論文の概要: A Footprint-Aware, High-Resolution Approach for Carbon Flux Prediction Across Diverse Ecosystems

• arxiv url: http://arxiv.org/abs/2512.01917v1
• Date: Mon, 01 Dec 2025 17:34:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.994041
• Title: A Footprint-Aware, High-Resolution Approach for Carbon Flux Prediction Across Diverse Ecosystems
• Title（参考訳）: 多様な生態系における炭素フラックス予測のためのフットプリント型高分解能アプローチ
• Authors: Jacob Searcy, Anish Dulal, Scott Bridgham, Ashley Cordes, Lillian Aoki, Brendan Bohannan, Qing Zhu, Lucas C. R. Silva,
• Abstract要約: フットプリント・アウェア・レグレッション(フットプリント・アウェア・レグレッション、フットプリント・アウェア・レグレッション、フットプリント・アウェア・レグレッション、フットプリント・アウェア・レグレッション、フットプリント・アウェア・レグレッション、フットプリント・レグレッション、フットプリント・ア・レグレッション、フットプリント・アウェア・レグレッション、フットプリント・ア・レグレッション、フットプリント・ア・レグレッション、フットプリント・ア・レグレッション、フレーション)は、空間フットプリントのフットプリントと30m 本モデルでは,R2=0.78の高分解能予測を行い,様々な生態系の試験場上での月次純生態系の交換を予測した。
• 参考スコア（独自算出の注目度）: 8.658824757360104
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Natural climate solutions (NCS) offer an approach to mitigating carbon dioxide (CO2) emissions. However, monitoring the carbon drawdown of ecosystems over large geographic areas remains challenging. Eddy-flux covariance towers provide ground truth for predictive 'upscaling' models derived from satellite products, but many satellites now produce measurements on spatial scales smaller than a flux tower's footprint. We introduce Footprint-Aware Regression (FAR), a first-of-its-kind, deep-learning framework that simultaneously predicts spatial footprints and pixel-level (30 m scale) estimates of carbon flux. FAR is trained on our AMERI-FAR25 dataset which combines 439 site years of tower data with corresponding Landsat scenes. Our model produces high-resolution predictions and achieves R2 = 0.78 when predicting monthly net ecosystem exchange on test sites from a variety of ecosystems.
• Abstract（参考訳）: 自然気候ソリューション(NCS)は二酸化炭素(CO2)排出を緩和するアプローチを提供する。 しかし、大規模な地理的地域における生態系の炭素減少のモニタリングは依然として困難である。 渦流の共分散塔は、衛星生成物から派生した予測的な「アップスケーリング」モデルに対して基礎的な真実を提供するが、現在では多くの衛星がフラックスタワーのフットプリントよりも小さい空間スケールで測定を行っている。 フットプリント・アウェア・レグレッション(フットプリント・アウェア・レグレッション、フットプリント・アウェア・レグレッション、フットプリント・アウェア・レグレッション、FAR)は、空間的なフットプリントと、炭素フラックスのピクセルレベル(30mスケール)の推定を同時に予測する一級のディープラーニングフレームワークである。 FARは439のタワーデータと対応するランドサットのシーンを組み合わせたAMERI-FAR25データセットでトレーニングされています。 本モデルでは,R2=0.78の高分解能予測を行い,様々な生態系の試験場上での月次純生態系の交換を予測した。

関連論文リスト

• AI-Driven Carbon Monitoring: Transformer-Based Reconstruction of Atmospheric CO2 in Canadian Poultry Regions [0.0]
  カナダ南部のOCO-2から連続的で不確実なXCO2フィールドを再構築する枠組みを提案する。 このモデルはウェーブレットの時間周波数表現を、気象学、植生指標、地形、土地被覆に対するトランスフォーマーの注意と融合させる。
  論文  参考訳（メタデータ） (2025-10-26T10:41:12Z)
• Enhancing Carbon Emission Reduction Strategies using OCO and ICOS data [40.572754656757475]
  我々は,OCO-2(Orbiting Carbon Observatories)とOCO-3(Orbiting Carbon Observatories)の衛星データとICOS(Integrated Carbon Observation System)の地上観測とECMWFリアナリシスv5(ERA5)の気象データを統合することで,局部的なCO2モニタリングを強化する手法を提案する。 衛星観測から地上レベルCO2を予測するために,K-nearest neighbor (KNN) と機械学習モデルを用いて,3.92ppmのルート平均正方形誤差を達成した。
  論文  参考訳（メタデータ） (2024-10-05T21:23:58Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• 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)
• A Geospatial Approach to Predicting Desert Locust Breeding Grounds in Africa [3.6826233660285395]
  ロカスト群れは農業と食料安全保障に 大きな脅威を与えます 本研究は,ロカスト繁殖場予測のための操作可能なモデルを開発した。
  論文  参考訳（メタデータ） (2024-03-11T16:13:58Z)
• 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)
• SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
  本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。 ケニアでは低データのレシエーションを表すデータセットも提供しています。 リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
  論文  参考訳（メタデータ） (2023-11-02T02:00:27Z)
• Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
  本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。 地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。 また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
  論文  参考訳（メタデータ） (2023-04-14T15:52:57Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)

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。