論文の概要: Enhancing Biogenic Emission Maps Using Deep Learning
- arxiv url: http://arxiv.org/abs/2302.07570v1
- Date: Wed, 15 Feb 2023 10:21:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-16 15:25:41.895206
- Title: Enhancing Biogenic Emission Maps Using Deep Learning
- Title（参考訳）: 深層学習による生物発生エミッションマップの強化
- Authors: Antonio Giganti, Sara Mandelli, Paolo Bestagini, Marco Marcon, Stefano
Tubaro
- Abstract要約: 生体内揮発性有機化合物(BVOC)は、生物圏-大気相互作用において重要な役割を果たす。
利用可能なBVOCデータのほとんどは、緩くスパースなサンプリンググリッドまたは小さな領域で取得される。
高解像度のBVOCデータは、大気質、大気化学、気候モニタリングなど多くの用途で望ましい。
- 参考スコア（独自算出の注目度）: 17.819699053848197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biogenic Volatile Organic Compounds (BVOCs) play a critical role in
biosphere-atmosphere interactions, being a key factor in the physical and
chemical properties of the atmosphere and climate. Acquiring large and
fine-grained BVOC emission maps is expensive and time-consuming, so most of the
available BVOC data are obtained on a loose and sparse sampling grid or on
small regions. However, high-resolution BVOC data are desirable in many
applications, such as air quality, atmospheric chemistry, and climate
monitoring. In this work, we propose to investigate the possibility of
enhancing BVOC acquisitions, taking a step forward in explaining the
relationships between plants and these compounds. We do so by comparing the
performances of several state-of-the-art neural networks proposed for
Single-Image Super-Resolution (SISR), showing how to adapt them to correctly
handle emission data through preprocessing. Moreover, we also consider
realistic scenarios, considering both temporal and geographical constraints.
Finally, we present possible future developments in terms of Super-Resolution
(SR) generalization, considering the scale-invariance property and
super-resolving emissions from unseen compounds.
- Abstract（参考訳）: 生物揮発性有機化合物(BVOC)は、大気圏と大気圏の相互作用において重要な役割を担い、大気や気候の物理的および化学的性質において重要な要素である。
大きめできめ細かなBVOCエミッションマップの取得は高価で時間を要するため、利用可能なBVOCデータのほとんどは、緩やかなサンプリンググリッドや小さな領域で取得される。
しかし、高解像度のBVOCデータは、大気質、大気化学、気候モニタリングなど多くの用途で望ましい。
本研究では,植物とこれらの化合物の関係を説明する上で,bvocの獲得性を高める可能性について検討する。
我々は,シングルイメージ・スーパーレゾリューション(sisr)のために提案された最先端ニューラルネットワークの性能を比較することにより,プリプロセッシングによるエミッションデータの適切に処理する方法を示す。
さらに,時間的制約と地理的制約を考慮した現実的なシナリオも検討する。
最後に,超解法(SR)の一般化の観点から,スケール不変性や未知化合物からの超解離放出を考慮した今後の発展の可能性を示す。
関連論文リスト
- Spatio-temporal Multivariate Cluster Evolution Analysis for Detecting and Tracking Climate Impacts [0.0]
本稿では,統計的に重要な影響を検出するための,新しい,効率的な教師なしデータ駆動手法を提案する。
提案手法は, 既知の事後影響・事象を検出することができることを示す。
さらに,NLPを用いて,作業後影響/事象の有意義なシーケンスを抽出する手法についても述べる。
論文 参考訳（メタデータ） (2024-10-21T22:13:09Z) - 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) - Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。
提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
論文 参考訳（メタデータ） (2024-08-12T04:29:54Z) - SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。
伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。
本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T08:00:15Z) - 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) - 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) - Large Scale Masked Autoencoding for Reducing Label Requirements on SAR Data [5.235143203977019]
本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。
この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。
本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
論文 参考訳（メタデータ） (2023-10-02T00:11:47Z) - Multi-BVOC Super-Resolution Exploiting Compounds Inter-Connection [17.819699053848197]
地球の大気中に地球生態系から放出される生体揮発性有機化合物(BVOC)は大気化学の重要な構成要素である。
測定が不十分なため、BVOCの放射マップの信頼性の向上は、大気化学、気候、大気質のモデルにより密集したデータを提供するのに役立つ。
本稿では, 各種化合物の寄与を同時に活用して, 粗大なBVOC排出マップの超解法を提案する。
論文 参考訳（メタデータ） (2023-05-23T15:58:53Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - 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) - DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。
妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。
本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文 参考訳（メタデータ） (2020-11-23T20:13:37Z)
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。