論文の概要: Southern Ocean Dynamics Under Climate Change: New Knowledge Through
Physics-Guided Machine Learning
- arxiv url: http://arxiv.org/abs/2310.13916v1
- Date: Sat, 21 Oct 2023 06:13:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 04:27:59.925205
- Title: Southern Ocean Dynamics Under Climate Change: New Knowledge Through
Physics-Guided Machine Learning
- Title（参考訳）: 気候変動下の南洋のダイナミクス:物理誘導機械学習による新しい知識
- Authors: William Yik, Maike Sonnewald, Mariana C. A. Clare, Redouane Lguensat
- Abstract要約: 我々は,海洋レジームを用いた温暖化の追跡手法をメソスケール渦状気候モデルに拡張する。
我々は、気候モデルから容易にアクセス可能なフィールドを用いて、動的レジームと呼ばれる類似の物理学によって特徴づけられる海の領域を同定する。
南極圏の極性潮流が強風下で北に移動するにつれ,水浴量計の動力学的な役割が弱まり,流れが強くなることを示す。
- 参考スコア（独自算出の注目度）: 0.40964539027092917
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Complex ocean systems such as the Antarctic Circumpolar Current play key
roles in the climate, and current models predict shifts in their strength and
area under climate change. However, the physical processes underlying these
changes are not well understood, in part due to the difficulty of
characterizing and tracking changes in ocean physics in complex models. To
understand changes in the Antarctic Circumpolar Current, we extend the method
Tracking global Heating with Ocean Regimes (THOR) to a mesoscale eddy
permitting climate model and identify regions of the ocean characterized by
similar physics, called dynamical regimes, using readily accessible fields from
climate models. To this end, we cluster grid cells into dynamical regimes and
train an ensemble of neural networks to predict these regimes and track them
under climate change. Finally, we leverage this new knowledge to elucidate the
dynamics of regime shifts. Here we illustrate the value of this high-resolution
version of THOR, which allows for mesoscale turbulence, with a case study of
the Antarctic Circumpolar Current and its interactions with the
Pacific-Antarctic Ridge. In this region, THOR specifically reveals a shift in
dynamical regime under climate change driven by changes in wind stress and
interactions with bathymetry. Using this knowledge to guide further
exploration, we find that as the Antarctic Circumpolar Current shifts north
under intensifying wind stress, the dominant dynamical role of bathymetry
weakens and the flow strengthens.
- Abstract（参考訳）: 南極圏極性海流のような複雑な海洋システムは、気候において重要な役割を担い、現在のモデルでは、気候変動下でのその強度と面積の変化を予測している。
しかし、これらの変化の根底にある物理過程は、複雑なモデルにおける海洋物理学の変化の特徴付けと追跡が難しいため、よく理解されていない。
南極圏の極性潮流の変化を理解するため,海洋レジーム(THOR)による地球規模の暖房の追跡手法をメソスケールの渦状気候モデルに拡張し,気象モデルから容易にアクセス可能なフィールドを用いて,同様の物理現象を特徴とする海洋の領域を同定する。
この目的のために、グリッドセルを動的レジームにクラスタ化し、ニューラルネットワークのアンサンブルをトレーニングし、これらのレジームを予測し、気候変動下で追跡します。
最後に,この新しい知識を活用して,レジームシフトのダイナミクスを解明する。
ここでは,南極の周極流とその太平洋-南極海溝との相互作用を事例として,中規模乱流を許容するこの高分解能版thorの意義を述べる。
この領域では、THORは風の応力の変化と水浴測定との相互作用によって引き起こされる気候変動による動的体制の変化を特に明らかにしている。
この知識を用いてさらなる探検を導くことで、南極圏の極性電流が強風下で北に移動するにつれ、水浴量計の動力学的な役割は弱まり、流れは強化される。
関連論文リスト
- Coupled Ocean-Atmosphere Dynamics in a Machine Learning Earth System Model [0.6008008212472723]
我々は,高分解能(0.25deg)人工知能/機械学習(AI/ML)結合土系モデルであるオーシャンリンク大気(Ola)モデルを提案する。
その結果,Olaは適切な位相速度を持つ熱帯海洋波を含む海洋-大気結合力学の学習特性を示すことがわかった。
本研究では,地球物理流体力学研究所のSPEARモデルと比較し,エルニーニョ/南方振動(ENSO)の予測能力を示す。
論文 参考訳（メタデータ） (2024-06-12T20:29:14Z) - 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) - Reducing Uncertainty in Sea-level Rise Prediction: A
Spatial-variability-aware Approach [4.32583920500711]
本稿では,空間的変動とモデル間依存性に対処する空間回帰モデルを提案する。
実験結果から,本手法により得られた重みを地域規模でより信頼性の高い予測を行うことができた。
論文 参考訳（メタデータ） (2023-10-19T02:13:38Z) - 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) - Features of the Earth's seasonal hydroclimate: Characterizations and comparisons across the Koppen-Geiger climates and across continents [0.0]
我々は, 約1千万の地温, 降水量, 河川流量時系列を分析した。
我々は,コッペン・ガイガー気候分類システムを採用し,季節的な気候の特徴をまとめるために大陸規模の地理的地域を定義した。
コッペン・ガイガー気候層と大陸規模の地理的地域の間で,これらの特徴の規模を特徴付けるために,顕著な違いを見出した。
論文 参考訳（メタデータ） (2022-04-13T17:42:57Z) - 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) - Identifying the atmospheric drivers of drought and heat using a smoothed
deep learning approach [0.0]
干ばつや熱に伴う6種類の抗シクロニック循環に対するスムーズな畳み込みニューラルネットワークを提案する。
私たちの研究は、気候シミュレーションにおいて熱い極端と乾燥した極端の重要な要因を特定するのに役立ちます。
論文 参考訳（メタデータ） (2021-11-09T18:16:39Z) - 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) - Synergy between Observation Systems Oceanic in Turbulent Regions [0.0]
海洋ダイナミクスは、複雑な気候現象における海洋の役割を決定する上での公理の源である。
現在の観測システムは3次元海洋データに十分な統計的精度を達成するのに限界がある。
湾岸流と黒潮の延長流における海洋ダイナミクスのモデル化において,潜流クラス回帰と深層回帰ニューラルネットワークを探索するデータ駆動型手法を提案する。
論文 参考訳（メタデータ） (2020-12-28T22:52:57Z) - 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) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳（メタデータ） (2020-10-16T02:15:34Z)
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。