論文の概要: Quantification of atmospheric carbon dioxide from the Geostationary Operational Environmental Satellite (GOES East)
- arxiv url: http://arxiv.org/abs/2605.23991v2
- Date: Tue, 26 May 2026 02:21:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:40.982217
- Title: Quantification of atmospheric carbon dioxide from the Geostationary Operational Environmental Satellite (GOES East)
- Title（参考訳）: 静止運用環境衛星(GOES East)からの大気二酸化炭素の定量化
- Authors: Aaron Sonabend-W, Sean Campbell, John Platt, Christopher Van Arsdale, Anna M. Michalak,
- Abstract要約: 現在の宇宙ベースのセンサーは、空間と時間におけるスパースな観測しか提供していない。
この課題は、地球規模の温室効果ガスの変動を推定する既存のミッションからのデータ利用への関心を喚起した。
我々は1ピクセルの物理誘導ニューラルネットワークであるDeep$XCO$を開発し、乾燥気柱のCO$モル分率を推定する。
- 参考スコア（独自算出の注目度）: 0.649757022912372
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a growing urgency to track greenhouse gasses with the resolution, precision and accuracy needed to support independent verification of $CO_2$ fluxes at local to global scales. The current generation of space-based sensors, however, only provides sparse observations in space and time. This challenge has fueled interest in the potential use of data from existing missions originally developed for other applications to infer global greenhouse gas variability. The Advanced Baseline Imager (ABI) onboard the Geostationary Operational Environmental Satellite (GOES-East), operational since 2017, provides full coverage of much of the western hemisphere at 10-minute intervals from geostationary orbit across 16 spectral channels at an approximately 2 km$^2$ spatial resolution. Here, we leverage this high spatial coverage and temporal revisit to develop Deep$XCO_2$, a single-pixel, physics-guided neural network to estimate dry-air column $CO_2$ mole fraction ($XCO_2$). Deep$XCO_2$ employs a time series of GOES-East's 16 spectral bands, ECMWF ERA5 lower tropospheric meteorology, MODIS surface reflectance, solar and satellite viewing geometry, and day of year. The network was trained on collocated GOES-East and OCO-2/OCO-3 observations. Deep$XCO_2$ is able to capture realistic $XCO_2$ variability when compared against a held-out year of OCO-2 and OCO-3 observations, and against observations from the TCCON network. We also present case studies illustrating the use of Deep$XCO_2$ to observe $XCO_2$ enhancements over urban areas and drawdown over agricultural regions. Overall, while the precision of GOES-East derived $XCO_2$ can never rival that of dedicated instruments, the unprecedented combination of contiguous geographic coverage, 10-minute temporal frequency, and multi-year record offers the potential to observe aspects of atmospheric $CO_2$ variability currently unseen from space.
- Abstract（参考訳）: ローカルからグローバルスケールでのCO_2$フラックスの独立検証を支援するために必要な解像度、精度、精度で温室効果ガスを追跡する緊急性が高まっている。
しかし、現在の宇宙ベースのセンサーは、空間と時間におけるわずかな観測しか提供していない。
この課題は、温室効果ガスの変動を推定する他の用途のために開発された既存のミッションのデータの利用の可能性への関心を喚起した。
2017年から運用されているGeostationary Operational Environmental Satellite (GOES-East)に搭載されたAdvanced Baseline Imager (ABI)は、静止軌道から16のスペクトルチャネルを約2 km$^2$の空間分解能で10分間隔で西半球の大部分をカバーしている。
本稿では、この高空間カバレッジと時間的再考を活用して、単画素物理誘導ニューラルネットワークであるDeep$XCO_2$を開発し、乾式空気柱のCO_2$モル分(XCO_2$)を推定する。
Deep$XCO_2$はGOES-Eastの16のスペクトル帯、ECMWF ERA5の低い対流圏気象学、MODIS表面反射率、太陽と衛星の観測測度、および年表を時系列に採用している。
ネットワークはGOES-EastとOCO-2/OCO-3の観測で訓練された。
Deep$XCO_2$は、OCO-2とOCO-3の観測年とTCCONネットワークの観測年を比較すると、現実的な$XCO_2$の変動を捉えることができる。
また,都市部におけるXCO_2$の値上がりと農業地域における値下がりを観察するために,Deep$XCO_2$の値上がりを図ったケーススタディも提示する。
GOES-Eastの精度がXCO_2$に匹敵することはないが、連続した地理的範囲と10分間の時間周波数と複数年の記録の組み合わせは、現在宇宙から見えない大気中のCO_2$の変動を観測する可能性を秘めている。
関連論文リスト
- PollutionNet: A Vision Transformer Framework for Climatological Assessment of NO$_2$ and SO$_2$ Using Satellite-Ground Data Fusion [4.364999214109123]
PollutionNetは、Sentinel-5P TROPOMI 垂直柱密度(VCD)データを地上観測と統合したビジョントランスフォーマーベースのフレームワークである。
自己アテンションメカニズムを活用することで、PolutionNetはCNNやRNNモデルでしばしば見逃される複雑な依存関係をキャプチャする。
PollutionNetはベースラインモデルと比較して予測エラーを最大14%削減する。
論文 参考訳（メタデータ） (2026-03-31T15:39:26Z) - A Footprint-Aware, High-Resolution Approach for Carbon Flux Prediction Across Diverse Ecosystems [8.658824757360104]
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。
論文 参考訳（メタデータ） (2025-12-01T17:34:41Z) - 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) - S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。
これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。
本稿では,構造的空間的注意を新たに提案する。
空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。
ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
論文 参考訳（メタデータ） (2025-09-10T05:33:28Z) - Fourier Neural Operator based surrogates for $CO_2$ storage in realistic geologies [57.23978190717341]
我々は,$CO$ plume マイグレーションのリアルタイム・高分解能シミュレーションのためのニューラル演算子(FNO)モデルを開発した。
このモデルは、現実的な地下パラメータから生成された包括的なデータセットに基づいて訓練される。
本稿では,実際の地質学的位置を評価する上で重要なモデルから予測の信頼性を向上させるための様々な戦略を提案する。
論文 参考訳（メタデータ） (2025-03-14T02:58:24Z) - 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 Data-Driven Supervised Machine Learning Approach to Estimating Global
Ambient Air Pollution Concentrations With Associated Prediction Intervals [0.0]
我々は、時間的および空間的計測の欠如を示唆するスケーラブルでデータ駆動型の教師あり機械学習フレームワークを開発した。
このモデルは, 時間的および空間的計測の欠如を示唆し, NO$, O$_3$, PM$_10$, PM$_2.5$, SO$などの汚染物質の包括的データセットを生成するように設計されている。
モデルの性能について検討し,今後のモニタリングステーションの戦略的配置に関する洞察と勧告を提供する。
論文 参考訳（メタデータ） (2024-02-15T11:09:22Z) - GeoFormer: A Vision and Sequence Transformer-based Approach for
Greenhouse Gas Monitoring [2.1647301294759624]
本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。
我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
論文 参考訳（メタデータ） (2024-02-11T11:20:29Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - 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。