論文の概要: Identifying Three-Dimensional Radiative Patterns Associated with Early Tropical Cyclone Intensification

• arxiv url: http://arxiv.org/abs/2401.09493v2
• Date: Wed, 24 Jan 2024 17:18:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 16:26:49.536764
• Title: Identifying Three-Dimensional Radiative Patterns Associated with Early Tropical Cyclone Intensification
• Title（参考訳）: 初期熱帯サイクロン強度に関連する3次元放射パターンの同定
• Authors: Frederick Iat-Hin Tam, Tom Beucler, James H. Ruppert Jr
• Abstract要約: 雲の放射フィードバックは初期の熱帯性サイクロンの増強に影響を及ぼす。 そこで我々は, 実数値シミュレーションTCの表面強度と放射の隠れた関係を学習するための線形変分デコーダ (VED) を提案する。 抽出した3次元放射構造を綿密に調べたところ, 内心深部対流と浅部雲からの長波放射強制力は強度に寄与することが示唆された。
• 参考スコア（独自算出の注目度）: 0.1015589042878294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloud radiative feedback impacts early tropical cyclone (TC) intensification, but limitations in existing diagnostic frameworks make them unsuitable for studying asymmetric or transient radiative heating. We propose a linear Variational Encoder-Decoder (VED) to learn the hidden relationship between radiation and the surface intensification of realistic simulated TCs. Limiting VED model inputs enables using its uncertainty to identify periods when radiation has more importance for intensification. A close examination of the extracted 3D radiative structures suggests that longwave radiative forcing from inner core deep convection and shallow clouds both contribute to intensification, with the deep convection having the most impact overall. We find that deep convection downwind of the shallow clouds is critical to the intensification of Haiyan. Our work demonstrates that machine learning can discover thermodynamic-kinematic relationships without relying on axisymmetric or deterministic assumptions, paving the way towards the objective discovery of processes leading to TC intensification in realistic conditions.
• Abstract（参考訳）: 雲放射フィードバックは初期熱帯サイクロン(tc)の強度に影響を及ぼすが、既存の診断フレームワークの制限により、非対称または過渡的な放射加熱の研究には適さない。 本稿では, 実数値シミュレーションTCの表面強度と放射の隠れ関係を学習するための線形変分エンコーダ(VED)を提案する。 vedモデル入力を制限することで、放射線が強化にとってより重要である期間を識別することができる。 抽出した3次元放射構造を詳細に検討した結果,内部コアの深層対流と浅層雲からの長波放射はともに増大に寄与し,深層対流は全体として最も影響が大きいことが示唆された。 浅層雲の深い対流下風は、ハイヤンの強化に不可欠である。 我々の研究は、機械学習が軸対称的あるいは決定論的仮定に頼ることなく熱力学的関係を発見できることを示し、現実的な条件下でTCの強化につながるプロセスの客観的発見への道を開いた。

関連論文リスト

• Point Cloud Resampling with Learnable Heat Diffusion [58.050130177241186]
  ポイントクラウド再サンプリングのための学習可能な熱拡散フレームワークを提案する。 前の固定された拡散モデルとは異なり、適応条件は点雲の幾何学的特徴を選択的に保存する。
  論文  参考訳（メタデータ） (2024-11-21T13:44:18Z)
• 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)
• Digging into contrastive learning for robust depth estimation with diffusion models [55.62276027922499]
  そこで我々はD4RDと呼ばれる新しい頑健な深度推定法を提案する。 複雑な環境での性能劣化を軽減するために、拡散モデルに適した独自のコントラスト学習モードを備えている。 実験では、D4RDは合成汚職データセットや現実世界の気象条件に関する最先端のソリューションを超越している。
  論文  参考訳（メタデータ） (2024-04-15T14:29:47Z)
• A Predictive Surrogate Model for Heat Transfer of an Impinging Jet on a Concave Surface [0.0]
  本稿では, 円錐面に衝突するパルス噴流の伝熱予測におけるモデル次数削減(MOR)と深層学習の有効性について検討する。 そこで本研究では,Fast Fourier Transformation augmented Artificial Neural Network (FFT-ANN) を用いて,定周波シナリオ下での平均ヌッセルト数を予測する。 POD-LSTM法は, 時間モードの傾向と値の両方を捉えることにより, ランダム周波数インピーダンスシナリオ下での局所熱伝達率を予測するための堅牢な解であることが証明された。
  論文  参考訳（メタデータ） (2024-02-16T12:41:31Z)
• TempEE: Temporal-Spatial Parallel Transformer for Radar Echo Extrapolation Beyond Auto-Regression [18.456518902538814]
  本稿では,TempEEと呼ばれる新しいレーダエコー外挿アルゴリズムを提案する。 自動回帰の使用を回避し、累積誤差の拡散を防ぐために1ステップの前進戦略を採用する。 広範囲な実験により、TempEE内の様々な成分の有効性と不必要性が検証された。
  論文  参考訳（メタデータ） (2023-04-27T12:26:04Z)
• 3D wind field profiles from hyperspectral sounders: revisiting optic-flow from a meteorological perspective [0.0]
  本稿では, 垂直分解型3次元大気運動ベクトル(AMV)データをフォアキャスト方式で抽出するための効率的な光フローアルゴリズムを提案する。 この再帰法は, 実大気観測における現状の光学的流れアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-09T10:14:25Z)
• Quantifying Causes of Arctic Amplification via Deep Learning based Time-series Causal Inference [2.0672522722098683]
  連続処理下での因果関係を推論するための時系列因果推論モデルTCINetを提案する。 我々は、北極海氷の融解の原因を定量化する能力を、我々の研究によって大幅に改善できることを示します。
  論文  参考訳（メタデータ） (2023-02-22T19:35:28Z)
• TCR-GAN: Predicting tropical cyclone passive microwave rainfall using infrared imagery via generative adversarial networks [11.34283731463713]
  本研究では、熱帯サイクロン(TC)の衛星赤外(IR)画像から受動マイクロ波雨量(PMR)を直接予測することにより、この問題の解決を試みる。 我々は, 赤外線画像をPMRに変換するGAN(Generative Adversarial Network)を開発し, TCクラウドトップの明るい温度とPMRのマッピング関係を確立する。 実験の結果,IRから重要な特徴を効果的に抽出できることが示唆された。
  論文  参考訳（メタデータ） (2022-01-14T08:22:16Z)
• Near-Field Radiative Heat Transfer Eigenmodes [55.41644538483948]
  ナノスケール物体間の近接場電磁相互作用は、放射熱伝達を増強する。 ナノ構造の集合体における放射熱伝達の時間的ダイナミクスを記述するための理論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-02-10T23:14:30Z)
• Probing eigenstate thermalization in quantum simulators via fluctuation-dissipation relations [77.34726150561087]
  固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。 本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。 我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
  論文  参考訳（メタデータ） (2020-07-20T18:00:02Z)
• Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
  固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。 本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。 我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
  論文  参考訳（メタデータ） (2020-03-31T16:39:25Z)

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。