Assessment of the capabilities of the temporal and spatiotemporal ICA method for geophysical signal separation in GRACE data
Notice bibliographique
Résumé
Abstract We investigate the potential of two independent component analysis (ICA) methods, i.e., the temporal and spatiotemporal ICA, for separating geophysical signals in Gravity Recovery and Climate Experiment (GRACE) data. These methods are based on the assumption of the statistical independence of the signals and thus separate the GRACE‐observed mass changes into maximal independent signals. These two ICA methods are compared to the conventional principal component analysis (PCA) method. We test the three methods with respect to their ability to separate a periodic hydrological signal from a trend signal originating in the solid Earth or the cryosphere with simulated and Center for Space Research GRACE mass changes for the time period of January 2003 to December 2010. In addition, we investigate whether the methods are capable of separating hydrological annual and semiannual mass variations. It is shown that both ICA methods are superior to PCA when non‐Gaussian mass variations are analyzed. Furthermore, the spatiotemporal ICA resolves successfully the lack of full temporal and spatial independence of the geophysical signals observed by GRACE both in global and regional simulation scenarios. Although the temporal and spatiotemporal ICA are nearly equivalent, both superior to PCA in the global GRACE analysis, the spatiotemporal ICA proves to be more efficient in regional applications by recover more reliably the postglacial rebound trend in North America and the bimodal total water storage variability in Africa.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».