論文の概要: Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models
- arxiv url: http://arxiv.org/abs/2408.05916v1
- Date: Mon, 12 Aug 2024 04:29:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 14:45:05.073221
- Title: Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models
- Title（参考訳）: クラスタ・セグレゲート・パーターブ(CSP):時空間地形予測モデルのためのモデルに依存しない説明可能性パイプライン
- Authors: Tushar Verma, Sudipan Saha,
- Abstract要約: 本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。
提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
- 参考スコア（独自算出の注目度）: 5.586191108738564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Satellite images have become increasingly valuable for modelling regional climate change effects. Earth surface forecasting represents one such task that integrates satellite images with meteorological data to capture the joint evolution of regional climate change effects. However, understanding the complex relationship between specific meteorological variables and land surface evolution poses a significant challenge. In light of this challenge, our paper introduces a pipeline that integrates principles from both perturbation-based explainability techniques like LIME and global marginal explainability techniques like PDP, besides addressing the constraints of using such techniques when applying them to high-dimensional spatiotemporal deep models. The proposed pipeline simplifies the undertaking of diverse investigative analyses, such as marginal sensitivity analysis, marginal correlation analysis, lag analysis, etc., on complex land surface forecasting models In this study we utilised Convolutional Long Short-Term Memory (ConvLSTM) as the surface forecasting model and did analyses on the Normalized Difference Vegetation Index (NDVI) of the surface forecasts, since meteorological variables like temperature, pressure, and precipitation significantly influence it. The study area encompasses various regions in Europe. Our analyses show that precipitation exhibits the highest sensitivity in the study area, followed by temperature and pressure. Pressure has little to no direct effect on NDVI. Additionally, interesting nonlinear correlations between meteorological variables and NDVI have been uncovered.
- Abstract（参考訳）: 衛星画像は、地域気候変動の影響をモデル化するためにますます重要になっている。
地球表面の予測は、衛星画像と気象データを統合することで、地域気候変動効果の合同進化を捉えている。
しかし、特定の気象変数と陸地表面の進化の間の複雑な関係を理解することは重要な課題である。
この課題を踏まえて,LIMEのような摂動に基づく説明可能性手法とPDPのような大域境界説明可能性技術の両方の原理を統合するパイプラインを導入するとともに,高次元時空間深部モデルに適用する場合の制約に対処する。
本研究は,表層予測モデルとして畳み込み長短期記憶(ConvLSTM)を用い,温度,圧力,降水量などの気象変数から,表層予測の正規化差分植生指数(NDVI)に基づく解析を行った。
研究地域はヨーロッパ各地をカバーしている。
解析の結果,降水量は調査領域で最も高い感度を示し,温度と圧力が続くことがわかった。
圧力はNDVIに直接影響しない。
さらに、気象変数とNDVIの興味深い非線形相関が発見された。
関連論文リスト
- Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。
科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。
そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
論文 参考訳（メタデータ） (2024-10-09T15:57:50Z) - Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - MetaSD: A Unified Framework for Scalable Downscaling of Meteorological Variables in Diverse Situations [8.71735078449217]
本稿ではメタラーニングを活用した統一的なダウンスケーリング手法を提案する。
ERA5, GFSから温度, 風, 表面圧力, 総降水量からなる変数を訓練した。
提案手法は, 対流降水量, 電位, エネルギー高さ, 湿度CFS, S2S, CMIP6の時間スケールに拡張可能である。
論文 参考訳（メタデータ） (2024-04-26T06:31:44Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳（メタデータ） (2024-01-08T15:29:23Z) - Machine Learning based Parameter Sensitivity of Regional Climate Models
-- A Case Study of the WRF Model for Heat Extremes over Southeast Australia [0.0]
熱波や山火事は世界中の社会や生態系に大きな影響を及ぼす。
地域気候モデルは、これらの出来事のダイナミクスをよりよく理解するために一般的に使用される。
ここでは、熱極度の世界的なホットスポットの1つであるオーストラリア南東部に焦点をあてる。
論文 参考訳（メタデータ） (2023-07-27T07:02:06Z) - 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) - Deep generative model super-resolves spatially correlated multiregional
climate data [5.678539713361703]
逆ネットワークに基づく機械学習により、ダウンスケーリングにおける地域間空間相関を正確に再構築できることを示す。
提案手法は,気候変動の影響を地域間一貫した評価に有効である。
本稿では,低分解能降雨場を圧力場に置き換えた深部生成モデルに基づくダウンスケーリング手法の結果について述べる。
論文 参考訳（メタデータ） (2022-09-26T05:45:16Z) - Augmented Convolutional LSTMs for Generation of High-Resolution Climate
Change Projections [1.7503398807380832]
統計的ダウンスケーリングのための補助的情報時空間ニューラルアーキテクチャを提案する。
現在の研究では、世界で最も気候的に多様化したインドにおいて、ESMの出力から1.15度 (115 km) から0.25度 (25 km) まで、毎日降水量のダウンスケーリングを行っている。
論文 参考訳（メタデータ） (2020-09-23T17:52:09Z)
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。