Buchumschlag

Leadsee-Precip: A Deep Learning Diagnostic Model for Precipitation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ji, Weiwen, Feng, Jin, Liu, Yueqi, Qiu, Yulu, Gao, Hua
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Atmospheric and Oceanic Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SwAIther-Precip: Lead-Time-Aware Bias Correction Enables Kilometer-Scale Downscaling of Global AI Precipitation Forecasts over Switzerland
von: Assouline, Dan, et al.
Veröffentlicht: (2026)

Oya: Deep Learning for Accurate Global Precipitation Estimation
von: Brempong, Emmanuel Asiedu, et al.
Veröffentlicht: (2025)

Are Deep Learning Methods Suitable for Downscaling Global Climate Projections? An Intercomparison for Temperature and Precipitation over Spain
von: González-Abad, Jose, et al.
Veröffentlicht: (2024)

Towards Location-Specific Precipitation Projections Using Deep Neural Networks
von: Kumar, Bipin, et al.
Veröffentlicht: (2025)

Flow Matching for Convective-Scale Precipitation Downscaling
von: Wetherell, Tom
Veröffentlicht: (2026)

Guided Diffusion Sampling for Precipitation Forecast Interventions
von: Ueyama, Ayumu, et al.
Veröffentlicht: (2026)

How Effective Are Time-Series Models for Precipitation Nowcasting? A Comprehensive Benchmark for GNSS-based Precipitation Nowcasting
von: Zhang, Yifang, et al.
Veröffentlicht: (2025)

A Likelihood-Based Generative Approach for Spatially Consistent Precipitation Downscaling
von: González-Abad, Jose
Veröffentlicht: (2024)

Physically Constrained Generative Adversarial Networks for Improving Precipitation Fields from Earth System Models
von: Hess, Philipp, et al.
Veröffentlicht: (2022)

Investigating the Robustness of Extreme Precipitation Super-Resolution Across Climates
von: Largeau, Louise, et al.
Veröffentlicht: (2025)

Selection of CMIP6 Models for Regional Precipitation Projection and Climate Change Assessment in the Jhelum and Chenab River Basins
von: Jamal, Saad Ahmed, et al.
Veröffentlicht: (2026)

STAA: Spatio-Temporal Alignment Attention for Short-Term Precipitation Forecasting
von: Chen, Min, et al.
Veröffentlicht: (2024)

CSU-PCAST: A Dual-Branch Transformer Framework for medium-range ensemble Precipitation Forecasting
von: Xiong, Tianyi, et al.
Veröffentlicht: (2025)

Deep Learning Models for Flood Predictions in South Florida
von: Shi, Jimeng, et al.
Veröffentlicht: (2023)

StretchCast: Global-Regional AI Weather Forecasting on Stretched Cubed-Sphere Mesh
von: Feng, Jin
Veröffentlicht: (2026)

Towards Physically Consistent Deep Learning For Climate Model Parameterizations
von: Kühbacher, Birgit, et al.
Veröffentlicht: (2024)

Longwang: Zero-Shot Global Spatiotemporal Precipitation Downscaling with a Latent Generative Prior
von: Wang, Yue, et al.
Veröffentlicht: (2026)

Diffusion-Based Joint Temperature and Precipitation Emulation of Earth System Models
von: Christensen, Katie, et al.
Veröffentlicht: (2024)

A Hybrid Deep-Learning Model for El Niño Southern Oscillation in the Low-Data Regime
von: Schloer, Jakob, et al.
Veröffentlicht: (2024)

Analogue Forecast System for Daily Precipitation Prediction Using Autoencoder Feature Extraction: Application in Hong Kong
von: Tsoi, Yee Chun, et al.
Veröffentlicht: (2025)

Validating Deep Learning Weather Forecast Models on Recent High-Impact Extreme Events
von: Pasche, Olivier C., et al.
Veröffentlicht: (2024)

Explainable Comparison of Feature-Based and Deep Learning Models for TROPOMI Methane Plume Screening
von: Kurchaba, Solomiia, et al.
Veröffentlicht: (2026)

DeepSeasons: a Deep Learning scale-selecting approach to Seasonal Forecasts
von: Navarra, A., et al.
Veröffentlicht: (2025)

Hard-Constrained Deep Learning for Climate Downscaling
von: Harder, Paula, et al.
Veröffentlicht: (2022)

Data Driven Deep Learning for Correcting Global Climate Model Projections of SST and DSL in the Bay of Bengal
von: Pasula, Abhishek, et al.
Veröffentlicht: (2025)

CERA: A Framework for Improved Generalization of Machine Learning Models to Changed Climates
von: Liu, Shuchang, et al.
Veröffentlicht: (2025)

Advancing Marine Heatwave Forecasts: An Integrated Deep Learning Approach
von: Ning, Ding, et al.
Veröffentlicht: (2024)

Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations
von: Xu, Xiaoze, et al.
Veröffentlicht: (2024)

WindDragon: Enhancing wind power forecasting with Automated Deep Learning
von: Keisler, Julie, et al.
Veröffentlicht: (2024)

IDRIFTNET: Physics-Driven Spatiotemporal Deep Learning for Iceberg Drift Forecasting
von: Putatunda, Rohan, et al.
Veröffentlicht: (2025)

Advancing Parsimonious Deep Learning Weather Prediction using the HEALPix Mesh
von: Karlbauer, Matthias, et al.
Veröffentlicht: (2023)

Using Deep Learning to Identify Initial Error Sensitivity for Interpretable ENSO Forecasts
von: Toride, Kinya, et al.
Veröffentlicht: (2024)

An Operational Deep Learning System for Satellite-Based High-Resolution Global Nowcasting
von: Agrawal, Shreya, et al.
Veröffentlicht: (2025)

DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting
von: Shukla, Pratik, et al.
Veröffentlicht: (2024)

Interpretable AI-Driven Discovery of Terrain-Precipitation Relationships for Enhanced Climate Insights
von: Xu, Hao, et al.
Veröffentlicht: (2023)

Global Climate Model Bias Correction Using Deep Learning
von: Pasula, Abhishek, et al.
Veröffentlicht: (2025)

MMWSTM-ADRAN+: A Novel Hybrid Deep Learning Architecture for Enhanced Climate Time Series Forecasting and Extreme Event Prediction
von: Ahmed, Shaheen Mohammed Saleh, et al.
Veröffentlicht: (2025)

Interpretable Cross-Sphere Multiscale Deep Learning Predicts ENSO Skilfully Beyond 2 Years
von: Hao, Rixu, et al.
Veröffentlicht: (2025)

Localized Weather Prediction Using Kolmogorov-Arnold Network-Based Models and Deep RNNs
von: Akazan, Ange-Clement, et al.
Veröffentlicht: (2025)

Finetuning AI Foundation Models to Develop Subgrid-Scale Parameterizations: A Case Study on Atmospheric Gravity Waves
von: Gupta, Aman, et al.
Veröffentlicht: (2025)