論文の概要: Multi-decadal Sea Level Prediction using Neural Networks and Spectral
Clustering on Climate Model Large Ensembles and Satellite Altimeter Data
- arxiv url: http://arxiv.org/abs/2310.04540v1
- Date: Fri, 6 Oct 2023 19:06:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 17:49:53.112479
- Title: Multi-decadal Sea Level Prediction using Neural Networks and Spectral
Clustering on Climate Model Large Ensembles and Satellite Altimeter Data
- Title(参考訳): ニューラルネットワークとスペクトルクラスタリングによる気候モデル大集合体と衛星高度データを用いた多次元海水準予測
- Authors: Saumya Sinha, John Fasullo, R. Steven Nerem, Claire Monteleoni
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Sea surface height observations provided by satellite altimetry since 1993
show a rising rate (3.4 mm/year) for global mean sea level. While on average,
sea level has risen 10 cm over the last 30 years, there is considerable
regional variation in the sea level change. Through this work, we predict sea
level trends 30 years into the future at a 2-degree spatial resolution and
investigate the future patterns of the sea level change. We show the potential
of machine learning (ML) in this challenging application of long-term sea level
forecasting over the global ocean. Our approach incorporates sea level data
from both altimeter observations and climate model simulations. We develop a
supervised learning framework using fully connected neural networks (FCNNs)
that can predict the sea level trend based on climate model projections.
Alongside this, our method provides uncertainty estimates associated with the
ML prediction. We also show the effectiveness of partitioning our spatial
dataset and learning a dedicated ML model for each segmented region. We compare
two partitioning strategies: one achieved using domain knowledge, and the other
employing spectral clustering. Our results demonstrate that segmenting the
spatial dataset with spectral clustering improves the ML predictions.
- Abstract(参考訳): 1993年以降の衛星高度計による海面高度観測は、地球平均海水準の上昇率(3.4mm/年)を示している。
平均して海面は過去30年間で10cm上昇しているが、海面の変化にはかなりの地域差がある。
本研究では,今後30年間の海面変動を2度の空間分解能で予測し,海面変動の将来パターンについて検討する。
我々は,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。
我々のアプローチは、高度観測と気候モデルシミュレーションの両方から海面データを取り入れている。
気候モデル予測に基づいて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,本手法はml予測に付随する不確実性推定を提供する。
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。
1つはドメイン知識を用いて達成したものであり、もう1つはスペクトルクラスタリングを用いたものである。
この結果から,スペクトルクラスタリングによる空間データセットのセグメンテーションがML予測を改善することが示された。
関連論文リスト
- 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) - Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳(メタデータ) (2023-06-16T17:35:11Z) - SHS-Net: Learning Signed Hyper Surfaces for Oriented Normal Estimation
of Point Clouds [54.89855828917265]
我々は,符号付きハイパー曲面の学習による点雲の向きの正規分布推定のためのSHS-Netと呼ばれる新しい手法を提案する。
我々のSHS-Netは、広く使用されているベンチマークにおいて、非オブジェクト指向とオブジェクト指向の正規推定の両方において最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-05-10T03:40:25Z) - 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) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳(メタデータ) (2022-04-14T15:41:39Z) - 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) - Physics-Guided Generative Adversarial Networks for Sea Subsurface
Temperature Prediction [24.55780949103687]
海面下温度は気候変動の地球温暖化の影響を受けている。
既存の研究は一般に物理学に基づく数値モデルまたはデータに基づくモデルに基づいている。
本稿では,GAN(Generative Adversarial Network)と数値モデルを組み合わせた,海底温度の予測手法を提案する。
論文 参考訳(メタデータ) (2021-11-04T23:46:51Z) - Predicting Critical Biogeochemistry of the Southern Ocean for Climate
Monitoring [1.8689461238197955]
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。
論文 参考訳(メタデータ) (2021-10-30T00:13:46Z) - 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。