論文の概要: BG4Sea: Biogeochemical Seasonal Forecastability via Progressive Information Scaling

• arxiv url: http://arxiv.org/abs/2607.16731v1
• Date: Sat, 18 Jul 2026 09:43:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.24835
• Title: BG4Sea: Biogeochemical Seasonal Forecastability via Progressive Information Scaling
• Title（参考訳）: BG4Sea:プログレッシブ・インフォメーション・スケーリングによる生物地球化学的季節予測可能性
• Abstract要約: BG4Seaは海洋生物地球化学状態の多変量季節予測を行う最初のグローバルデータ駆動システムである。 このモデルは、地球規模の海洋再分析BIORYS4 (NEMO/PISCES) で訓練され、評価され、6ヶ月の予測は1/4である。 我々は,BG4Seaを今後,より表現力のあるアプローチの解釈可能なベースラインとして位置づけ,各コンポーネントに対する予測可能性の寄与について議論する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Marine biogeochemical forecasting is increasingly important for managing marine ecosystems and the carbon cycle, yet global, seasonal forecast products lag far behind physical oceanography, held back by the complexity of the processes involved and by data scarcity. We introduce BG4Sea, which to our knowledge is the first global, data-driven system to produce multivariate seasonal forecasts of the marine biogeochemical state. BG4Sea is a modular architecture with a column autoencoder that compresses the vertical column into a low-dimensional latent space, a latent forecaster propagates this representation forward in time, a surface-forcing conditioner that injects physical boundary information via Feature-wise Linear Modulation (FiLM), and a horizontal-coupling module that incorporates neighboring-column context through cross-attention. The model is trained and evaluated on the global ocean reanalysis BIORYS4 (NEMO/PISCES), and produces six-month forecasts at 1/4 degree, monthly resolution for dissolved chemistry, biology, and carbon-pool variables, outperforming persistence and climatology across most variables and lead times. We position BG4Sea as an interpretable baseline for future, more expressive approaches, and discuss predictability attribution to each component, alongside the model's structural limitations.
• Abstract（参考訳）: 海洋生物地球化学的予測は、海洋生態系や炭素循環を管理するためにますます重要になってきています。 我々はBG4Seaを紹介し、海洋生物地球化学状態の多変量季節予測を生成する最初のグローバルデータ駆動システムである。 BG4Seaは、縦列を低次元の潜在空間に圧縮するカラムオートエンコーダを備えたモジュラーアーキテクチャであり、潜時予測器は、時間とともにこの表現を伝搬し、表面強制条件器は、FiLM(Feature-wise Linear Modulation)を介して物理的境界情報を注入する。 このモデルは、地球規模の海洋再分析BIORYS4 (NEMO/PISCES) で訓練、評価され、6ヶ月の予測を1/4度、溶解化学、生物学、炭素プール変数の月次解像度で生成し、ほとんどの変数やリードタイムにおいて持続性と気候学を上回っている。 我々は,BG4Seaを今後,より表現力のあるアプローチの解釈可能なベースラインとして位置づけ,モデルの構造的制約とともに,各コンポーネントに対する予測可能性の寄与について議論する。

関連論文リスト

• Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
  本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
  論文  参考訳（メタデータ） (2026-06-15T18:19:17Z)
• 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)
• OceanPile: A Large-Scale Multimodal Ocean Corpus for Foundation Models [57.19693589926157]
  OceanPileは、海洋基盤モデル用に設計された大規模マルチモーダルコーパスである。 OceanCorpus、OceanInstruction、OceanBenchmarkの3つの重要なコンポーネントで構成されている。 すべてのデータセットは、海洋人工知能の分野を前進させるために公開されている。
  論文  参考訳（メタデータ） (2026-04-25T14:53:37Z)
• Data-driven ensemble prediction of the global ocean [9.068376705993009]
  FuXi-ONSは、地球上の最初の機械学習アンサンブル予測システムである。 海面温度、海面高度、地下温度、塩分濃度、海流について、グローバルな1グリッドで5日間の予測を提供する。 FuXi-ONSは物理的に構造化された摂動を学習し、長距離予測を安定させるために大気符号化モジュールを組み込む。
  論文  参考訳（メタデータ） (2026-03-20T03:05:41Z)
• Static and auto-regressive neural emulation of phytoplankton biomass dynamics from physical predictors in the global ocean [8.888913353055276]
  フィトクトンは海洋食物網の基礎であり、生態学的プロセスと地球規模の生物地球化学的サイクルの両方を駆動している。 その生態学的および気候学的重要性にもかかわらず、植物プランクトン力学は数値的な生物地球化学モデルにとって依然として課題である。
  論文  参考訳（メタデータ） (2026-02-04T15:55:34Z)
• 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)
• OKG-LLM: Aligning Ocean Knowledge Graph with Observation Data via LLMs for Global Sea Surface Temperature Prediction [70.48962924608033]
  この研究は、SST予測のための多様な海洋知識を表現するために特別に設計された海洋知識グラフ(OKG)を構築するための最初の体系的な取り組みを示す。 最後に, 学習知識を微粒な数値SSTデータと整列させ, 事前学習したLLMを用いてSSTパターンをモデル化し, 正確な予測を行う。
  論文  参考訳（メタデータ） (2025-07-31T02:06:03Z)
• 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)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• 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)
• Global canopy height estimation with GEDI LIDAR waveforms and Bayesian deep learning [20.692092680921274]
  NASAのGlobal Ecosystem Dynamics Investigation(GEDI)は、地球規模の炭素循環における森林の役割の理解を深めることを目的としている重要な気候ミッションである。 本稿では,GEDI波形とレグレッション・キャノピー・トップハイトを世界規模で解釈する新しい教師付き機械学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T23:08:27Z)

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。