at the moment
    No content available at the moment
    • Share your thoughts
    Go share your ideas~~

    ALL

      Welcome to exchange and share
      Your sharing can help others better utilize data.
    Points:0 Go earn points?
    • 630
    • 0
    • 0
    • collect
    • Share