論文の概要: A Statistical Framework for Spatial Boundary Estimation and Change Detection: Application to the Sahel Sahara Climate Transition

• arxiv url: http://arxiv.org/abs/2512.15650v1
• Date: Wed, 17 Dec 2025 18:02:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:27.090989
• Title: A Statistical Framework for Spatial Boundary Estimation and Change Detection: Application to the Sahel Sahara Climate Transition
• Title（参考訳）: 空間境界推定・変化検出のための統計的枠組み--サハラ・サハラの気候移行への応用
• Authors: Stephen Tivenan, Indranil Sahoo, Yanjun Qian,
• Abstract要約: 我々は、ヘテロスケダスティックガウス過程(GP)回帰とスケールした最大絶対差(MAD)グローバルエンベロープテスト(GET)を組み合わせた統合フレームワークを提案する。 半乾燥・半乾燥・半乾燥・非乾燥の界面における統計的に有意な10年間のスケール変化は見つからない。 この手法は1983年と1984年の極度の干ばつ期における局所的な境界シフトの同定に成功し、この期間にこれらの界面における局所的な異常を記録した気候研究と一致した。
• 参考スコア（独自算出の注目度）: 0.19116784879310023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spatial boundaries, such as ecological transitions or climatic regime interfaces, capture steep environmental gradients, and shifts in their structure can signal emerging environmental changes. Quantifying uncertainty in spatial boundary locations and formally testing for temporal shifts remains challenging, especially when boundaries are derived from noisy, gridded environmental data. We present a unified framework that combines heteroskedastic Gaussian process (GP) regression with a scaled Maximum Absolute Difference (MAD) Global Envelope Test (GET) to estimate spatial boundary curves and assess whether they evolve over time. The heteroskedastic GP provides a flexible probabilistic reconstruction of boundary lines, capturing spatially varying mean structure and location specific variability, while the test offers a rigorous hypothesis testing tool for detecting departures from expected boundary behaviors. Simulation studies show that the proposed method achieves the correct size under the null and high power for detecting local boundary shifts. Applying our framework to the Sahel Sahara transition zone, using annual Koppen Trewartha climate classifications from 1960 to 1989, we find no statistically significant decade scale changes in the arid and semi arid or semi arid and non arid interfaces. However, the method successfully identifies localized boundary shifts during the extreme drought years of 1983 and 1984, consistent with climate studies documenting regional anomalies in these interfaces during that period.
• Abstract（参考訳）: 環境遷移や気候体制のインターフェースのような空間境界は、急激な環境勾配を捉え、その構造の変化は、新たな環境変化を示唆する。 空間境界位置の不確かさの定量化と時間シフトの公式なテストは、特にノイズの多いグリッド化された環境データから境界が導かれる場合、依然として困難である。 本稿では,ヘテロスケダスティックガウス過程 (GP) 回帰とスケールした最大絶対差 (MAD) グローバルエンベロープテスト (GET) を組み合わせることにより,空間境界曲線を推定し,時間とともに進化するかどうかを評価する。 ヘテロスケダスティックGPは境界線の柔軟な確率的再構成を提供し、空間的に異なる平均構造と位置特異な変数をキャプチャし、テストは期待される境界挙動からの離脱を検出する厳密な仮説テストツールを提供する。 シミュレーションにより,提案手法は局所的な境界シフトを検出するために,NullとHigh Powerの下で正しいサイズを実現することを示す。 1960年から1989年までの毎年のコッペン・トレワーサ気候分類を用いて、我々の枠組みをサハラ・トランジションゾーンに適用すると、乾燥地および半乾燥地または半乾燥地および非乾燥地における統計的に有意な10年間のスケール変化は見つからない。 しかし、この手法は1983年から1984年の極度の干ばつ期における局所的な境界シフトの同定に成功し、これらの界面における局所的な異常を記録した気候研究と一致した。

関連論文リスト

• Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders [9.695352101513569]
  極度の気象現象は農業、生態学、気象学などの分野で広く研究されている。 本稿では、条件付きオートエンコーダ(cAE)を介して気候指標を統合することにより、新しい時間的極端をモデル化するアプローチを提案する。 畳み込みニューラルネットワークはデコーダに埋め込まれ、潜伏空間内の空間依存を伴う気候指標を畳み込む。
  論文  参考訳（メタデータ） (2025-12-06T08:40:41Z)
• Developing a Sequential Deep Learning Pipeline to Model Alaskan Permafrost Thaw Under Climate Change [0.0]
  気候の変化は天然の永久凍土の融解サイクルを脅かし、年間0degC以上の土壌温度をもたらす。 アラスカ州では、活性層として知られる最上部の永久凍土層の温暖化が、炭素貯蔵量の増加による温室効果ガス放出の上昇を示唆している。 本研究では,複数の深度にまたがる年間土壌温度をモデル化するための概念的緯度に基づく深層学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-05T01:08:47Z)
• Spatiotemporal Density Correction of Multivariate Global Climate Model Projections using Deep Learning [1.0801976288811024]
  グローバル気候モデル(GCM)は、地球の気候システム内の複雑な物理過程をシミュレートする数値モデルである。 GCMは、基礎となる物理的プロセスの単純化により、体系的なバイアスに悩まされる。 日降水量と最大温度データの結合分布の密度補正のための半パラメトリック条件密度推定法(SPCDE)を提案する。
  論文  参考訳（メタデータ） (2024-11-27T22:55:48Z)
• 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)
• Modeling Spatial Extremal Dependence of Precipitation Using Distributional Neural Networks [0.0]
  本稿では,降水量最大値の依存関係を決定するために生成ニューラルネットワークを用いたシミュレーションに基づく推定手法を提案する。 我々は2021-2023年の間、西ドイツの月次降雨極大調査にこの手法を用いた。
  論文  参考訳（メタデータ） (2024-07-11T16:57:17Z)
• 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)
• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• 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)

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。