論文の概要: Emulating physics-based XCO2 retrievals across OCO-2 viewing modes with compact neural networks
- arxiv url: http://arxiv.org/abs/2611.18333v1
- Date: Fri, 13 Nov 2026 15:46:18 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:25:15.818633
- Title: Emulating physics-based XCO2 retrievals across OCO-2 viewing modes with compact neural networks
- Title(参考訳): コンパクトニューラルネットワークを用いたOCO-2視聴モードにおける物理に基づくXCO2検索のシミュレーション
- Abstract要約: 我々は特異値分解を用いてオービティングカーボン天文台-2からのスペクトルをバンド別に圧縮する。
コンパクトな多層パーセプトロンは、結果として得られるスペクトルスコア、事前情報、および観測幾何学を用いて、全物理検索と運用前の差を予測する。
圧縮スペクトルを用いたコンパクトニューラルネットワークは,複数の視聴モードおよび年数にわたる全物理検索を効率よくエミュレートできることを示す。
- 参考スコア(独自算出の注目度): 5.942269861916334
- License:
- Abstract: Operational full-physics retrieval of the column-averaged dry-air mole fraction of carbon dioxide from satellite spectra is computationally demanding. We use singular value decomposition to compress spectra from the Orbiting Carbon Observatory-2 separately by band. Compact multilayer perceptrons use the resulting spectral scores, prior information, and viewing geometry to predict the difference between the full-physics retrieval and its operational prior. Adding the predicted difference to the prior yields an estimate of the retrieved mole fraction. The models were trained on 2015-2019 observations and validated on 2020 observations. In 2021-2025 tests, the mean annual root-mean-square errors relative to the Atmospheric Carbon Dioxide Observations from Space retrieval product were 0.89, 1.35, and 1.43 parts per million for ocean glint, land glint, and nadir observations, respectively. On East Asian nadir observations screened using the published criteria for the spectral Transformer, our model yielded a lower mean annual error than reported for that model in 2020-2022. These results show that compact neural networks using compressed spectra can efficiently emulate the full-physics retrieval across multiple viewing modes and years.
- Abstract(参考訳): 衛星スペクトルから平均乾式二酸化炭素のカラム平均乾式モル分を全物理的に検索する作業は、計算的に要求されている。
我々は特異値分解を用いてオービティングカーボン天文台-2からのスペクトルをバンド別に圧縮する。
コンパクトな多層パーセプトロンは、結果として得られるスペクトルスコア、事前情報、および観測幾何学を用いて、全物理検索と運用前の差を予測する。
予測された差分を先行収率に追加すると、得られたモル分率の推定値が得られる。
モデルは2015-2019年の観測で訓練され、2020年の観測で検証された。
2021-2025 年平均根平均二酸化炭素観測値の平均値誤差は, それぞれ0.89, 1.35, 1.43 部で, 海光, 地光, ナディル観測でそれぞれ0.89, 1.35, 1.43 部であった。
東アジアのナディル観測では、スペクトル変換器の基準値を用いて、2020-2022年に報告されたモデルよりも年間平均誤差が低かった。
これらの結果から,圧縮スペクトルを用いたコンパクトニューラルネットワークは,複数の視聴モードおよび年数にわたる全物理検索を効率よくエミュレートできることが示唆された。
関連論文リスト
- Generative Refinement Learning for Temporal Interpolation in Scientific Machine Learning [51.277198654134615]
固定格子点における平均的な観測は誤差を生じさせる可能性があり、運動推定だけでは物理場の値がどう変化するかは決定できない。
まず,各格子点における2つの観測値の重み付き平均値を用いて,その不足領域を補間的フラウ・エクスパートで推定する。
トレーニング中、観測された中間体からこの推定を減じると、条件拡散モデルが生成することを学習する残余が得られる。
論文 参考訳(メタデータ) (2026-10-27T07:08:23Z) - GeoPrior-Mamba: Structured Process Priors with Mamba for Fine-Resolution XCO2 Reconstruction [11.7427530062647]
オフライン言語モデルによる構造化プロセス前処理を付加した多方向性のMambaフレームワークであるGeoPrior-Mambaを紹介する。
我々は, 生物圏, 生態系呼吸, 人為的排ガスに関する相対的なプロセス知識を, 決定論的事前表にまとめるために, トレーニング前に使用する。
2018-2020年のOCO-2観測で、GeoPrior-Mamba は RMSE は 0.81 ppm、R2 は 0.93 である。
論文 参考訳(メタデータ) (2026-10-07T05:11:52Z) - Reconstructing Carbon Monoxide Reanalysis with Machine Learning [0.3867363075280545]
コペルニクス大気モニタリングサービスは、モデルシミュレーションと衛星観測を組み合わせることで大気組成の再分析製品を提供する。
これらの製品の品質は観測データの可用性に強く依存しており、新しい衛星機器が利用可能になったり、中止されたりすると、時間とともに変化する可能性がある。
機械学習は、モデル構成間の体系的な差異を学習することで、そのようなデータ損失を補う、有望なアプローチを提供する。
論文 参考訳(メタデータ) (2026-02-12T21:58:00Z) - Variational diffusion transformers for conditional sampling of supernovae spectra [49.1574468325115]
本報告では,光曲線観測に基づく拡散モデルであるDiTSNe-Iaを導入し,SNe Iaのスペクトルの多様性を再現する訓練を行った。
放射光伝達シミュレーションによる現実的な光曲線とスペクトルの実験において、DiTSNe-Iaは広く使用されているSALT3テンプレートよりもはるかに正確な再構成を行う。
論文 参考訳(メタデータ) (2025-05-05T22:52:32Z) - 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) - SPT: Spectral Transformer for Red Giant Stars Age and Mass Estimation [10.222849465628174]
我々は、赤巨星の年齢と質量をスペクトルから推定する新しい枠組みであるスペクトル変換器を開発した。
LAMOSTの3,880個の赤色巨星のスペクトルで訓練され、SPTは17.64%と6.61%の誤差で驚くべき年齢と質量推定を達成した。
論文 参考訳(メタデータ) (2024-01-10T03:03:12Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳(メタデータ) (2021-11-17T12:54:48Z) - Cycle-StarNet: Bridging the gap between theory and data by leveraging
large datasets [0.0]
現在のスペクトル分析の自動化手法は、(a)データ駆動であり、恒星パラメータと元素の存在量の事前の知識を必要とするか、(b)理論と実践のギャップに影響を受けやすい理論合成モデルに基づくかのいずれかである。
本研究では、シミュレーションされた恒星スペクトルを、教師なし学習を大規模分光サーベイに適用することにより、現実的なスペクトルに変換するハイブリッドな生成領域適応法を提案する。
論文 参考訳(メタデータ) (2020-07-06T23:06:58Z) - Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。
MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
論文 参考訳(メタデータ) (2020-02-26T06:10:12Z)
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。