論文の概要: Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors

• arxiv url: http://arxiv.org/abs/2607.07834v1
• Date: Wed, 08 Jul 2026 18:14:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.310935
• Title: Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors
• Title（参考訳）: 衛星由来予測器を用いたポルトガル沿岸における擬似ニッチュア有害藻類の開花予測
• Abstract要約: Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。 衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
• 参考スコア（独自算出の注目度）: 69.38367341895632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pseudo-nitzschia diatoms pose recurrent risks to coastal ecosystems and shellfish harvesting along the Portuguese Atlantic coast. Here we develop and evaluate a spatio-temporal machine-learning framework to predict harmful algal bloom (HAB) occurrence using exclusively satellite-derived predictors under realistic forecasting constraints. We characterised environmental and biological variability across shellfish production zones (L1-L9) using 5,882 observations, providing system-wide context. Predictive models were developed for zones L1-L2, a hotspot for Pseudo-nitzschia and domoic acid events, using a decade-long dataset (2013-2023; 1,440 observations; more than 1,000 satellite-based predictors including sea surface temperature, an upwelling index, chlorophyll-a, and plankton functional types). Sampling locations were partitioned into ecologically meaningful sub-regions using a river-aware spatial clustering scheme. A stringent spatio-temporal cross-validation strategy that simultaneously withholds entire years and spatial clusters prevents leakage and closely mimics real-world forecasting conditions. HAB occurrence proved moderately predictable across model classes and feature configurations. Ensemble tree-based methods achieved the strongest discrimination: Random Forest reached 0.74 +/- 0.05 with environmental predictors; Extra Trees reached 0.77 +/- 0.06 with biological variables added. Feature-importance analyses revealed that seasonal structure, spatial context, and lagged environmental conditions dominate model decisions, while biological indicators refine bloom likelihood within physically favourable periods. The framework demonstrates operationally relevant skill for satellite-supported HAB early-warning systems along eastern boundary upwelling coasts.
• Abstract（参考訳）: Pseudo-Nitzschia の珪藻は、ポルトガルの大西洋岸で漁獲される沿岸生態系や貝類に繰り返しリスクをもたらす。 本稿では, 現実的な予測制約の下で, 衛星由来の予測器を用いて有害藻類発生を予測するための時空間機械学習フレームワークを開発し, 評価する。 貝生産帯(L1-L9)の環境変動と生物変動を5,882回観測し,システム全体の状況を明らかにした。 L1-L2はPseudo-Nitzschia と domoic acid のホットスポットで、10年に及ぶデータセット(2013-2023; 1,440 観測、海面温度、上昇指数、クロロフィル-a、プランクトン関数型を含む1,000以上の衛星ベースの予測器)を用いて予測モデルを開発した。 河川を意識した空間クラスタリング手法を用いて,サンプリング場所を生態学的に意味のあるサブリージョンに分割した。 空間クラスタと全年を同時に維持する厳密な時空間相互検証戦略は、漏洩を防止し、現実の予測条件を忠実に模倣する。 HABの発生は、モデルクラスと特徴構成の間で適度に予測可能であることが証明された。 ランダムフォレストは環境予測値で0.74 +/- 0.05に達し、エクストラツリーは0.77 +/- 0.06に達し、生物学的変数が加わった。 特徴重要度分析の結果, 季節構造, 空間状況, 環境条件がモデル決定に支配的であり, 生物学的指標は物理的に好適な期間に出現する可能性が示唆された。 この枠組みは、東の海岸沿いの衛星支援型早期警戒システムにおいて、運用上の関連技術を示すものである。

関連論文リスト

• Region-adaptable retrieval of coastal biogeochemical parameters from near-surface hyperspectral remote sensing reflectance using physics-aware meta-learning [0.6569438979679797]
  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。
  論文  参考訳（メタデータ） (2026-05-07T03:22:12Z)
• A Dynamic Learning Observatory Reveals the Rapid Salinization of Satkhira, Bangladesh [1.5469452301122175]
  本研究は,佐渡平地区における土壌塩分濃度の予測とマップ化のための機械学習に基づくフレームワークを開発した。 2024-2025年に収集された合計205個の土壌サンプルを用いて、極勾配ブーピングモデルを訓練した。 植生指標,特にNDVIは塩分濃度関連スペクトル指標とともに重要な予測因子として同定された。
  論文  参考訳（メタデータ） (2026-04-25T03:49:04Z)
• Ensemble Graph Neural Networks for Probabilistic Sea Surface Temperature Forecasting via Input Perturbations [41.99844472131922]
  グラフニューラルネットワーク(GNN)を用いた海面温度(SST)予測のためのアンサンブル学習戦略について検討する。 我々は,北大西洋のカナリア諸島にGNNアーキテクチャを適用し,袋詰に触発された均質アンサンブルアプローチを実装した。 ガウスノイズ、パーリンノイズ、フラクタルパーリンノイズなど、複数のノイズに基づくアンサンブル生成戦略を評価する。
  論文  参考訳（メタデータ） (2026-03-06T11:04:12Z)
• Mapping Drivers of Greenness: Spatial Variable Selection for MODIS Vegetation Indices [5.326755764978551]
  本研究はMODIS植生指標を用いて, スペクトル帯, 生産性, エネルギーフラックス, 観測幾何学, 陸地表面特性の予測因子について検討した。 本研究では,各係数面が基底係数に先行してテンソル積B-スプライン基底とベイズ群ラッソを用いる空間変化係数モデルを提案する。 95パーセントの信頼区間が0を除いた位置をマークする空間的重要度マップを用いて,保持効果を要約し,信頼区間が0を除いた位置の比率として空間的カバレッジ確率を定義する。
  論文  参考訳（メタデータ） (2026-02-07T20:05:46Z)
• 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)
• 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)
• Using Deep Learning to Identify Initial Error Sensitivity for Interpretable ENSO Forecasts [0.0]
  本稿では,ディープラーニングとモデル・アナログ予測を統合した解釈可能なモデル・アナログを提案する。 我々は,地域地球系モデルバージョン2大アンサンブルを用いて,季節ごとの時間スケールでエルニーニョ南部振動(ENSO)を予測する。 その結果,赤道太平洋海面温度異常の予測は9～12ヶ月で10%改善した。
  論文  参考訳（メタデータ） (2024-04-23T18:10:18Z)
• Satellite-based feature extraction and multivariate time-series prediction of biotoxin contamination in shellfish [0.0]
  貝生産は多くのポルトガル沿岸地域の経済にとって重要な産業である。 貝のバイオトキシン汚染の課題は公衆衛生上の懸念と経済的リスクの両方を引き起こす。 センチネル3衛星画像のデータセットを海洋監視に利用した。
  論文  参考訳（メタデータ） (2023-11-25T11:32:20Z)
• 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)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)

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。