論文の概要: OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning

• arxiv url: http://arxiv.org/abs/2405.07233v1
• Date: Sun, 12 May 2024 09:32:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-14 17:47:28.562858
• Title: OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning
• Title（参考訳）: OXYGENERATOR: 深層学習による1世紀にわたる海洋脱酸素の再構築
• Authors: Bin Lu, Ze Zhao, Luyu Han, Xiaoying Gan, Yuntao Zhou, Lei Zhou, Luoyi Fu, Xinbing Wang, Chenghu Zhou, Jing Zhang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.365198230613956
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurately reconstructing the global ocean deoxygenation over a century is crucial for assessing and protecting marine ecosystem. Existing expert-dominated numerical simulations fail to catch up with the dynamic variation caused by global warming and human activities. Besides, due to the high-cost data collection, the historical observations are severely sparse, leading to big challenge for precise reconstruction. In this work, we propose OxyGenerator, the first deep learning based model, to reconstruct the global ocean deoxygenation from 1920 to 2023. Specifically, to address the heterogeneity across large temporal and spatial scales, we propose zoning-varying graph message-passing to capture the complex oceanographic correlations between missing values and sparse observations. Additionally, to further calibrate the uncertainty, we incorporate inductive bias from dissolved oxygen (DO) variations and chemical effects. Compared with in-situ DO observations, OxyGenerator significantly outperforms CMIP6 numerical simulations, reducing MAPE by 38.77%, demonstrating a promising potential to understand the "breathless ocean" in data-driven manner.
• Abstract（参考訳）: 海洋生態系の評価と保護には,1世紀にわたる海洋の脱酸素の正確な再構築が不可欠である。 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。 さらに、高コストのデータ収集のため、歴史的観測は極めて少ないため、正確な復元には大きな課題が伴う。 そこで本研究では,1920年から2023年にかけての海洋の脱酸素を再構築するための,最初の深層学習モデルであるOxyGeneratorを提案する。 具体的には、大規模な時間的・空間的スケールでの不均一性に対処するため、欠落した値とスパース観測の間の複雑な海洋学的相関を捉えるために、ゾン化変化グラフメッセージパッシングを提案する。 さらに,不確かさを校正するために,溶存酸素(DO)の変動と化学効果から誘導バイアスを取り入れた。 その場でのDO観測と比較すると、OxyGeneratorはCMIP6数値シミュレーションを著しく上回り、MAPEを38.77%削減し、データ駆動方式で「ブレスレス・オーシャン」を理解する有望な可能性を示している。

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)
• Generative Diffusion Model-based Downscaling of Observed Sea Surface Height over Kuroshio Extension since 2000 [11.444439142505756]
  本研究では,高分解能海面高度解析データをトレーニングするための最先端な生成拡散モデルを提案する。 このモデルは、約12kmの波長に対応する0.25oの解像度から1/16oまでの生衛星補間データを効果的にダウンスケールする。 以上の結果から,2004年以降の黒潮拡張地域では,250km未満の水平スケールでの渦運動エネルギーが著しく増加したことが示唆された。
  論文  参考訳（メタデータ） (2024-08-22T13:26:19Z)
• Kinematics Modeling of Peroxy Free Radicals: A Deep Reinforcement Learning Approach [0.0]
  対流圏オゾンは喘息、気管支炎、肺機能障害などの健康問題と関連している。 ペルオキシラジカルがNOと反応する速度は、対流圏オゾンの全体形成と枯渇に重要な役割を果たしている。 深部強化学習は、例外的な精度で速度定数の範囲を予測するために用いられた。
  論文  参考訳（メタデータ） (2024-04-12T05:51:28Z)
• Multi-Modal Learning-based Reconstruction of High-Resolution Spatial Wind Speed Fields [46.72819846541652]
  本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。 この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
  論文  参考訳（メタデータ） (2023-12-14T13:40:39Z)
• 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)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• 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)
• Modeling Cell Populations Measured By Flow Cytometry With Covariates Using Sparse Mixture of Regressions [2.5463557459240955]
  海は植物プランクトンと呼ばれる微細藻で満たされており、陸地にあるすべての植物と同じ量の光合成を担っている。 我々の温暖化に対する反応を予測する能力は、植物プランクトン個体群の動態が環境条件の変化にどのように影響するかを理解することに依存している。 現在、海洋学者は移動船上でリアルタイムにフローデータを収集することができ、数千kmにわたって植物プランクトンの分布を詳細に把握することができる。
  論文  参考訳（メタデータ） (2020-08-25T20:03:24Z)

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。