論文の概要: Graph-based Local Climate Classification in Iran
- arxiv url: http://arxiv.org/abs/2110.09209v1
- Date: Mon, 18 Oct 2021 11:50:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-19 20:54:58.635466
- Title: Graph-based Local Climate Classification in Iran
- Title(参考訳): イランにおけるグラフに基づく地域気候分類
- Authors: Neda Akrami, Koorush Ziarati, and Soumyabrata Dev
- Abstract要約: 本研究では,地域の気候に類似した地域を分類するグラフベースの新しい手法を提案する。
提案手法は,現在の文献における最先端手法の欠点を克服しようとするものである。
- 参考スコア(独自算出の注目度): 0.8602553195689513
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we introduce a novel graph-based method to classify the
regions with similar climate in a local area. We refer our proposed method as
Graph Partition Based Method (GPBM). Our proposed method attempts to overcome
the shortcomings of the current state-of-the-art methods in the literature. It
has no limit on the number of variables that can be used and also preserves the
nature of climate data. To illustrate the capability of our proposed algorithm,
we benchmark its performance with other state-of-the-art climate classification
techniques. The climate data is collected from 24 synoptic stations in Fars
province in southern Iran. The data includes seven climate variables stored as
time series from 1951 to 2017. Our results exhibit that our proposed method
performs a more realistic climate classification with less computational time.
It can save more information during the climate classification process and is
therefore efficient in further data analysis. Furthermore, using our method, we
can introduce seasonal graphs to better investigate seasonal climate changes.
To the best of our knowledge, our proposed method is the first graph-based
climate classification system.
- Abstract(参考訳): 本稿では,地域の気候に類似した地域を分類するグラフベースの新しい手法を提案する。
本稿では,提案手法をGPBM (Graph Partition Based Method) と呼ぶ。
提案手法は,現状の文学的手法の欠点を克服しようとするものである。
使用可能な変数の数に制限がなく、気候データの性質も保持している。
提案アルゴリズムの能力を説明するため,その性能を他の最先端の気候分類手法と比較した。
気候データは、イラン南部ファース州の24の総合観測所から収集される。
このデータには1951年から2017年までの7つの気候変数が含まれている。
その結果,提案手法は計算時間が少なく,より現実的な気候分類が可能となった。
気候分類の過程でより多くの情報を節約できるため、さらなるデータ分析において効率的である。
さらに,本手法を用いることで,季節変動をよりよく調査できる季節グラフを導入することができる。
我々の知る限りでは,提案手法は最初のグラフベースの気候分類システムである。
関連論文リスト
- Advancing Data-driven Weather Forecasting: Time-Sliding Data
Augmentation of ERA5 [3.3748750222488657]
我々は高解像度データへの共通依存から逸脱する新しい戦略を導入する。
本稿では,データ拡張と処理に対する新たなアプローチとして,変数の追加による従来のアプローチの改善について述べる。
その結果, 解像度が低いにもかかわらず, 提案手法は大気条件の予測にかなり精度が高いことがわかった。
論文 参考訳(メタデータ) (2024-02-13T03:01:22Z) - 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) - Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳(メタデータ) (2024-01-08T15:29:23Z) - Transferring climate change knowledge [0.16531796732452114]
本研究では,地球モデルシミュレーションと過去の観測から得られた知識を最適に活用し,統合するために機械学習が利用できることを示す。
我々は2081-2098年に5-95%の地球表面温度の不確かさ範囲を56%と52%に減らした。
論文 参考訳(メタデータ) (2023-09-26T09:24:53Z) - Emerging Statistical Machine Learning Techniques for Extreme Temperature
Forecasting in U.S. Cities [0.0]
本稿では,新しい統計機械学習技術を用いた極端温度パターンの包括的解析を行う。
これらの手法を、最も人口の多い5つの米国都市の気候時系列データに適用する。
本研究は, 統計的手法の違いを強調し, 最も効果的なアプローチとして多層パーセプトロンを同定した。
論文 参考訳(メタデータ) (2023-07-26T16:38:32Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳(メタデータ) (2023-01-24T23:19:01Z) - 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) - Deep generative model super-resolves spatially correlated multiregional
climate data [5.678539713361703]
逆ネットワークに基づく機械学習により、ダウンスケーリングにおける地域間空間相関を正確に再構築できることを示す。
提案手法は,気候変動の影響を地域間一貫した評価に有効である。
本稿では,低分解能降雨場を圧力場に置き換えた深部生成モデルに基づくダウンスケーリング手法の結果について述べる。
論文 参考訳(メタデータ) (2022-09-26T05:45:16Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane
Markings [54.298482823211806]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - Intelligent Spatial Interpolation-based Frost Prediction Methodology
using Artificial Neural Networks with Limited Local Data [3.3607307817827032]
本研究の目的は,凍害予測のための現場の歴史的データやセンサへの依存を解消することである。
これらのモデルは、既存の気象観測所の気候データ、デジタル標高モデルサーベイ、および正規化差植生指数データを用いて、目標地点の次の1時間最低気温を推定する。
論文 参考訳(メタデータ) (2022-04-15T21:14:07Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z)
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。