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
- 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) - Towards a Numerical Proof of Turbulence Closure [58.720142291102135]
本稿では, 統計誤差, ユーレリアおよびラグランジアン構造関数, エネルギーカスケードの断続統計を定量的に再現するディープリカレントニューラルネットワークに基づく閉包を提案する。
本研究は,3次元ナビエ-ストークス乱流に対する類似した手法の開発を奨励するものである。
論文 参考訳(メタデータ) (2022-02-18T16:31:57Z) - 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) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - 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) - Optically pumped spin polarization as a probe of many-body
thermalization [50.591267188664666]
ダイヤモンド中の13Cのスピン拡散ダイナミクスについて検討し, 発色中心の光スピンポンピングにより室温で動的に偏光する。
核スピン浴中は熱接触が良好であり、超微細結合強度とは実質的に無関係である。
この結果から, 浴室内部の相互作用を制御し, システム内の熱化の開始を調査する興味深い機会が得られた。
論文 参考訳(メタデータ) (2020-05-01T23:16:33Z) - 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。