論文の概要: Machine Learning Driven Sensitivity Analysis of E3SM Land Model
Parameters for Wetland Methane Emissions
- arxiv url: http://arxiv.org/abs/2312.02786v1
- Date: Tue, 5 Dec 2023 14:16:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-06 15:34:41.598582
- Title: Machine Learning Driven Sensitivity Analysis of E3SM Land Model
Parameters for Wetland Methane Emissions
- Title（参考訳）: 機械学習による湿地メタン排出のe3sm土地モデルパラメータの感度解析
- Authors: Sandeep Chinta, Xiang Gao, Qing Zhu
- Abstract要約: メタン(CH4)は二酸化炭素に次いで2番目に重要な温室効果ガスであり、観測された温暖化の16-25%に寄与する。
感度分析(SA)は、メタン放出の臨界パラメータを特定し、将来の予測におけるバイアスや不確実性を減少させるのに役立つ。
本研究では,エナジー・エクサスケール・アース・システム・モデル(E3SM)ランド・モデル(ELM)のメタン・モジュールにおける臨界生物地球化学的プロセスに関与する19のパラメータについてSAを行う。
- 参考スコア（独自算出の注目度）: 12.826828430320843
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Methane (CH4) is the second most critical greenhouse gas after carbon
dioxide, contributing to 16-25% of the observed atmospheric warming. Wetlands
are the primary natural source of methane emissions globally. However, wetland
methane emission estimates from biogeochemistry models contain considerable
uncertainty. One of the main sources of this uncertainty arises from the
numerous uncertain model parameters within various physical, biological, and
chemical processes that influence methane production, oxidation, and transport.
Sensitivity Analysis (SA) can help identify critical parameters for methane
emission and achieve reduced biases and uncertainties in future projections.
This study performs SA for 19 selected parameters responsible for critical
biogeochemical processes in the methane module of the Energy Exascale Earth
System Model (E3SM) land model (ELM). The impact of these parameters on various
CH4 fluxes is examined at 14 FLUXNET- CH4 sites with diverse vegetation types.
Given the extensive number of model simulations needed for global
variance-based SA, we employ a machine learning (ML) algorithm to emulate the
complex behavior of ELM methane biogeochemistry. ML enables the computational
time to be shortened significantly from 6 CPU hours to 0.72 milliseconds,
achieving reduced computational costs. We found that parameters linked to CH4
production and diffusion generally present the highest sensitivities despite
apparent seasonal variation. Comparing simulated emissions from perturbed
parameter sets against FLUXNET-CH4 observations revealed that better
performances can be achieved at each site compared to the default parameter
values. This presents a scope for further improving simulated emissions using
parameter calibration with advanced optimization techniques like Bayesian
optimization.
- Abstract（参考訳）: メタン(ch4)は二酸化炭素に次いで2番目に重要な温室効果ガスであり、観測された気温の16-25%を占める。
湿地は世界のメタン排出の主要な天然資源である。
しかし、生物地球化学モデルによる湿地メタン排出量推定にはかなりの不確実性が含まれている。
この不確かさの主な原因の1つは、メタンの生成、酸化、輸送に影響を与える様々な物理的、生物学的、化学的過程における多くの不確定なモデルパラメータから生じる。
感度分析(SA)はメタン放出の臨界パラメータを特定し、将来の予測におけるバイアスや不確実性を減少させるのに役立つ。
本研究では,エナジー・エクサスケール・アース・システム・モデル (e3sm) ランド・モデル (elm) のメタン・モジュールにおける生物地球化学の臨界過程に関する19のパラメータについてsaを行う。
これらのパラメータが各種のCH4フラックスに与える影響を,多様な植生タイプを持つ14のFLUXNET-CH4地点で検討した。
大域的分散に基づくSAに必要なモデルシミュレーションの多さを考慮し,ELMメタン生物地球化学の複雑な挙動をエミュレートするために機械学習(ML)アルゴリズムを用いる。
MLは計算時間を6CPU時間から0.72ミリ秒に大幅に短縮し、計算コストを削減できる。
その結果,CH4産生と拡散に関連するパラメータは,季節的変動があるにもかかわらず,一般的に最も感度が高いことがわかった。
FLUXNET-CH4観測に対する摂動パラメータセットからのシミュレーションエミッションを比較すると、デフォルトパラメータ値と比較して各サイトにおいてより良い性能が得られることがわかった。
これは、パラメータキャリブレーションとベイズ最適化のような高度な最適化技術を用いて、シミュレーションエミッションをさらに改善するためのスコープを示す。
関連論文リスト
- Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Development and Evaluation of Ensemble Learning-based Environmental
Methane Detection and Intensity Prediction Models [6.694954044418315]
データ駆動機械学習 (ML) モデルを用いて, ファジティヴCH4とその関連強度を同定した。
我々はアンサンブル学習法を用いて、より弱い低層MLモデル上に構築された最も優れた重み付きアンサンブルMLモデルを決定する。
論文 参考訳（メタデータ） (2023-12-18T01:52:59Z) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳（メタデータ） (2023-08-21T19:36:50Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳（メタデータ） (2022-10-31T04:04:03Z) - Differentiable Programming for Earth System Modeling [0.0]
最先端の地球系モデル(ESMs)は、過去150年間の観測上の地球平均温度異常を再現することができる。
我々は、ESMを自動で差別化することは、ESMを前進させる大きな可能性を秘めていると論じる。
論文 参考訳（メタデータ） (2022-08-29T18:32:24Z) - Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。
局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
論文 参考訳（メタデータ） (2022-07-01T09:06:25Z) - Inference over radiative transfer models using variational and
expectation maximization methods [9.73020420215473]
本稿では,生物物理パラメータの点推定だけでなく,その共同分布を推定するための2つの計算手法を提案する。
そのうちの1つは変分オートエンコーダアプローチに基づいており、もう1つはモンテカルロ予想最大化スキームに基づいている。
本研究では,地球生物圏の定量化のための3つの重要な生体物理パラメータの分布をモデル化し,推定するための2つの手法の性能解析を行った。
論文 参考訳（メタデータ） (2022-04-07T10:33:51Z) - Toward Machine Learned Highly Reduce Kinetic Models For Methane/Air
Combustion [0.0]
運動モデルを用いて、物理実験と比較して運転条件、燃料組成、燃焼器設計の影響をテストする。
対象とする詳細なモデル特性を高い忠実度で再現するコンパクトモデルを作成するための,新しいデータ指向三段階法を提案する。
この戦略はメタン/空気燃焼のための19種と15種のコンパクトモデルによって実証されている。
論文 参考訳（メタデータ） (2021-03-15T13:29:08Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z)
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。