論文の概要: Retrieving snow depth distribution by downscaling ERA5 Reanalysis with ICESat-2 laser altimetry

• arxiv url: http://arxiv.org/abs/2410.17934v1
• Date: Wed, 23 Oct 2024 14:59:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:54:39.284465
• Title: Retrieving snow depth distribution by downscaling ERA5 Reanalysis with ICESat-2 laser altimetry
• Title（参考訳）: ICESat-2レーザー高度計によるERA5下降解析による積雪深分布の復元
• Authors: Zhihao Liu, Simon Filhol, Désirée Treichler,
• Abstract要約: 本研究は、ICESat-2衛星レーザー高度計による積雪深度測定を用いて、マイクロスケール(10m)で積雪深度マップを作成する。 積雪深とそれに対応するERA5ランド積雪深との関係を確立するために回帰モデルを適用した。 ERA5時間帯全体を対象とした月次積雪深図の時系列作成方法(1950年以降)
• 参考スコア（独自算出の注目度）: 2.5124917269950324
• License:
• Abstract: Estimating the variability of seasonal snow cover, in particular snow depth in remote areas, poses significant challenges due to limited spatial and temporal data availability. This study uses snow depth measurements from the ICESat-2 satellite laser altimeter, which are sparse in both space and time, and incorporates them with climate reanalysis data into a downscaling-calibration scheme to produce monthly gridded snow depth maps at microscale (10 m). Snow surface elevation measurements from ICESat-2 along profiles are compared to a digital elevation model to determine snow depth at each point. To efficiently turn sparse measurements into snow depth maps, a regression model is fitted to establish a relationship between the retrieved snow depth and the corresponding ERA5 Land snow depth. This relationship, referred to as subgrid variability, is then applied to downscale the monthly ERA5 Land snow depth data. The method can provide timeseries of monthly snow depth maps for the entire ERA5 time range (since 1950). The validation of downscaled snow depth data was performed at an intermediate scale (100 m x 500 m) using datasets from airborne laser scanning (ALS) in the Hardangervidda region of southern Norway. Results show that snow depth prediction achieved R2 values ranging from 0.74 to 0.88 (post-calibration). The method relies on globally available data and is applicable to other snow regions above the treeline. Though requiring area-specific calibration, our approach has the potential to provide snow depth maps in areas where no such data exist and can be used to extrapolate existing snow surveys in time and over larger areas. With this, it can offer valuable input data for hydrological, ecological or permafrost modeling tasks.
• Abstract（参考訳）: 積雪の季節変動,特に遠隔地における積雪深の変動を推定することは,空間的・時間的データ利用の制限により大きな課題となる。 本研究は、ICESat-2衛星レーザー高度計による積雪深度測定を用いて、空間と時間の両方で疎らであり、気候再解析データをダウンスケール・キャリブレーション・スキームに組み込んで、マイクロスケール(10m)で月毎の格子状積雪深度マップを作成する。 ICESat-2の積雪面の標高測定をデジタル標高モデルと比較し,各地点の積雪深を推定した。 積雪深度マップにスパークス測定を効率よく変換するため, 回帰モデルを用いて, 得られた積雪深と対応するERA5ランド積雪深との関係を確立する。 この関係は、亜グリッド変動(subgrid variability)と呼ばれ、毎月のERA5陸地積雪深データをダウンスケールするために適用される。 この手法は、1950年以降のERA5時間帯全体を対象として、月毎の雪深マップのタイムリーを提供することができる。 ノルウェー南部のHardangervidda地域の空中レーザースキャン(ALS)から得られたデータを用いて,降雪深100m×500mの中間スケールで降雪深データの検証を行った。 その結果,雪深予測は0.74～0.88(校正後)のR2値を得た。 この方法は全世界で利用可能なデータに依存しており、ツリーライン上の他の雪の地域にも適用可能である。 地域ごとのキャリブレーションは必要だが,このようなデータがない地域では積雪深度マップの提供が可能であり,既存の積雪調査を時間的・大面積で実施することができる。 これにより、水文学、生態学、永久凍土モデリングタスクに貴重な入力データを提供できる。

関連論文リスト

• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Accuracy and Consistency of Space-based Vegetation Height Maps for Forest Dynamics in Alpine Terrain [18.23260742076316]
  スイス国立森林調査所(NFI)は、0.5mの空間解像度で全国の植生高度マップを提供している。 これは、宇宙からのリモートセンシングと深層学習を用いて、大規模な植生高度マップを生成することで改善できる。 センチネル2衛星画像に基づいて,2017年から2020年までの10m地点で年間,全国の植生高度マップを作成した。
  論文  参考訳（メタデータ） (2023-09-04T20:23:57Z)
• Prediction of Annual Snow Accumulation Using a Recurrent Graph Convolutional Approach [0.38073142980732994]
  近年、スノーレーダーのような空中レーダーセンサーは、垂直解像度の細かい大きな領域で内部の氷層を計測できることが示されている。 本研究では,グラフアテンションネットワークに基づくモデルを用いて,より大規模なデータセット上での入力データポイントの少ない年次積雪データポイントの予測を行った。
  論文  参考訳（メタデータ） (2023-06-22T19:48:34Z)
• An Autoencoder-based Snow Drought Index [0.0]
  SnoDRI(Snow Drought Response Index, SnoDRI)は, 降雪の干ばつの発生を識別し, 定量化するために用いられる新しい指標である。 各種積雪変数の最先端MLアルゴリズムを用いて,本指数を算出した。 我々は1981年から2021年までの太平洋地域での再解析データ(NLDAS-2)を用いて,新しい降雪量指数の有効性について検討した。
  論文  参考訳（メタデータ） (2023-05-23T03:41:45Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Recurrent Graph Convolutional Networks for Spatiotemporal Prediction of Snow Accumulation Using Airborne Radar [0.38073142980732994]
  本研究では,近年の積雪量予測のために,連続的なグラフ畳み込みネットワークに基づく機械学習モデルを提案する。 その結果、同値な非幾何学的モデルや非時間的モデルよりも、モデルの性能が良く、一貫性も高いことが判明した。
  論文  参考訳（メタデータ） (2023-02-02T01:40:48Z)
• LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
  そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。 本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。 我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
  論文  参考訳（メタデータ） (2022-03-28T21:48:26Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• EarthNet2021: A novel large-scale dataset and challenge for forecasting localized climate impacts [12.795776149170978]
  大規模な地球観測データセットにより、粗い気象情報を高解像度の地球表面予測に変換できる機械学習モデルが作成できるようになった。 メソスケール気象予測に基づく衛星画像の映像予測として高分解能地球表面予測を定義します。 EarthNet 2021は、高分解能地形とメソスケール(1.28 km)の気象変数と一致する、20 mの解像度でターゲット時空間のセンチネル2衛星画像を含む新しいデータセットである。
  論文  参考訳（メタデータ） (2020-12-11T11:21:00Z)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。