論文の概要: Unsupervised Regionalization of Particle-resolved Aerosol Mixing State Indices on the Global Scale

• arxiv url: http://arxiv.org/abs/2012.03365v1
• Date: Sun, 6 Dec 2020 20:01:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-22 03:28:41.534949
• Title: Unsupervised Regionalization of Particle-resolved Aerosol Mixing State Indices on the Global Scale
• Title（参考訳）: 粒子分解エアロゾル混合状態指標のグローバルスケールにおける非監督的地域化
• Authors: Zhonghua Zheng, Joseph Ching, Jeffrey H. Curtis, Yu Yao, Peng Xu, Matthew West, Nicole Riemer
• Abstract要約: エアロゾル混合状態は大気中のエアロゾル粒子の気候や健康への影響に大きな影響を及ぼす。 地球系モデルに共通する単純なエアロゾル混合状態仮定は、これらのエアロゾルの影響の予測に誤りをもたらす可能性がある。 エアロゾル混合状態指標のグローバル推定は、最近、教師付き学習モデルによって利用可能になっている。
• 参考スコア（独自算出の注目度）: 6.118807550188815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The aerosol mixing state significantly affects the climate and health impacts of atmospheric aerosol particles. Simplified aerosol mixing state assumptions, common in Earth System models, can introduce errors in the prediction of these aerosol impacts. The aerosol mixing state index, a metric to quantify aerosol mixing state, is a convenient measure for quantifying these errors. Global estimates of aerosol mixing state indices have recently become available via supervised learning models, but require regionalization to ease spatiotemporal analysis. Here we developed a simple but effective unsupervised learning approach to regionalize predictions of global aerosol mixing state indices. We used the monthly average of aerosol mixing state indices global distribution as the input data. Grid cells were then clustered into regions by the k-means algorithm without explicit spatial information as input. This approach resulted in eleven regions over the globe with specific spatial aggregation patterns. Each region exhibited a unique distribution of mixing state indices and aerosol compositions, showing the effectiveness of the unsupervised regionalization approach. This study defines "aerosol mixing state zones" that could be useful for atmospheric science research.
• Abstract（参考訳）: エアロゾル混合状態は、大気エアロゾル粒子の気候および健康への影響に大きく影響する。 地球系モデルに共通する単純なエアロゾル混合状態仮定は、これらのエアロゾルの影響の予測に誤りをもたらす可能性がある。 エアロゾル混合状態指標(エアロゾル混合状態の定量化指標)はこれらの誤差の定量化に有用な指標である。 エアロゾル混合状態指数のグローバル推定は、最近教師付き学習モデルによって利用可能になったが、時空間分析を容易にするために地域化が必要である。 本研究では,グローバルエアロゾル混合状態の予測を地域化するための,単純かつ効果的な教師なし学習手法を開発した。 エアロゾル混合状態の月平均は,地球規模分布を入力データとして用いた。 グリッドセルは入力として空間情報を明示せずにk平均アルゴリズムにより領域にクラスタ化される。 このアプローチは、特定の空間集約パターンを持つ11の地域を世界中にもたらした。 各地域は, 混合状態指標とエアロゾル組成の独特の分布を示し, 教師なし地域化アプローチの有効性を示した。 本研究では、大気科学研究に役立つ「エアロゾル混合状態帯」を定義する。

関連論文リスト

• Spatial Distribution-Shift Aware Knowledge-Guided Machine Learning [4.414885369283509]
  多様な土壌特性と気候データの入力を考慮し,正確な土地排出予測モデルの構築を目指していた。 SDSA-KGMLモデルは中西部地域の特定状態に対して高い局所精度を達成する。
  論文  参考訳（メタデータ） (2025-02-20T18:52:24Z)
• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Stratospheric aerosol source inversion: Noise, variability, and uncertainty quantification [0.0]
  本稿では,ベイズ近似誤差を用いた成層圏エアロゾル源インバージョンのためのフレームワークを提案する。 我々はE3SM(Energy Exascale Earth System Model)を用いた特別設計地球モデルシミュレーションを活用する。 データ生成、データ処理、次元削減、演算子学習、ベイズ反転のための包括的なフレームワークについて述べる。
  論文  参考訳（メタデータ） (2024-09-10T20:12:36Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Variable importance measure for spatial machine learning models with application to air pollution exposure prediction [2.633085745593072]
  本研究の目的は, 大気汚染の健康影響を学習する能力を最大限に活用するために, データのない場所での被験者の大気汚染の予測を行うことである。 これらの課題を、米国国家PM2.5亜種規制データの硫黄(S)と、シアトルの交通関連大気汚染データセットの超微粒子(UFP)の2つのデータセットで解決する。 私たちの重要な貢献は、幅広いモデルの解釈可能かつ同等の尺度に導かれる、変数の重要度に対する一対一のアプローチである。
  論文  参考訳（メタデータ） (2024-06-04T05:51:36Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
  英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。 欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。 このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
  論文  参考訳（メタデータ） (2024-01-16T18:03:07Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• AODisaggregation: toward global aerosol vertical profiles [8.007578464827002]
  エアロゾルとクラウドの相互作用は、人為的気候変動の評価において最大の不確実性の源となっている。 我々は、気象予測器を用いて、AODを絶滅プロファイルに垂直に分解するための枠組みを開発する。 以上の結果から,本モデルは極めて単純ながら,精度のよい不確実性によって,現実的な絶滅プロファイルを再構築できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-06T16:36:40Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。