論文の概要: Closing Gaps in Emissions Monitoring with Climate TRACE

• arxiv url: http://arxiv.org/abs/2511.19277v1
• Date: Mon, 24 Nov 2025 16:28:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.315666
• Title: Closing Gaps in Emissions Monitoring with Climate TRACE
• Title（参考訳）: 気候TRACEによる排出ガスモニタリングにおける閉鎖ギャップ
• Authors: Brittany V. Lancellotti, Jordan M. Malof, Aaron Davitt, Gavin McCormick, Shelby Anderson, Pol Carbó-Mestre, Gary Collins, Verity Crane, Zoheyr Doctor, George Ebri, Kevin Foster, Trey M. Gowdy, Michael Guzzardi, John Heal, Heather Hunter, David Kroodsma, Khandekar Mahammad Galib, Paul J. Markakis, Gavin McDonald, Daniel P. Moore, Eric D. Nguyen, Sabina Parvu, Michael Pekala, Christine D. Piatko, Amy Piscopo, Mark Powell, Krsna Raniga, Elizabeth P. Reilly, Michael Robinette, Ishan Saraswat, Patrick Sicurello, Isabella Söldner-Rembold, Raymond Song, Charlotte Underwood, Kyle Bradbury,
• Abstract要約: Climate TRACEは、詳細、カバレッジ、タイムラインが強化されたグローバルエミッション推定を提供するオープンアクセスプラットフォームである。 データセットは、個々のソースに対して、グローバルに包括的なエミッション推定を提供する最初のものである。
• 参考スコア（独自算出の注目度）: 1.0107331293412294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global greenhouse gas emissions estimates are essential for monitoring and mitigation planning. Yet most datasets lack one or more characteristics that enhance their actionability, such as accuracy, global coverage, high spatial and temporal resolution, and frequent updates. To address these gaps, we present Climate TRACE (climatetrace.org), an open-access platform delivering global emissions estimates with enhanced detail, coverage, and timeliness. Climate TRACE synthesizes existing emissions data, prioritizing accuracy, coverage, and resolution, and fills gaps using sector-specific estimation approaches. The dataset is the first to provide globally comprehensive emissions estimates for individual sources (e.g., individual power plants) for all anthropogenic emitting sectors. The dataset spans January 1, 2021, to the present, with a two-month reporting lag and monthly updates. The open-access platform enables non-technical audiences to engage with detailed emissions datasets for most subnational governments worldwide. Climate TRACE supports data-driven climate action at scales where decisions are made, representing a major breakthrough for emissions accounting and mitigation.
• Abstract（参考訳）: 温室効果ガス排出量の推計は、モニタリングと緩和計画に不可欠である。 しかし、ほとんどのデータセットは、正確性、グローバルカバレッジ、高空間的および時間的解像度、頻繁な更新など、アクション可能性を高める1つ以上の特徴を欠いている。 これらのギャップに対処するため、我々はClimate TRACE (climatetrace.org) を紹介します。 気候 TRACEは既存の排出データを合成し、精度、カバレッジ、解像度を優先順位付けし、セクター固有の推定手法を用いてギャップを埋める。 このデータセットは、すべての人為的発光セクターに対して、個々の発生源(例えば、個々の発電所)に対して、世界的な総合的な排出量推定を提供する最初のものである。 データセットは現在まで2021年1月1日で、2ヶ月のレポートラグと毎月のアップデートがある。 このオープンアクセスプラットフォームは、非技術者の聴衆が世界中のほとんどの非国家政府に対して詳細なエミッションデータセットを利用できるようにする。 気候 TRACEは、意思決定が行われる規模でデータ駆動型気候活動をサポートしており、排出量の会計と緩和の大きなブレークスルーとなっている。

関連論文リスト

• ClimateBench-M: A Multi-Modal Climate Data Benchmark with a Simple Generative Method [61.76389719956301]
  我々は、ERA5の時系列気候データ、NOAAの極度の気象イベントデータ、NASAの衛星画像データを調整するマルチモーダル気候ベンチマークであるClimateBench-Mに貢献する。 また,各データモダリティの下では,天気予報,雷雨警報,作物の分断作業において,競争性能を向上できる簡易かつ強力な生成手法を提案する。
  論文  参考訳（メタデータ） (2025-04-10T02:22:23Z)
• Improving Power Plant CO2 Emission Estimation with Deep Learning and Satellite/Simulated Data [0.0]
  発電所からのCO2排出は、重要なスーパーエミッターとして、地球温暖化に大きく貢献する。 本研究では、Sentinel-5PからのNO2データの統合、連続したXCO2マップの生成、OCO-2/3からの実際の衛星観測をデータスカース領域における71以上の発電所に組み込むことにより、利用可能なデータセットを拡張することによる課題に対処する。
  論文  参考訳（メタデータ） (2025-02-04T08:05:15Z)
• 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)
• FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
  この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。 低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-28T13:23:25Z)
• Large Scale Masked Autoencoding for Reducing Label Requirements on SAR Data [5.235143203977019]
  本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。 この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。 本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
  論文  参考訳（メタデータ） (2023-10-02T00:11:47Z)
• 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)
• Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
  天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。 本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
  論文  参考訳（メタデータ） (2023-05-23T16:59:20Z)
• Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
  近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。 これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。 本稿では,本稿で開発したツールと方法論について紹介する。
  論文  参考訳（メタデータ） (2020-11-03T21:22:42Z)

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。