論文の概要: Nonlinear spectral analysis extracts harmonics from land-atmosphere fluxes
- arxiv url: http://arxiv.org/abs/2407.19237v1
- Date: Sat, 27 Jul 2024 11:51:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 19:11:23.400421
- Title: Nonlinear spectral analysis extracts harmonics from land-atmosphere fluxes
- Title（参考訳）: 陸上大気フラックスから高調波を抽出する非線形スペクトル解析
- Authors: Leonard Schulz, Jürgen Vollmer, Miguel D. Mahecha, Karin Mora,
- Abstract要約: CO$の土地・大気交換のダイナミクスは、気候・炭素フィードバックシステムの予測能力を高める鍵となる。
本稿では,非線形データ駆動手法が周期パターンと高調波をノイズと可変性から分離できるかどうかを考察する。
ラプラシアンスペクトル解析(NLSA)は線形法より優れ、複数の関連する高調波を検出する。
- 参考スコア（独自算出の注目度）: 1.1124588036301815
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding the dynamics of the land-atmosphere exchange of CO$_2$ is key to advance our predictive capacities of the coupled climate-carbon feedback system. In essence, the net vegetation flux is the difference of the uptake of CO$_2$ via photosynthesis and the release of CO$_2$ via respiration, while the system is driven by periodic processes at different time-scales. The complexity of the underlying dynamics poses challenges to classical decomposition methods focused on maximizing data variance, such as singular spectrum analysis. Here, we explore whether nonlinear data-driven methods can better separate periodic patterns and their harmonics from noise and stochastic variability. We find that Nonlinear Laplacian Spectral Analysis (NLSA) outperforms the linear method and detects multiple relevant harmonics. However, these harmonics are not detected in the presence of substantial measurement irregularities. In summary, the NLSA approach can be used to both extract the seasonal cycle more accurately than linear methods, but likewise detect irregular signals resulting from irregular land-atmosphere interactions or measurement failures. Improving the detection capabilities of time-series decomposition is essential for improving land-atmosphere interactions models that should operate accurately on any time scale.
- Abstract（参考訳）: CO$2$の土地・大気交換のダイナミクスを理解することは、気候・炭素フィードバックシステムの予測能力を高める鍵となる。
本質的には、光合成によるCO$_2$の取り込みと呼吸によるCO$_2$の放出の差であり、システムは異なる時間スケールで周期的プロセスによって駆動される。
基礎となる力学の複雑さは、特異スペクトル解析のようなデータ分散の最大化に焦点を当てた古典的な分解法に課題をもたらす。
本稿では,非線形データ駆動手法が雑音や確率的変動から周期パターンとその調和性をよりよく分離できるかどうかを考察する。
非線形ラプラシア分光分析(NLSA)は線形法より優れ、複数の関連する高調波を検出する。
しかし、これらの高調波は、実質的な測定の不規則性の存在下では検出されない。
まとめると、NLSAアプローチは、線形手法よりも季節周期をより正確に抽出するためにも使用できるが、不規則な陸-大気相互作用や測定失敗に起因する不規則信号を検出することもできる。
時系列分解の検出能力の向上は、任意の時間スケールで正確に動作すべき陸・大気相互作用モデルの改善に不可欠である。
関連論文リスト
- Hierarchical Gradient-Based Genetic Sampling for Accurate Prediction of Biological Oscillations [9.878543792741151]
生体振動に対するニューラルネットワーク予測の精度を向上させる階層的勾配に基づく遺伝的サンプリング(HGGS)フレームワークを提案する。
実験の結果,HGGSは4つの生体系において7つの比較サンプリング法より優れていた。
論文 参考訳（メタデータ） (2024-09-19T14:41:54Z) - Causal Inference from Slowly Varying Nonstationary Processes [2.3072402651280517]
観測データヒンジからの因果推論は、データ生成機構による原因と効果の非対称性に依存する。
本稿では,時間変化フィルタと定常雑音を用いた新しい構造因果モデルを提案し,非定常性から非対称性を利用して因果同定を行う。
論文 参考訳（メタデータ） (2024-05-11T04:15:47Z) - Stochastic action for the entanglement of a noisy monitored two-qubit
system [55.2480439325792]
局所的な一意雑音が局所的なモニタリングおよび量子間カップリングを受ける2ビット系の絡み合い進化に及ぼす影響について検討した。
チャンタスリ・ドルッセル・ヨルダン経路積分に雑音を組み込んでハミルトニアンを構築し、それを最適絡み合い力学の同定に利用する。
長時間定常エンタングルメントの数値解析により,コンカレンスと雑音強度の非単調な関係が明らかとなった。
論文 参考訳（メタデータ） (2024-03-13T11:14:10Z) - Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳（メタデータ） (2024-01-11T10:10:16Z) - Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。
本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。
シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
論文 参考訳（メタデータ） (2023-05-17T09:37:07Z) - Variational Nonlinear Kalman Filtering with Unknown Process Noise
Covariance [24.23243651301339]
本稿では,近似ベイズ推定原理に基づく非線形状態推定とモデルパラメータの同定手法を提案する。
シミュレーションおよび実世界のデータを用いて,レーダ目標追尾法の性能を検証した。
論文 参考訳（メタデータ） (2023-05-06T03:34:39Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Causal Inference Using Linear Time-Varying Filters with Additive Noise [18.35147325731821]
制約構造因果モデルフレームワークを用いた因果推論は、データ生成機構による原因と効果の非対称性に大きく依存する。
データの非定常性を利用して対称性を破ることを提案する。
主な理論的結果は,原因と効果が時間変化フィルタを介して接続された場合,因果方向が汎用ケースで同定可能であることを示している。
論文 参考訳（メタデータ） (2020-12-23T23:35:58Z) - Neural Dynamic Mode Decomposition for End-to-End Modeling of Nonlinear
Dynamics [49.41640137945938]
ニューラルネットワークに基づくリフト関数を推定するためのニューラルダイナミックモード分解法を提案する。
提案手法により,予測誤差はニューラルネットワークとスペクトル分解によって逆伝搬される。
提案手法の有効性を,固有値推定と予測性能の観点から実証した。
論文 参考訳（メタデータ） (2020-12-11T08:34:26Z) - Modeling Atmospheric Data and Identifying Dynamics: Temporal Data-Driven
Modeling of Air Pollutants [2.578242050187029]
本研究では,マドリードの大気質を研究するためにデータ駆動技術を用いた実証的アプローチを提案する。
汚染物質の濃度と経時変化をモデル化する常微分方程式の擬似系を見いだす。
以上の結果から, 赤池の情報基準は, 最適部分回帰と連動して, スパーシリティと適合の良さの均衡を見出すことが可能であることが示唆された。
論文 参考訳（メタデータ） (2020-10-13T16:46:07Z) - Frequency-resolved photon correlations in cavity optomechanics [58.720142291102135]
光学系から放出される光子の周波数分解相関を解析する。
時間遅延相関がシステムのダイナミクスに関する情報を明らかにする方法について論じる。
このシステムに対する深い理解は、光学学における非線形現象を探索する新しい実験を引き起こす可能性がある。
論文 参考訳（メタデータ） (2020-09-14T06:17:36Z)
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。