[論文レビュー] Ice Model Calibration Using Semi-continuous Spatial Data

Won Chang, Bledar A. Konomi+3 more|arXiv (Cornell University)|Jul 31, 2019

Cryospheric studies and observations被引用数 7

ひとこと要約

本論文は、半連続的空間データにおける氷の存在（二値）と氷厚（連続）を別々にモデル化する階層的潜在変数モデルを提案する。尤度に基づく一般化主成分分析を用いて次元削減を行い、計算上の課題を克服する。この手法により、従来のデータの集約や二値化を伴う手法と比較して、南極氷床モデルの正確なキャリブレーションが可能となり、パrametric不確実性と予測不確実性が顕著に低減される。

ABSTRACT

Rapid changes in Earth's cryosphere caused by human activity can lead to significant environmental impacts. Computer models provide a useful tool for understanding the behavior and projecting the future of Arctic and Antarctic ice sheets. However, these models are typically subject to large parametric uncertainties due to poorly constrained model input parameters that govern the behavior of simulated ice sheets. Computer model calibration provides a formal statistical framework to infer parameters using observational data, and to quantify the uncertainty in projections due to the uncertainty in these parameters. Calibration of ice sheet models is often challenging because the relevant model output and observational data take the form of semi-continuous spatial data, with a point mass at zero and a right-skewed continuous distribution for positive values. Current calibration approaches cannot handle such data. Here we introduce a hierarchical latent variable model that handles binary spatial patterns and positive continuous spatial patterns as separate components. To overcome challenges due to high-dimensionality we use likelihood-based generalized principal component analysis to impose low-dimensional structures on the latent variables for spatial dependence. We apply our methodology to calibrate a physical model for the Antarctic ice sheet and demonstrate that we can overcome the aforementioned modeling and computational challenges. As a result of our calibration, we obtain improved future ice-volume change projections.

研究の動機と目的

• 観測データおよびモデル出力データがゼロに点質量を有し、右に歪んだ正の値を持つ半連続的空間パターンである状況において、氷床モデルをキャリブレーションする課題に対処すること。
• 高次元的かつ空間的に依存する半連続的データにおけるモデルキャリブレーションに起因する計算的・推論的困難を克服すること。
• データの集約や二値化を回避することで情報を保持する統計的に妥当かつ計算的に実行可能な手法を開発すること。
• 半連続的データの二値的存在成分と連続的厚さ成分を直接モデル化することで、氷体積変化予測における不確実性評価を向上させること。

提案手法

• 本手法は、尤度を二つの成分に分離する混合モデルを採用する。一つは氷の存在を表す二値プロセス（ロジットリンクを用いてモデル化）、もう一つは存在が成立する条件での氷厚を表す連続プロセスである。
• 二値成分と連続成分の潜在変数は、それぞれ空間的依存構造を持つ独立したガウス過程でモデル化される。
• 潜在変数の次元削減のために尤度に基づく一般化主成分分析が適用され、計算の効率化が図られる。
• 氷が存在しない位置における有界な潜在変数を統合しないアプローチを採用することで、切断ガウス過程モデルの計算的ボトルネックを回避する。
• 推論には階層ベイズフレームワークが用いられ、シューマン＝モリソン＝ウッドベリーの公式および行列式の恒等式を用いて、行列の逆行列計算と行列式の計算が最適化される。
• Bedmap2観測データを用いたウェストアンタクティック氷床の物理モデルに本手法を適用し、エミュレーションとキャリブレーションを統合的に実施する。

実験結果

リサーチクエスチョン

• RQ1 半連続的空間データを用いて、データの集約や二値化を伴わずに氷床モデルをキャリブレーションする統一的統計枠組みを構築できるか？
• RQ2 半連続的データの二値的および連続的成分における空間的依存性を、計算の実行可能性を保ちつつ効果的にモデル化できるか？
• RQ3 半連続的データの完全な表現を用いることで、単純化されたデータ表現と比較して、パrametric不確実性および将来の氷体積変化予測にどのような影響を与えるか？
• RQ4 本手法は、既存のキャリブレーション技術と比較して、精度および不確実性低減の観点で優れているか？

主な発見

• 提案手法は、二値的および連続的成分を分離することで、高次元的かつ空間的に依存する半連続的データを効果的に処理し、有界な潜在変数を統合する必要がなくなる。
• 半連続的データを二値化した手法と比較して、パrametric不確実性および予測不確実性が低減される。
• シミュレーションスタディでは、本手法はデータ集約に基づく手法よりも真の入力パrameter値をより高い精度で回復する。
• Bedmap2を用いた実データ応用において、氷体積変化の予測密度が鋭くなり、OCFACパラメータの高い値が除外されたため、ピークがわずかに左方へシフトしている。
• 尤度に基づく主成分分析と行列恒等式の活用により、計算コストが顕著に低減され、大規模な空間データセットにおけるスケーラブルな推論が可能になる。
• 本手法は、特に観測された厚さデータと整合しない極端なパラメータ値を特定する点で、改善されたキャリブレーション性能とより情報豊かな不確実性評価を示している。