文献

J-GLOBAL ID：202202242579713929   整理番号：22A0430658

AMSR2測定からの北極海氷上の寒冷季節積雪深さを検索するための深層学習アプローチ【JST・京大機械翻訳】

A deep learning approach to retrieve cold-season snow depth over Arctic sea ice from AMSR2 measurements

著者 (14件)： Li Haili (Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Key Laboratory for Land Satellite Remote Sensing Applications of Ministry of Natural Resources, School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China) ,  Li Haili (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210023, China) ,  Li Haili (Collaborative Innovation Center of South China Sea Studies, Nanjing 210023, China) ,  Ke Chang-Qing (Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Key Laboratory for Land Satellite Remote Sensing Applications of Ministry of Natural Resources, School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China) ,  Ke Chang-Qing (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210023, China) ,  Ke Chang-Qing (Collaborative Innovation Center of South China Sea Studies, Nanjing 210023, China) ,  Zhu Qinghui (Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Key Laboratory for Land Satellite Remote Sensing Applications of Ministry of Natural Resources, School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China) ,  Zhu Qinghui (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210023, China) ,  Zhu Qinghui (Collaborative Innovation Center of South China Sea Studies, Nanjing 210023, China) ,  Li Mengmeng (Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Key Laboratory for Land Satellite Remote Sensing Applications of Ministry of Natural Resources, School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China) ,  Shen Xiaoyi (Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Key Laboratory for Land Satellite Remote Sensing Applications of Ministry of Natural Resources, School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China) ,  Shen Xiaoyi (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210023, China) ,  Shen Xiaoyi (Collaborative Innovation Center of South China Sea Studies, Nanjing 210023, China) ,  Li Mengmeng (Henan Academy of Big Data, Zhengzhou University, Zhengzhou 450001, China)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 269  ページ： Null  発行年： 2022年 
JST資料番号： C0252B  ISSN： 0034-4257  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： 海氷上の積雪は海氷条件の変化を調整し,地球の気候システムで重要な役割を果たす。積雪の重要なパラメータである積雪深は,衛星高度計データに基づく海氷の厚さを検索するための必要な変数である。ここでは,回帰分析(RA)を用いて,雪の深さを推定するための輝度温度の最良の勾配比(GR)の組み合わせを決定し,RAモデルを提案した。RAモデルに基づいて,1つの付加的深層学習モデル,すなわち5変数長短期メモリ(5VLSTM)モデル(またはRA-5VLSTMモデル)を構築した。一方,付加的ニューラルネットワークモデルを,比較,すなわち,5変数遺伝的ウェーブレットニューラルネットワーク(5VGWNN)モデル(またはRA-5VGWNNモデル)のために構築した。運転アイスブリッジ(OIB)とアイスマスバランスブイ(IMB)データを使用して,これらの3つのモデル,プラス3つの既存のアルゴリズムを比較し,積雪深さの推定におけるそれらの性能を評価した。結果は,RA-5VLSTMモデルが,7.16cmのRMSEで,6つのアルゴリズムの間でかなりよく機能することを示した。ロバストなアプローチであるRA-5VLSTMモデルは入力データの不確実性によってあまり影響されなかった。2012~2020年の1月から4月まで,Beaufort海とChukchi海における平均月雪深さは,主に下降傾向を示し,一方,上昇傾向は,ほとんどの月において中央北極において観測された。中央北極圏の積雪深の変動は,秋2m気温(T2m)と海面水温(SST)によって主に影響を受けた。Chukchi海における積雪深の変動は,主に秋海氷速度によって影響を受けた。Copyright 2022 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： アルゴリズム ,  気温 ,  回帰分析 ,  不確実性 ,  地球 ,  *積雪 ,  秋 ,  *海氷 ,  海面水温 ,  *海洋 ,  輝度温度 ,  北極圏
準シソーラス用語： *雪 ,  *北極地方 ,  *積雪深さ , 【Automatic Indexing@JST】

著者キーワード (6件)： 積雪深 ,  北極海氷 ,  勾配比(GR) ,  氷質量収支ブイ ,  AMSR2 ,  深層学習

分類 (2件)： 雪氷学  (DC08000N) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (7件)： AMSR2 ,  北極 ,  海氷 ,  季節 ,  積雪深さ ,  検索 ,  深層学習