論文の概要: Region-adaptable retrieval of coastal biogeochemical parameters from near-surface hyperspectral remote sensing reflectance using physics-aware meta-learning

• arxiv url: http://arxiv.org/abs/2605.05623v1
• Date: Thu, 07 May 2026 03:22:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.500178
• Title: Region-adaptable retrieval of coastal biogeochemical parameters from near-surface hyperspectral remote sensing reflectance using physics-aware meta-learning
• Title（参考訳）: 物理認識型メタラーニングによる沿岸生物地球化学的パラメータの地域適応性検索
• Authors: Yiqing Guo, Nagur R. C. Cherukuru, Eric A. Lehmann, S. L. Kesav Unnithan, Tim J. Malthus, Gemma Kerrisk, Xiubin Qi, Faisal Islam, Tisham Dhar, Mark J. Doubell,
• Abstract要約: 近地Rrs観測から沿岸域のBGCパラメータを抽出するための2段階の物理認識型メタラーニングフレームワークを提案する。 オーストラリア沿岸海域の5つの地理的に異なる地点から,in situ hyperspectral Rrs と BGC の測定を行った。
• 参考スコア（独自算出の注目度）: 0.6569438979679797
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hyperspectral in situ sensing has shown promise in retrieving aquatic biogeochemical (BGC) parameters, such as total suspended solids, dissolved organic carbon, and total chlorophyll-a, for cost-effective monitoring of coastal water quality. However, generalising such retrieval algorithms across water bodies remains challenging, as the relationship between remote sensing reflectance (Rrs) and BGC parameters can vary considerably from one region to another due to regional distinctions in environmental conditions and biogeochemistry that lead to different BGC ranges and bio-optical properties. In this study, we propose a two-stage physics-aware meta-learning framework for retrieving coastal BGC parameters from near-surface Rrs observations. In the first stage, a bio-optical forward model is used to generate a large synthetic dataset based on an in situ bio-optical spectral library with broad representativeness of Australian coastal waters. This dataset is then used to pretrain a region-agnostic base model with meta-learning, allowing the model to learn fundamental physical relationships. In the second stage, the pretrained base model is fine-tuned for specific regions with local samples. We collected in situ hyperspectral Rrs and BGC measurements from five geographically distinct sites in Australian coastal waters. Our experimental results suggest: (1) the BGC parameters and their corresponding hyperspectral Rrs signatures exhibited clear regional distinctions among the experimental sites; (2) the synthetic dataset was physically plausible and closely aligned with real-world samples in both parameter distributions and inter-parameter correlations; (3) the proposed approach outperformed five benchmark models in BGC retrieval; and (4) time series of in situ measured and model-predicted BGC parameters showed good agreement in both magnitude and temporal dynamics.
• Abstract（参考訳）: 海洋生物地球化学(BGC)パラメータ(全懸濁物質, 溶存有機炭素, 総クロロフィル-a)を回収し, 費用対効果の高い沿岸水質モニタリングを行う。 しかし, リモートセンシング反射率 (Rrs) とBGCパラメータの関係は, 環境条件の地域差や生物地球化学により, 異なるBGC範囲や生体光学特性をもたらすため, 地域によって大きく異なる。 本研究では,近地Rrs観測から沿岸域のBGCパラメータを抽出するための2段階の物理認識メタラーニングフレームワークを提案する。 第1段階では, オーストラリア沿岸海域に広く分布する生体光学スペクトルライブラリーに基づいて, 生物光学フォワードモデルを用いて, 大規模な合成データセットを生成する。 このデータセットは、メタラーニングで地域に依存しないベースモデルを事前トレーニングするために使用され、モデルが基本的な物理的関係を学習することを可能にする。 第2段階では、事前訓練されたベースモデルは、局所的なサンプルを持つ特定の領域に対して微調整される。 オーストラリア沿岸海域の5つの地理的に異なる地点から,in situ hyperspectral Rrs と BGC の測定を行った。 実験結果から,(1)BGCパラメータとその対応するハイパースペクトルRrsシグネチャは,実験部位間で明確な地域差を示し,(2)合成データセットは,パラメータ分布とパラメータ間相関の双方において実世界のサンプルと密に一致し,(3)BGC検索において5つのベンチマークモデルより優れていた。

関連論文リスト

• Utilizing Earth Foundation Models to Enhance the Simulation Performance of Hydrological Models with AlphaEarth Embeddings [48.54230513143053]
  本研究は,AlphaEarth Foundationの埋設物が,流域特性を説明するためのより有益な方法であるかどうかを考察する。 トレーニングに使用しない流域内の流れを予測した場合, 精度の高いモデルが得られた。
  論文  参考訳（メタデータ） (2026-01-04T15:14:16Z)
• Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
  Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。 X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。 提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-09-25T04:59:02Z)
• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• Variational Autoencoder Framework for Hyperspectral Retrievals (Hyper-VAE) of Phytoplankton Absorption and Chlorophyll a in Coastal Waters for NASA's EMIT and PACE Missions [17.569943344077892]
  本研究では、ESMやPACEを含むNASAのハイパースペクトルミッションに対する機械学習に基づく新しいソリューションを提案する。 我々は、光学的に複雑な沿岸海域における高スペクトルRrsからアフィとChl-aのハイパースペクトル検索を実現するために、革新的な設計によるVAEモデルを初めて調整する。
  論文  参考訳（メタデータ） (2025-04-18T05:37:14Z)
• 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)
• SpectralEarth: Training Hyperspectral Foundation Models at Scale [47.93167977587301]
  ハイパースペクトル基礎モデルの事前学習を目的とした大規模マルチテンポラルデータセットであるSpectralEarthを紹介する。 我々はSpectralEarthの一連の基礎モデルを事前訓練し、古典的な視覚バックボーンにスペクトルアダプタを統合する。 タンデムでは、土地被覆、作物型マッピング、樹木種分類のための9つの下流データセットを構築した。
  論文  参考訳（メタデータ） (2024-08-15T22:55:59Z)
• Surrogate Model for Geological CO2 Storage and Its Use in Hierarchical MCMC History Matching [0.0]
  我々は、最近導入されたR-U-Netサロゲートモデルを拡張し、幅広い地質シナリオから引き出されたジオモデルの実現を取り扱う。 本研究では, 人工真理モデルにおける観測井の観測データを用いて, 地質的不確実性を大幅に低減することを示した。
  論文  参考訳（メタデータ） (2023-08-11T18:29:28Z)
• Learning Regionalization using Accurate Spatial Cost Gradients within a Differentiable High-Resolution Hydrological Model: Application to the French Mediterranean Region [0.18139022013189662]
  未採集における分散水文パラメータの推定は, 地域化の問題を引き起こす。 本稿では,学習可能な地域化マッピングを取り入れたハイブリッド・アシミレーション・地域化(HDA-PR)手法を提案する。 その結果,特に上流から下流までの補間において,HDA-PRの強い地域化が顕著となった。
  論文  参考訳（メタデータ） (2023-08-02T07:23:50Z)
• Predicting Critical Biogeochemistry of the Southern Ocean for Climate Monitoring [1.8689461238197955]
  我々は、南洋のケイ酸塩とリン酸塩の値を、温度、圧力、塩分濃度、酸素、硝酸塩、位置から予測するためにニューラルネットワークを訓練する。 これらのモデルを地球系モデル(ESM)およびBGC-Argoデータに適用し、この海洋観測ネットワークの有用性を拡大する。
  論文  参考訳（メタデータ） (2021-10-30T00:13:46Z)
• Topology-Aware Segmentation Using Discrete Morse Theory [38.65353702366932]
  深部画像セグメンテーションネットワークを訓練し、位相精度を向上させる新しい手法を提案する。 1次元骨格や2次元パッチなど,位相的精度に重要なグローバル構造を明らかにする。 多様なデータセットに対して,DICEスコアとトポロジカルメトリクスの両方で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-18T02:47:21Z)

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。