文献

J-GLOBAL ID：202002270772496674   整理番号：20A0620749

渦共分散メタンフラックスに対するギャップ充填法:3つの機械学習アルゴリズムと主成分分析を用いた伝統的方法の比較【JST・京大機械翻訳】

Gap-filling approaches for eddy covariance methane fluxes: A comparison of three machine learning algorithms and a traditional method with principal component analysis

著者 (11件)： Kim Yeonuk (Institute for Resources Environment and Sustainability, University of British Columbia, Vancouver, BC, Canada) ,  Johnson Mark S. (Institute for Resources Environment and Sustainability, University of British Columbia, Vancouver, BC, Canada) ,  Johnson Mark S. (Department of Earth, Ocean and Atmospheric Sciences, University of British Columbia, Vancouver, BC, Canada) ,  Knox Sara H. (Department of Geography, University of British Columbia, Vancouver, BC, Canada) ,  Black T. Andrew (Faculty of Land and Food Systems, University of British Columbia, Vancouver, BC, Canada) ,  Dalmagro Higo J. (Environmental Sciences Graduate Program, University of Cuiaba, Cuiaba, Brazil) ,  Kang Minseok (National Center for AgroMeteorology, Seoul, South Korea) ,  Kim Joon (National Center for AgroMeteorology, Seoul, South Korea) ,  Kim Joon (Department of Landscape Architecture & Rural Systems Engineering, Seoul National University, Seoul, South Korea) ,  Kim Joon (Interdisciplinary Program in Agricultural & Forest Meteorology, Seoul National University, Seoul, South Korea) ,  Baldocchi Dennis (Department of Environmental Science, Policy and Management, University of California, Berkeley, CA, USA)
資料名： Global Change Biology  (Global Change Biology)
巻： 26  号： 3  ページ： 1499-1518  発行年： 2020年 
JST資料番号： W2590A  ISSN： 1354-1013  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 渦共分散技術を用いたメタンフラックス(FCH_4)測定は過去10年間にわたって増加した。FCH_4測定は,CO_2とエネルギーフラックスを有する場合と同様に,一般的にデータギャップを含んでいる。しかし,ギャップ充填FCH_4データは,マルチドライバ依存性,複数の時間スケールにわたる変動性,非定常性,フラックスフットプリントの空間不均一性,生物物理的運転者の遅れた影響を含む独特の特性により,他のフラックスよりも挑戦的である。いくつかの研究者は,限界分布サンプリング(MDS)アルゴリズム,他のフラックスのための標準ギャップ充填法,FCH_4データセットを適用して,他は,FCH_4の挑戦的特性を解決するために,人工ニューラルネットワーク(ANN)を適用した。しかし,限られた比較研究のため,FCH_4ギャップ充填法に関するコンセンサスはまだない。ANNを超えた機械学習(ML)アルゴリズムのFCH_4データセットへの応用については認識されていない。ここでは,補助変数の多重組合せを用いて,MDSと3つのMLアルゴリズム(ANN,ランダムフォレスト[RF],サポートベクトルマシン[SVM])の性能を比較した。さらに,著者らは,FCH_4のマルチドライバ依存性を扱い,アルゴリズム構造の内部複雑性を減少させるために,アルゴリズムへの入力として主成分分析(PCA)を適用した。著者らは,温帯および熱帯湿地および水田に位置する自然および管理システムの両方から5つのベンチマークFCH_4データセットにこのアプローチを適用した。結果は,PCAが従来の入力と比較してMDSの性能を改善することを示した。PCA誘導入力を用いた場合と比較して,すべての利用可能な生物物理学的変数を用いると,MLアルゴリズムはより良く機能した。全体として,RFはすべてのサイトで他の技術より優れていることが分かった。著者らは,ギャップ充填不確実性が累積CH_4収支における測定不確実性よりはるかに大きいことを見出した。したがって,FCH_4ギャップ充填に使用されるアプローチは,年間生態系スケールのメタン収支を特性化するために重要な意味を持つことができ,その精度は,自然および管理システムの評価に重要であり,それらのグローバルな変化プロセスとの相互作用に重要である。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 熱帯 ,  ニューラルネットワーク ,  温帯 ,  管理システム ,  生態系 ,  サポートベクトルマシン ,  相互作用 ,  多重化 ,  *機械学習 ,  *アルゴリズム ,  生物物理学 ,  不確実性 ,  ベンチマーク ,  *主成分分析 ,  湿地

著者キーワード (8件)： 人工神経回路網 ,  ギャップ充填技術の比較 ,  渦共分散 ,  機械学習 ,  限界分布サンプリング ,  メタンフラックス ,  ランダムフォレスト ,  サポートベクトルマシン

分類 (2件)： 土壌生物  (FB04050N) ,  環境問題  (SA01020V)

タイトルに関連する用語 (6件)： 渦共分散 ,  メタンフラックス ,  ギャップ ,  機械学習 ,  アルゴリズム ,  主成分分析