論文の概要: Simulating surface height and terminus position for marine outlet
glaciers using a level set method with data assimilation
- arxiv url: http://arxiv.org/abs/2201.12235v1
- Date: Fri, 28 Jan 2022 16:45:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-31 16:33:29.158615
- Title: Simulating surface height and terminus position for marine outlet
glaciers using a level set method with data assimilation
- Title（参考訳）: データ同化を用いたレベルセット法による海洋出口氷河の表面高さと終点位置のシミュレーション
- Authors: M. Alamgir Hossaina, Sam Pimentel, John M. Stockie
- Abstract要約: 我々は,氷面と終端位置観測を数値的な氷流モデルに統合するためのデータ同化フレームワークを実装した。
このモデルはまた、グリーンランド氷床の主要な干潟であるヘルハイム氷河のシミュレーションにも適用されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We implement a data assimilation framework for integrating ice surface and
terminus position observations into a numerical ice-flow model. The model uses
the well-known shallow shelf approximation (SSA) coupled to a level set method
to capture ice motion and changes in the glacier geometry. The level set method
explicitly tracks the evolving ice-atmosphere and ice-ocean boundaries for a
marine outlet glacier. We use an Ensemble Transform Kalman Filter to assimilate
observations of ice surface elevation and lateral ice extent by updating the
level set function that describes the ice interface. Numerical experiments on
an idealized marine-terminating glacier demonstrate the effectiveness of our
data assimilation approach for tracking seasonal and multi-year glacier advance
and retreat cycles. The model is also applied to simulate Helheim Glacier, a
major tidewater-terminating glacier of the Greenland Ice Sheet that has
experienced a recent history of rapid retreat. By assimilating observations
from remotely-sensed surface elevation profiles we are able to more accurately
track the migrating glacier terminus and glacier surface changes. These results
support the use of data assimilation methodologies for obtaining more accurate
predictions of short-term ice sheet dynamics.
- Abstract（参考訳）: 本研究では,氷面と終端位置観測を数値氷流モデルに統合するデータ同化フレームワークを実装した。
このモデルは、よく知られた浅層棚近似 (ssa) とレベルセット法を結合して氷の動きと氷河の幾何学の変化を捉えている。
レベルセット法は、海洋出口氷河の発達する氷-大気圏と氷-海の境界を明示的に追跡する。
氷の界面を記述するレベルセット関数を更新することにより,氷表面の標高と横方向の氷の深さの観測を統一するために,アンサンブル変換カルマンフィルタを用いる。
理想的な海洋性氷河における数値実験は,季節・多年氷河の進行・後退サイクルを追跡するデータ同化手法の有効性を実証するものである。
このモデルはまた、グリーンランド氷床の潮流を終止する主要な氷河であるヘルハイム氷河をシミュレートするためにも適用され、最近の急速な後退の歴史を経験した。
リモートセンシングされた地表高度プロファイルからの観測を同化することで、移動氷河の終端と氷河の表面変化をより正確に追跡することができる。
これらの結果は, 短期氷床力学のより正確な予測を行うためのデータ同化手法の利用を支持する。
関連論文リスト
- IceDiff: High Resolution and High-Quality Sea Ice Forecasting with Generative Diffusion Prior [19.7258955384779]
より微細なスケールで海氷濃度を予測するための2段階の深層学習フレームワークIceDiffを提案する。
アイスディフは6.25km×6.25kmの解像度で海氷の予測を初めて示した。
論文 参考訳（メタデータ） (2024-10-10T08:53:41Z) - 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) - Simulation-Based Inference of Surface Accumulation and Basal Melt Rates
of an Antarctic Ice Shelf from Isochronal Layers [4.8407710143707]
南極氷床に突き当たる氷棚は、周囲の海への氷の放出率を決定する。
現代の手法はこれらのレートの1つを解決するが、典型的には両方ではない。
本研究では, 表層堆積と玄武岩の融解速度を, 日時, 年時平均で同時に推定する手法を提案する。
論文 参考訳（メタデータ） (2023-12-03T12:22:45Z) - Prediction of Deep Ice Layer Thickness Using Adaptive Recurrent Graph
Neural Networks [0.38073142980732994]
積雪予測に適応的かつ反復的なグラフ畳み込みネットワークを用いた機械学習モデルを提案する。
我々は,従来のモデルと同等の非時間的,非幾何学的,非適応的モデルよりも,より優れた一貫性を持つモデルを見出した。
論文 参考訳（メタデータ） (2023-06-22T19:59:54Z) - 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) - GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine
Glacier Mapping [5.953569982292301]
氷河の幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制と感受性を理解するのに不可欠である。
デブリ被覆氷河(DCG)の正確なマッピングは、スペクトル情報と従来の機械学習技術によって難しいことが知られている。
本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
論文 参考訳（メタデータ） (2022-04-06T14:39:34Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
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。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z) - Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
氷河マッピングは、hkh領域における生態モニタリングの鍵となる。
気候変動は、氷河生態系の健康に依存している個人にリスクを与える。
本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
論文 参考訳（メタデータ） (2020-12-09T12:48:06Z) - 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) - Deep Tiered Image Segmentation For Detecting Internal Ice Layers in
Radar Imagery [8.09102093271587]
地中レーダーは、雪と氷の内部構造を観測することができる。
近年の研究では、氷と岩盤の境界を見つけるための自動技術が開発されている。
本稿では,階層分割問題の一般的なクラスを解くための新しいディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-10-08T01:13:03Z) - A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。
フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。
既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
論文 参考訳（メタデータ） (2019-10-31T02:26:20Z)
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。