論文の概要: Inversion of sea surface currents from satellite-derived SST-SSH
synergies with 4DVarNets
- arxiv url: http://arxiv.org/abs/2211.13059v1
- Date: Wed, 23 Nov 2022 15:53:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 16:26:25.275817
- Title: Inversion of sea surface currents from satellite-derived SST-SSH
synergies with 4DVarNets
- Title（参考訳）: 4DVarNetによる衛星SST-SSHシナジーからの海面電流のインバージョン
- Authors: Ronan Fablet, Bertrand Chapron, Julien Le Sommer, Florian S\'evellec
- Abstract要約: 老化のダイナミクスは,100km以下の水平スケールと10日以下の時間スケールにおいて重要であることが期待される。
ここでは、観測された海面トレーサ間の相乗効果をよりよく活用するための学習に基づくスキームについて検討する。
具体的には、4DVarNetスキームを開発し、トレーニング可能な観測値と変分データ同化の定式化を利用する。
- 参考スコア（独自算出の注目度）: 32.84891435899833
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Satellite altimetry is a unique way for direct observations of sea surface
dynamics. This is however limited to the surface-constrained geostrophic
component of sea surface velocities. Ageostrophic dynamics are however expected
to be significant for horizontal scales below 100~km and time scale below
10~days. The assimilation of ocean general circulation models likely reveals
only a fraction of this ageostrophic component. Here, we explore a
learning-based scheme to better exploit the synergies between the observed sea
surface tracers, especially sea surface height (SSH) and sea surface
temperature (SST), to better inform sea surface currents. More specifically, we
develop a 4DVarNet scheme which exploits a variational data assimilation
formulation with trainable observations and {\em a priori} terms. An Observing
System Simulation Experiment (OSSE) in a region of the Gulf Stream suggests
that SST-SSH synergies could reveal sea surface velocities for time scales of
2.5-3.0 days and horizontal scales of 0.5$^\circ$-0.7$^\circ$, including a
significant fraction of the ageostrophic dynamics ($\approx$ 47\%). The
analysis of the contribution of different observation data, namely nadir
along-track altimetry, wide-swath SWOT altimetry and SST data, emphasizes the
role of SST features for the reconstruction at horizontal spatial scales
ranging from \nicefrac{1}{20}$^\circ$ to \nicefrac{1}{4}$^\circ$.
- Abstract（参考訳）: 衛星高度計は、海面のダイナミクスを直接観測するためのユニークな方法である。
しかし、これは海面速度の表面に拘束された地動学的成分に限定されている。
しかし、高齢化のダイナミクスは、100km以下の水平スケールと10日以下のタイムスケールで重要と期待されている。
海洋一般循環モデルの同化は、おそらくこの老朽化した成分のごく一部しか示さない。
そこで我々は,観測された海面トレーサ,特に海面高度(SSH)と海面温度(SST)の相乗効果をよりよく活用し,海面電流をよりよく知るための学習的手法を探る。
具体的には、4DVarNetスキームを開発し、トレーニング可能な観測と事前条件による変動データ同化の定式化を利用する。
ガルフストリームの地域にある観測システムシミュレーション実験 (OSSE) では、SST-SSHのシナジーにより、2.5-3.0日の時間スケールと0.5$^\circ$-0.7$^\circ$の水平スケールの海面速度が明らかになると示唆している。
異なる観測データ、すなわち、沿線高度計、広帯域SWOT高度計およびSSTデータの寄与の分析は、水平空間スケールでの再構成におけるSSTの特徴の重要性を強調している。
関連論文リスト
- Generative Diffusion Model-based Downscaling of Observed Sea Surface Height over Kuroshio Extension since 2000 [11.444439142505756]
本研究では,高分解能海面高度解析データをトレーニングするための最先端な生成拡散モデルを提案する。
このモデルは、約12kmの波長に対応する0.25oの解像度から1/16oまでの生衛星補間データを効果的にダウンスケールする。
以上の結果から,2004年以降の黒潮拡張地域では,250km未満の水平スケールでの渦運動エネルギーが著しく増加したことが示唆された。
論文 参考訳（メタデータ） (2024-08-22T13:26:19Z) - 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) - Multi-Modal Learning-based Reconstruction of High-Resolution Spatial
Wind Speed Fields [46.72819846541652]
本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。
この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
論文 参考訳（メタデータ） (2023-12-14T13:40:39Z) - Learning of Sea Surface Height Interpolation from Multi-variate Simulated Satellite Observations [0.0]
我々は、このデータに基づいてAttention-Based-Decoderディープラーニングネットワーク(textscabed)をトレーニングする。
SST情報の有無にかかわらず、教師付きまたは教師なしの損失関数を用いて、AbeD再建の評価を行った。
オーシャンデータチャレンジ2021の実際のSSH観測から、この学習戦略とSSTの併用により、OIと比較してルート平均2乗誤差が24%減少することがわかった。
論文 参考訳（メタデータ） (2023-10-11T16:09:09Z) - Training neural mapping schemes for satellite altimetry with simulation
data [6.591483977714996]
深層学習スキームは、時空問題に対処する魅力的なソリューションとして登場してきた。
リアルタイムデータセットの不足は、実世界のケーススタディにおける最先端のニューラルネットワークスキームのトレーニングを妨げる。
本稿では,海洋力学と衛星高度計の両方のシミュレーションを利用して,海面高さのシミュレーションに基づくニューラルマッピングを訓練する。
論文 参考訳（メタデータ） (2023-09-19T14:32:25Z) - 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) - Scale-aware neural calibration for wide swath altimetry observations [0.0]
海面高度 (SSH) はメソスケールの海面力学を観測・研究するための重要な物理パラメータである。
数十年間、SSH製品の地域規模と世界規模でのマッピングは、ナディル衛星高度計に依存してきた。
表面水と海洋地形(SWOT)ミッションは、SSHの広視野2次元観測を初めて取得する新しいセンサーを配備する。
論文 参考訳（メタデータ） (2023-02-09T08:46:40Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - 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) - Filtering Internal Tides From Wide-Swath Altimeter Data Using
Convolutional Neural Networks [9.541153192112194]
本稿では畳み込みニューラルネットワーク(ConvNets)を用いて、内潮信号のないフィールドを推定する。
また,海面温度(SST)などの他の海面変数からの追加データについても検討した。
論文 参考訳（メタデータ） (2020-05-03T14:02:31Z)
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。