論文の概要: Neural Processes Maintain Calibrated Biomass Estimates Across Spatiotemporal Gaps and Disturbance

• arxiv url: http://arxiv.org/abs/2604.03874v2
• Date: Sat, 11 Apr 2026 15:53:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 14:47:45.501843
• Title: Neural Processes Maintain Calibrated Biomass Estimates Across Spatiotemporal Gaps and Disturbance
• Title（参考訳）: 時空間ギャップと外乱で推定されるキャリブレーションされたバイオマスの神経過程
• Authors: Robin Young, Srinivasan Keshav,
• Abstract要約: モニタリング駆動の炭素排出は、不確実性を伴う地上のバイオマス密度(AGBD)の空間的および時間的に連続的な評価を必要とする。 NASAのGlobal Dynamics Ecosystem Investigation (GEDI)は、信頼性の高いLIDAR由来のAGBDを提供するが、その軌道サンプリングは不規則な時間的カバーと時折の運用中断を引き起こす。 我々は,これらのギャップに対処するために,以前空間バイオマスに適用された注意神経プロセス(ANP)フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Monitoring deforestation-driven carbon emissions requires both spatially explicit and temporally continuous estimates of aboveground biomass density (AGBD) with calibrated uncertainty. NASA's Global Ecosystem Dynamics Investigation (GEDI) provides reliable LIDAR-derived AGBD, but its orbital sampling causes irregular spatiotemporal coverage, and occasional operational interruptions, including a 13-month hibernation from March 2023 to April 2024, leave extended gaps in the observational record. Prior work has used machine learning approaches to fill GEDI's spatial gaps using satellite-derived features, but temporal interpolation of biomass through unobserved periods, particularly across active disturbance events, remains largely unaddressed. Moreover, standard ensemble methods for biomass mapping have been shown to produce systematically miscalibrated prediction intervals. To address these gaps, we extend the Attentive Neural Process (ANP) framework, previously applied to spatial biomass interpolation, to jointly sparse spatiotemporal settings using geospatial foundation model embeddings. We treat space and time symmetrically, empirically validating a form of space-for-time substitution in which observations from nearby locations at other times inform predictions at held-out periods. Our results demonstrate that the ANP produces well-calibrated uncertainty estimates across disturbance regimes, supporting its use in Measurement, Reporting, and Verification (MRV) applications that require reliable uncertainty quantification for forest carbon accounting.
• Abstract（参考訳）: 森林破壊によって引き起こされる炭素排出量のモニタリングには、空間的明示的および時間的に連続的に地上のバイオマス密度(AGBD)をキャリブレートされた不確実性で推定する必要がある。 NASAのGlobal Ecosystem Dynamics Investigation (GEDI)は、信頼性の高いLIDAR由来のAGBDを提供するが、その軌道サンプリングは不規則な時空間被覆を引き起こし、2023年3月から2024年4月までの13ヶ月の冬眠を含む時折の運用中断が観測記録に残る。 これまでの研究では、GEDIの空間的ギャップを衛星由来の特徴を使って埋めるために機械学習のアプローチが用いられてきたが、観測されていない期間、特に活動的な障害イベントを通してのバイオマスの時間的補間は、ほとんど役に立たないままである。 さらに, バイオマスマッピングの標準アンサンブル法は, 系統的に誤校正された予測間隔を生成することが示されている。 これらのギャップに対処するため,これまで空間的バイオマス補間に応用されていた Attentive Neural Process (ANP) フレームワークを拡張した。 空間と時間を対称的に扱い、空間と時間の置換の形式を実証的に検証し、近くの場所から他の場所からの観測が保留期間中に予測を通知する。 以上の結果から,ANPは,森林炭素会計における信頼性の高い不確実性定量化を必要とする計測・報告・検証(MRV)アプリケーションにおいて,外乱体制全体の不確実性評価を良好に評価できることが示唆された。

関連論文リスト

• Anomaly detection in time-series via inductive biases in the latent space of conditional normalizing flows [3.3609128464006015]
  本研究では、条件付き正規化フローにおける明示的な帰納バイアスを導入し、離散時間状態空間フレームワーク内の時系列観測をモデル化する。 異常検出は統計的に根拠付けられたコンプライアンステストに還元され、観測は遅延空間にマッピングされ、適合性テストによって評価される。 合成および実世界の時系列実験は、周波数、振幅、観測ノイズの異常を確実に検出することを示した。
  論文  参考訳（メタデータ） (2026-03-12T10:02:38Z)
• Accurate and Efficient Hybrid-Ensemble Atmospheric Data Assimilation in Latent Space with Uncertainty Quantification [20.877039031702605]
  オートエンコーダ(AE)を用いて学習した大気遅延空間で動作する3次元ハイブリッドアンサンブルDA法を提案する。 HLOBAはモデル予測と観測の両方をAEエンコーダと終端から終端までの観測空間マッピングネットワーク(O2Lnet)を介して共有潜在空間にマッピングする。 実験によると、この不確実性は大規模なエラー領域を強調し、季節変動を捉えている。
  論文  参考訳（メタデータ） (2026-03-04T18:58:27Z)
• Uncertainty-Calibrated Spatiotemporal Field Diffusion with Sparse Supervision [15.213950046367538]
  スパース観測のみから学習するマスク条件拡散フレームワークであるSOLIDを提案する。 訓練と評価は観測対象の場所のみを使用し、密度の高いフィールドは必要とせず、事前計算も不要である。
  論文  参考訳（メタデータ） (2026-02-17T16:56:55Z)
• From Observations to States: Latent Time Series Forecasting [65.98504021691666]
  本稿では,TSFを観測回帰から潜時予測に移行する新しいパラダイムであるLatent Time Series Forecasting(LatentTSF)を提案する。 具体的には、LatentTSFはAutoEncoderを使用して、各段階での観測結果を高次元の潜在状態空間に投影する。 提案する潜伏目標は,予測潜伏状態と地道状態と観測値との相互情報を暗黙的に最大化する。
  論文  参考訳（メタデータ） (2026-01-30T20:39:44Z)
• Calibrated Probabilistic Interpolation for GEDI Biomass [0.0]
  本稿では,局所観測セット上での予測条件を明示する確率的メタラーニングフレームワークであるAttentive Neural Processs (ANPs)を紹介する。 本研究では,熱帯アマゾン林からボレアル,アルプスの5つの生態系にまたがるアプローチを検証した。 この研究は、大陸規模の地球観測のためのアンサンブル分散の、スケーラブルで理論的に厳密な代替手段を提供する。
  論文  参考訳（メタデータ） (2026-01-23T15:35:33Z)
• Context-aware gate set tomography: Improving the self-consistent characterization of trapped-ion universal gate sets by leveraging non-Markovianity [45.88028371034407]
  ゲートセットトモグラフィ(GST)は、ノイズの多い量子ゲート、状態準備、測定の完全なセットを推定する。 当初、GSTはゲートを順次適用することで推定精度を向上させる。 ゲートセットのパラメトリゼーションにコンテキスト依存を組み込むことで, GSTのサンプリングコストを低減できることを示す。
  論文  参考訳（メタデータ） (2025-07-03T11:37:36Z)
• GST-UNet: A Neural Framework for Spatiotemporal Causal Inference with Time-Varying Confounding [46.46135774964818]
  データから因果効果を推定することは、公衆衛生、環境科学、政策評価において不可欠である。 本稿では、U-Netベースの時間エンコーダと回帰ベースの反復G-mputationを組み合わせたニューラルネットワークフレームワークであるGST-UNetを紹介する。 本研究は,カリフォルニアキャンプ火災時の山火事煙曝露および呼吸器病院の総合実験および実世界の分析において,その効果を検証した。
  論文  参考訳（メタデータ） (2025-02-07T19:56:01Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Unraveling Anomalies in Time: Unsupervised Discovery and Isolation of Anomalous Behavior in Bio-regenerative Life Support System Telemetry [43.90503061403169]
  南極のEDEN ISS宇宙温室から得られたテレメトリデータから得られた異常を解析した。 我々は,異常検出結果に時系列クラスタリングを適用し,様々な種類の異常を分類する。 本稿では, MDI と DAMP の異常検出手法が相補的な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-06-14T08:29:34Z)
• 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)

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。