論文の概要: SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model
- arxiv url: http://arxiv.org/abs/2106.13202v1
- Date: Thu, 24 Jun 2021 17:29:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-25 14:50:49.413555
- Title: SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model
- Title(参考訳): salt: sea lice adaptive lattice tracking -- 改良された海洋モデルを生成するための教師なしアプローチ
- Authors: Ju An Park, Vikram Voleti, Kathryn E. Thomas, Alexander Wong and Jason
L. Deglint
- Abstract要約: シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
- 参考スコア(独自算出の注目度): 72.3183990520267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Warming oceans due to climate change are leading to increased numbers of
ectoparasitic copepods, also known as sea lice, which can cause significant
ecological loss to wild salmon populations and major economic loss to
aquaculture sites. The main transport mechanism driving the spread of sea lice
populations are near-surface ocean currents. Present strategies to estimate the
distribution of sea lice larvae are computationally complex and limit
full-scale analysis. Motivated to address this challenge, we propose SALT: Sea
lice Adaptive Lattice Tracking approach for efficient estimation of sea lice
dispersion and distribution in space and time. Specifically, an adaptive
spatial mesh is generated by merging nodes in the lattice graph of the Ocean
Model based on local ocean properties, thus enabling highly efficient graph
representation. SALT demonstrates improved efficiency while maintaining
consistent results with the standard method, using near-surface current data
for Hardangerfjord, Norway. The proposed SALT technique shows promise for
enhancing proactive aquaculture management through predictive modelling of sea
lice infestation pressure maps in a changing climate.
- Abstract(参考訳): 気候変動による海洋の温暖化は、海藻としても知られる生態寄生性の甲殻類の増加につながり、野生のサケの個体数に重大な生態的損失をもたらし、養殖場に大きな経済的損失をもたらす可能性がある。
海藻群集の拡散を駆動する主な輸送機構は、地表付近の海流である。
現在、海藻の分布を推定する戦略は計算的に複雑であり、本格的解析に限界がある。
そこで本研究では,海藻の分散分布と空間分布を効率的に推定するために,海藻適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
SALTはノルウェーのHardangerfjordの地中電流データを用いて,標準手法との整合性を保ちながら効率の向上を示す。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
関連論文リスト
- Regional Ocean Forecasting with Hierarchical Graph Neural Networks [1.4146420810689422]
我々は、高解像度の中距離海洋予測用に設計されたニューラルネットワークであるSeaCastを紹介する。
SeaCastはグラフベースのフレームワークを使用して、海洋グリッドの複雑な幾何学を処理し、地域の海洋環境に合わせて外部の強制データを統合する。
コペルニクス海洋局が提供した地中海の運用数値モデルを用いて,高空間分解能実験により本手法の有効性を検証した。
論文 参考訳(メタデータ) (2024-10-15T17:34:50Z) - 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) - Data-driven Global Ocean Modeling for Seasonal to Decadal Prediction [39.7461632644892]
ORCA-DLは,海洋循環の季節的・季節的な予測を行う最初のデータ駆動型3次元海洋モデルである。
三次元海洋力学を正確にシミュレートし、最先端の力学モデルより優れている。
ケイデンスの時間スケールで海洋力学を安定にエミュレートし、巧妙なデケイデンスの予測や気候予測にもその可能性を示す。
論文 参考訳(メタデータ) (2024-05-24T10:23:17Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳(メタデータ) (2024-05-12T09:32:40Z) - Surrogate Modelling for Sea Ice Concentration using Lightweight Neural
Ensemble [0.3626013617212667]
本稿ではLANE-SIという適応的な代理モデル手法を提案する。
異なる損失関数を持つ比較的単純な深層学習モデルのアンサンブルを用いて、特定水域における海氷濃度の予測を行う。
我々は,カラ海における最先端物理ベースの予測システムSEAS5に対して,20%の改善を実現している。
論文 参考訳(メタデータ) (2023-12-07T14:48:30Z) - Tracking capelin spawning migration -- Integrating environmental data
and Individual-based modeling [0.0]
本稿では,バレンツ海の魚種であるカペリンの産卵過程を追跡するための枠組みを提案する。
このフレームワークは、個別ベースモデル(IBM)と人工知能ニューラルネットワーク(ANN)を組み合わせる。
提案モデルでは,カペリンの産卵時の南東移動を再現する。
論文 参考訳(メタデータ) (2023-11-01T10:30:06Z) - OceanNet: A principled neural operator-based digital twin for regional oceans [0.0]
本研究は、海洋循環のための原理的ニューラルオペレーターベースのデジタルツインであるOceanNetを紹介する。
オーシャンネットは北西大西洋西部境界流(ガルフストリーム)に適用される
論文 参考訳(メタデータ) (2023-10-01T23:06:17Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳(メタデータ) (2022-10-17T09:14:35Z) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳(メタデータ) (2022-08-03T20:15:55Z)
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。