論文の概要: OceanDepths: A Global Dataset of Paired Subsurface and Surface Ocean Observations

• arxiv url: http://arxiv.org/abs/2608.16373v2
• Date: Tue, 18 Aug 2026 13:32:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 13:45:32.998173
• Title: OceanDepths: A Global Dataset of Paired Subsurface and Surface Ocean Observations
• Title（参考訳）: OceanDepths:表層・表層観測のグローバルデータセット
• Abstract要約: OceanDepthsは、世界初のオープンでグローバルな、リグリッドされたAI対応データセットです。 衛星由来の海面温度(SST)、海面塩分濃度(SSS)、海面高度(SSH)L4生成物と、同じ位置にあるEN4地下温度と塩分濃度プロファイルを組み合わせている。 データセットは2000-2024度、空間分解能は0.1度、時間分解能は毎週0.1度である。
• 参考スコア（独自算出の注目度）: 1.3348917151047532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite comprising over 70% of its surface, the world's oceans are critically underobserved compared to the land surface or the atmosphere. Understanding the global ocean requires jointly observing its surface and subsurface structure, yet no standardized, high-resolution dataset couples satellite surface fields to co-located in situ depth profiles in an AI-ready format. Existing resources either consist of model-reconstructed gridded products rather than observations, cover only a single variable or basin, or operate at resolutions too coarse for mesoscale dynamics. We introduce OceanDepths, the first open, global, regridded AI-ready dataset that pairs satellite-derived sea surface temperature (SST), sea surface salinity (SSS), and sea surface height (SSH) L4 products with co-located EN4 subsurface temperature and salinity profiles, complemented by matched GLORYS12 ocean reanalysis data to support comparisons or multi-stage learning. The dataset spans 2000-2024 at 0.1 degrees x 0.1 degrees spatial resolution and at weekly temporal resolution, covering the entire globe's sea surface and with over 9.5 million paired profiles interpolated to 50 standardized depth levels. We provide a configurable system to split the globe in equally sized spatial patches. The 4D multivariate structure, high resolution, long temporal extent, and extreme sparsity of subsurface observations (approximately 0.01% per depth level) make OceanDepths a challenging testbed for novel AI methods. We demonstrate subsurface state reconstruction as an example task with simple baseline models, but also envision OceanDepths to support the development of observation-based forecast methods and other related tasks. Available at: https://huggingface.co/datasets/ESA-philab/OceanDepths.
• Abstract（参考訳）: 表面の70%以上を占めるにもかかわらず、地球の海は陸地や大気と比べて観測が不十分である。 グローバルオーシャンを理解するには、その表面と地下構造を共同で観察する必要があるが、標準化された高解像度データセットは、AI対応のフォーマットでその場の深度プロファイルを共配置するために衛星表面のフィールドを結合するものではない。 既存の資源は、観測ではなく、モデル再構成されたグリッド化された製品で構成され、単一の変数や盆地のみをカバーするか、メソスケール力学では粗い解像度で操作する。 これは、衛星由来の海面温度(SST)、海面塩分濃度(SSS)、海面高度(SSH)L4積を組み合わせ、同じ位置にあるEN4地下温度と塩分濃度プロファイルを持つ最初のオープンでグローバルなAI対応データセットである。 データセットは2000-2024度、空間分解度0.1度、時間分解度0.1度で、地球全体の海面をカバーし、50の標準深度レベルに補間された950万以上のペアプロファイルを持つ。 等サイズの空間パッチで地球を分割する構成可能なシステムを提供する。 4D多変量構造、高分解能、長時間の時間範囲、深度あたり約0.01%の地下観測の極端な間隔は、OceanDepthsを新しいAI手法の挑戦的なテストベッドにしている。 簡単なベースラインモデルによる地下状態再構築の例を示すとともに,観測に基づく予測手法や関連するタスクの開発を支援するため,オーシャンデプスを構想する。 https://huggingface.co/datasets/ESA-philab/OceanDepths.comで利用可能。

関連論文リスト

• Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
  SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。 鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
  論文  参考訳（メタデータ） (2026-08-12T11:25:31Z)
• Air Quality Downscaling with Station-Guided Pseudo-Supervision [60.31045749983062]
  局所PM$_2.5$変動に対する高分解性粗大大気場は空間的支持のミスマッチによって一意に挑戦される。 ヨーロッパにおける高分解能PM$_2.5$ダウンスケールのためのステーション誘導フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T16:32:25Z)
• SubsurfaceGen: Procedural Generation of Field-Scale Earth Models and Seismic Data [10.55228871676445]
  フルウェーブフォーム・インバージョン(Full Waveform Inversion、FWI)は、地下イメージングの標準規格である。 FWIへの機械学習アプローチには、フィールドスケール、地質学的に多様性があり、物理的に現実的なトレーニングデータが必要である。 本稿では,3次元速度モデルと地震データのためのGPU加速ジェネレータであるSub surfaceGenを用いて,これらの制約に対処する。
  論文  参考訳（メタデータ） (2026-05-28T20:15:40Z)
• 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)
• An Adaptive Spatiotemporal Clustering Framework for 3D Ocean Subsurface Temperature Reconstruction [31.24880527218282]
  本研究では,海洋表面温度(OST)の構造的依存性と時間的変動パターンの両方を捉える適応的枠組みを提案する。 このフレームワークを様々なディープラーニングモデルに組み込むことで、OSTフィールドをグローバルスケールで正確に再構築することができる。 実験により,本フレームワークを用いた複数の深層学習手法が元の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-04-21T09:32:37Z)
• High-resolution probabilistic estimation of three-dimensional regional ocean dynamics from sparse surface observations [0.0]
  海洋内部は地球の気候を規制するが、in situの観測が限られているため、わずかに観測されている。 本研究では,高分解能な3次元海洋環境を極端に粗い表面データから再構築するための深度認識型生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-03T08:10:55Z)
• OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation [55.978228064498865]
  SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。 先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しています。
  論文  参考訳（メタデータ） (2026-01-12T10:20:43Z)
• Exploring the Underwater World Segmentation without Extra Training [55.291219073365546]
  我々は,最初の大規模かつ微細な水中セグメンテーションデータセットである textbfAquaOV255 を紹介する。 トレーニング不要なOVセグメンテーションフレームワークである textbfEarth2Ocean も紹介する。
  論文  参考訳（メタデータ） (2025-11-11T07:22:56Z)
• Advancing Ocean State Estimation with efficient and scalable AI [22.24444646069193]
  マルチソースおよびマルチスケールデータを同化するAI駆動型海洋データ同化フレームワーク(ADAF-Ocean)を提案する。 ADAF-Oceanは、異種入力から海洋状態への連続的なマッピングを学び、ネイティブデータの忠実さを保存する。
  論文  参考訳（メタデータ） (2025-11-08T15:24:23Z)
• 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)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Inversion of sea surface currents from satellite-derived SST-SSH synergies with 4DVarNets [32.84891435899833]
  老化のダイナミクスは,100km以下の水平スケールと10日以下の時間スケールにおいて重要であることが期待される。 ここでは、観測された海面トレーサ間の相乗効果をよりよく活用するための学習に基づくスキームについて検討する。 具体的には、4DVarNetスキームを開発し、トレーニング可能な観測値と変分データ同化の定式化を利用する。
  論文  参考訳（メタデータ） (2022-11-23T15:53:54Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• Filtering Internal Tides From Wide-Swath Altimeter Data Using Convolutional Neural Networks [9.541153192112194]
  本稿では畳み込みニューラルネットワーク(ConvNets)を用いて、内潮信号のないフィールドを推定する。 また,海面温度(SST)などの他の海面変数からの追加データについても検討した。
  論文  参考訳（メタデータ） (2020-05-03T14:02:31Z)

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。