論文の概要: Predicting Critical Biogeochemistry of the Southern Ocean for Climate
Monitoring
- arxiv url: http://arxiv.org/abs/2111.00126v1
- Date: Sat, 30 Oct 2021 00:13:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 12:05:32.481651
- Title: Predicting Critical Biogeochemistry of the Southern Ocean for Climate
Monitoring
- Title(参考訳): 気候モニタリングのための南洋の臨界生物地球化学予測
- Authors: Ellen Park, Jae Deok Kim, Nadege Aoki, Yumeng Melody Cao, Yamin
Arefeen, Matthew Beveridge, David Nicholson, Iddo Drori
- Abstract要約: 我々は、南洋のケイ酸塩とリン酸塩の値を、温度、圧力、塩分濃度、酸素、硝酸塩、位置から予測するためにニューラルネットワークを訓練する。
これらのモデルを地球系モデル(ESM)およびBGC-Argoデータに適用し、この海洋観測ネットワークの有用性を拡大する。
- 参考スコア(独自算出の注目度): 1.8689461238197955
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Biogeochemical-Argo (BGC-Argo) program is building a network of globally
distributed, sensor-equipped robotic profiling floats, improving our
understanding of the climate system and how it is changing. These floats,
however, are limited in the number of variables measured. In this study, we
train neural networks to predict silicate and phosphate values in the Southern
Ocean from temperature, pressure, salinity, oxygen, nitrate, and location and
apply these models to earth system model (ESM) and BGC-Argo data to expand the
utility of this ocean observation network. We trained our neural networks on
observations from the Global Ocean Ship-Based Hydrographic Investigations
Program (GO-SHIP) and use dropout regularization to provide uncertainty bounds
around our predicted values. Our neural network significantly improves upon
linear regression but shows variable levels of uncertainty across the ranges of
predicted variables. We explore the generalization of our estimators to test
data outside our training distribution from both ESM and BGC-Argo data. Our use
of out-of-distribution test data to examine shifts in biogeochemical parameters
and calculate uncertainty bounds around estimates advance the state-of-the-art
in oceanographic data and climate monitoring. We make our data and code
publicly available.
- Abstract(参考訳): biogeochemical-argo(bgc-argo)プログラムは、グローバルに分散したセンサーを搭載したロボットプロファイリングフロートによるネットワークを構築し、気候システムの理解と、それがどのように変化するかを改善する。
しかし、これらのフロートは測定された変数の数に制限がある。
本研究では, 温度, 圧力, 塩分, 酸素, 硝酸, 位置から南洋のケイ酸塩およびリン酸値を予測するためにニューラルネットワークを訓練し, これらのモデルを地球系モデル(esm)およびbgc-argoデータに適用し, この海洋観測ネットワークの有用性を拡大する。
我々は,Global Ocean Ship-Based Hydrographic Investigations Program(GO-SHIP)の観測に基づいてニューラルネットワークをトレーニングし,予測値に不確実性をもたらすためにドロップアウト正規化を使用した。
我々のニューラルネットワークは線形回帰を著しく改善するが、予測変数の範囲で不確実性の変動レベルを示す。
ESMデータとBGC-Argoデータの両方からトレーニング分布外のデータをテストするための推定器の一般化を検討する。
生物地球化学的パラメータの変化を調査し, 推定値に関する不確実性境界を計算するために, 分布外試験データを用いて, 海洋データと気候モニタリングの最先端を推察した。
データとコードを公開しています。
関連論文リスト
- Multi-decadal Sea Level Prediction using Neural Networks and Spectral
Clustering on Climate Model Large Ensembles and Satellite Altimeter Data [0.0]
本稿では,この長期海水準予測の挑戦的応用における機械学習(ML)の可能性を示す。
我々は,海面トレンドを予測できる完全連結ニューラルネットワーク(FCNN)を用いた教師あり学習フレームワークを開発した。
また、空間データセットを分割し、各セグメント領域に専用のMLモデルを学習する効果を示す。
論文 参考訳(メタデータ) (2023-10-06T19:06:43Z) - Beyond Tides and Time: Machine Learning Triumph in Water Quality [0.0]
この研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としている。
我々の研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としています。
論文 参考訳(メタデータ) (2023-09-29T03:33:53Z) - Sea level Projections with Machine Learning using Altimetry and Climate
Model ensembles [0.6882042556551609]
1993年以降に観測された衛星高度計は、地球平均海水準が前例のない速度で上昇していることを示している(3.4mm/年)
機械学習(ML)を用いて海面変動の将来パターンを解明する。
本研究では、衛星観測と気候モデルシミュレーションの両方を利用して海面上昇予測を生成する機械学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-08-02T19:18:38Z) - Dynamic Data Assimilation of MPAS-O and the Global Drifter Dataset [2.334159433763755]
本研究では,地球系モデル (ESMs) とIn situ buoy測定を組み合わせ,海洋温度予測の精度を向上させる手法を提案する。
この手法を用いることで,MPAS-Oモデルによる局所温度予測の誤差を補正することができる。
論文 参考訳(メタデータ) (2023-01-11T21:21:02Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文 参考訳(メタデータ) (2022-06-28T12:43:38Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。
グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。
我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
論文 参考訳(メタデータ) (2021-12-21T16:10:45Z) - Assessment of Neural Networks for Stream-Water-Temperature Prediction [0.0]
システムのレジリエンスと緩和策を特定するためには,ドライバの機械的理解と期待される変化の大きさが不可欠である。
本研究では,ドイツの6つの河川における水温予測のための最先端ニューラルネットワーク (NN) の選定について述べる。
論文 参考訳(メタデータ) (2021-10-08T17:04:42Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳(メタデータ) (2020-06-26T13:50:19Z)
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。