論文の概要: Causal Time Series Modeling of Supraglacial Lake Evolution in Greenland under Distribution Shift

• arxiv url: http://arxiv.org/abs/2510.15265v1
• Date: Fri, 17 Oct 2025 03:06:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.452388
• Title: Causal Time Series Modeling of Supraglacial Lake Evolution in Greenland under Distribution Shift
• Title（参考訳）: 分布シフト下におけるグリーンランドの氷河湖進化の因果時系列モデリング
• Authors: Emam Hossain, Muhammad Hasan Ferdous, Devon Dunmire, Aneesh Subramanian, Md Osman Gani,
• Abstract要約: 因果モデリングは、時系列データの安定で不変な関係を明らかにするための原則的な基礎を提供する。 RIC-TSCは,ラグを意識した因果発見を直接シーケンスモデリングに組み込む,局所的にインフォームドされた因果時系列分類フレームワークである。
• 参考スコア（独自算出の注目度）: 2.5551933647600693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Causal modeling offers a principled foundation for uncovering stable, invariant relationships in time-series data, thereby improving robustness and generalization under distribution shifts. Yet its potential is underutilized in spatiotemporal Earth observation, where models often depend on purely correlational features that fail to transfer across heterogeneous domains. We propose RIC-TSC, a regionally-informed causal time-series classification framework that embeds lag-aware causal discovery directly into sequence modeling, enabling both predictive accuracy and scientific interpretability. Using multi-modal satellite and reanalysis data-including Sentinel-1 microwave backscatter, Sentinel-2 and Landsat-8 optical reflectance, and CARRA meteorological variables-we leverage Joint PCMCI+ (J-PCMCI+) to identify region-specific and invariant predictors of supraglacial lake evolution in Greenland. Causal graphs are estimated globally and per basin, with validated predictors and their time lags supplied to lightweight classifiers. On a balanced benchmark of 1000 manually labeled lakes from two contrasting melt seasons (2018-2019), causal models achieve up to 12.59% higher accuracy than correlation-based baselines under out-of-distribution evaluation. These results show that causal discovery is not only a means of feature selection but also a pathway to generalizable and mechanistically grounded models of dynamic Earth surface processes.
• Abstract（参考訳）: 因果モデリングは、時系列データの安定で不変な関係を明らかにするための原則的基礎を提供する。 しかし、そのポテンシャルは時空間観測では未利用であり、モデルはしばしば不均一な領域を渡ることができない純粋に相関的な特徴に依存している。 RIC-TSCは,ラグを意識した因果発見を直接シーケンスモデリングに組み込むことで,予測精度と科学的解釈性の両方を実現する。 マルチモーダル衛星と再解析データ(Sentinel-1マイクロ波後方散乱計、Sentinel-2およびLandsat-8光反射率、CARRA気象変数を含む)を用いて、グリーンランドの亜寒帯湖の進化の地域特異的かつ不変な予測因子を同定する。 因果グラフは、検証された予測器とそれらが軽量な分類器に供給される時間ラグによって、全世界および流域毎に推定される。 2つの対照的な融解期(2018-2019)から,1000本の湖にラベルを付けたバランスの取れたベンチマークにおいて,因果モデルでは,分布外評価による相関ベースラインよりも最大12.59%高い精度が得られた。 これらの結果は、因果発見は特徴選択の手段であるだけでなく、動的地球表面過程の一般化および機械的基盤モデルへの経路でもあることを示している。

関連論文リスト

• A comparison of stretched-grid and limited-area modelling for data-driven regional weather forecasting [0.493599216374976]
  限界領域モデル (LAM) とストレッチグリッドモデル (SGM) は高分解能な地域予測を生成するために出現している。 本研究の目的は,モデル設計の違いが相対的な性能と潜在的な応用に与える影響を理解することである。
  論文  参考訳（メタデータ） (2025-07-24T12:54:08Z)
• Investigating the Robustness of Extreme Precipitation Super-Resolution Across Climates [0.0482931985924527]
  格子状気候モデルの粗い空間分解能は 極端な降水量のような社会的に関係のある変数を 投影する際の使用を制限します 対象変数の確率分布のパラメータを解析的に抽出可能な写像を用いて超解法を提案する。 本フレームワークは, パラメータ分布が支配する変数に対して広く適用可能であり, 経験的ダウンスケーリングが気候変動や極端に一般化する時期と理由を理解するためのモデルに依存しない診断を提供する。
  論文  参考訳（メタデータ） (2025-07-12T07:04:07Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• 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)
• Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
  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。
  論文  参考訳（メタデータ） (2024-08-12T04:29:54Z)
• 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)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• 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)
• Constraining subglacial processes from surface velocity observations using surrogate-based Bayesian inference [0.0]
  基底運動は、南極の外での氷の流束の主要なメカニズムであるが、それを予測するための広く適用可能なモデルである。 これは、小規模のベッド特性の観察と、基底運動が依存する時間変化水圧の予測の両方が困難であるためである。 我々は、グリーンランド南西部の表面速度の観測に基づく氷力学と氷下水理の結合モデルと条件付けにより、これらの問題にベイズ的アプローチを採っている。
  論文  参考訳（メタデータ） (2020-06-22T16:47:33Z)

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。