文献

J-GLOBAL ID：201802226396574078   整理番号：18A2081997

決定論的モデルと機械学習アルゴリズムを用いた西アジアにおけるエアロゾル光学深度の予測【JST・京大機械翻訳】

Prediction of aerosol optical depth in West Asia using deterministic models and machine learning algorithms

著者 (5件)： Nabavi Seyed Omid (Department of Meteorology and Geophysics, University of Vienna, Faculty of Earth Sciences, Geography and Astronomy, UZA II, Althanstrasse 14, A-1010 Vienna, Austria) ,  Haimberger Leopold (Department of Meteorology and Geophysics, University of Vienna, Faculty of Earth Sciences, Geography and Astronomy, UZA II, Althanstrasse 14, A-1010 Vienna, Austria) ,  Abbasi Reyhaneh (The Austrian Academy of Sciences Acoustics Research Institute, Wohllebengasse 12-14, A-1040 Vienna, Austria) ,  Samimi Cyrus (Faculty of Biology, Chemistry and Earth Sciences, University of Bayreuth, Universitaetsstr. 30, 95447 Bayreuth, Germany) ,  Samimi Cyrus (Bayreuth Center of Ecology and Environmental Research, BayCEER, Dr. Hans-Frisch-Strasse 1-3, 95448 Bayreuth, Germany)
資料名： Aeolian Research  (Aeolian Research)
巻： 35  ページ： 69-84  発行年： 2018年 
JST資料番号： W3266A  ISSN： 1875-9637  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 西アジアの大きな部分における地上観測の欠如のため,エーロゾル光学深さ(AOD)は,リモートセンシング技術を用いて主に監視されている。AODは,一般的に定義されている気象予測モデル(DMs)による短期予報によっても予測できる。西アジア上の月毎の時間スケールにわたって平均化されたリモートセンシング観測の再現におけるDMsのスキルは,地域におけるエーロゾルの支配的なタイプであるダストの入力と複雑さにおける有意な不確実性のためにかなり限定されている。機械学習アルゴリズム(MLAs)は,DMsよりはるかに少ない計算コストを必要とする。応答変数,MLAs,特に多変量適応回帰スプライン(MARS)とサポートベクトルマシン(SVM)の代表として,Moderate分解能画像分光放射計(MODIS)Deep Blue(DB)を用いて,毎月の時間スケールでDMsを実行した。MLAは,DMsより低い予測誤差(RMSE)と観測とのより高い相関をもたらした。さらに,DMs,特にMACCは,Zagros山脈が研究地域の東への微粒子の移流を防止する西部イランにおいて観測されたAOD値をシミュレートできなかったことを明らかにした。Iraq上の主要DB AODピークに沿ったMLAとDMsの予測誤差は,可変データセットの粗い分解能,ダストおよび/または他のエーロゾルのライフサイクルを表すいくつかの未知の影響予測因子の省略,および極端なケースの不足にさかのぼることができる。また,提示された結果が他の領域と時間スケールにどのように一般化されるかについても試験されていない。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *西アジア ,  塵埃 ,  イラン・イスラム共和国 ,  画像 ,  リモートセンシング ,  移流 ,  サポートベクトルマシン ,  分光放射計 ,  微粒子 ,  分解能 ,  予測モデル ,  予測誤差 ,  *エアロゾル ,  不確実性
準シソーラス用語： MODIS , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習アルゴリズム ,  決定論的天気予測モデル ,  ダスト嵐 ,  西アジア ,  MODIS Deep Blue AOD

分類 (2件)： 粒状物調査測定  (SB03060E) ,  放射,大気光学  (DC05080C)

タイトルに関連する用語 (8件)： 決定論的モデル ,  機械学習 ,  アルゴリズム ,  西アジア ,  エアロゾル ,  光学 ,  深度 ,  予測