YANG Yuting

Les tourbillons océaniques, phénomène omniprésent dans l'océan mondial, sont extrêmement importants pour l'énergie océanique et les échanges de matières. Par conséquent, la détection et le suivi efficaces des tourbillons sont essentiels pour améliorer notre compréhension de la dynamique des océans. Ce travail présente un cadre pour la détection et le suivi automatiques des tourbillons océaniques en s'appuyant sur des algorithmes d'apprentissage automatique de pointe. Tout d'abord, nous proposons un nouveau modèle de réseau neuronal convolutif pour la détection de tourbillons multiples. Ce modèle est capable d'extraire des informations précises sur les limites des tourbillons et de combler l'écart entre le contexte sémantique et la hauteur de la surface de la mer (SSH). Ensuite, un algorithme de suivi est conçu pour suivre les tourbillons pendant un certain nombre de jours et fournir une visualisation des processus dynamiques régissant les mouvements des tourbillons. Enfin, nous avons mis à la disposition du public notre ensemble de données, appelé SCSE-Eddy, qui peut être utilisé comme référence pour évaluer les performances des méthodes de détection des tourbillons basées sur l'intelligence artificielle (IA). L'ensemble de données couvre les données quotidiennes de SSH télédétectées situées dans la mer de Chine méridionale et ses zones maritimes orientales sur une période de 15 ans. Les résultats expérimentaux montrent que nos méthodes atteignent des performances prometteuses par rapport aux approches existantes, en particulier pour les tourbillons dont la frontière géographique est indistincte. Nous pensons que ce travail ouvre une nouvelle voie aux océanographes pour mieux découvrir et comprendre les propriétés physiques des tourbillons océaniques.

L'analyse standard des avantages et des coûts ignore souvent les distorsions causées par la fiscalité et l'hétérogénéité des contribuables. Dans cet article, nous explorons théoriquement et numériquement l'effet d'une taxation imparfaite sur la fourniture publique de réductions du risque de mortalité (ou sécurité publique). Nous montrons que cet effet dépend de manière critique de la source d'imperfection ainsi que des fonctions d'utilité individuelle et de probabilité de survie. Nos simulations basées sur la calibration des poids distributifs et appliquées à l'exemple COVID-19 suggèrent que la valeur par vie statistique, et à son tour le niveau optimal de sécurité publique, devraient être ajustés à la baisse en raison de la taxation imparfaite. Cependant, nous identifions également des circonstances dans lesquelles ce résultat est inversé, de sorte que la fiscalité imparfaite ne peut pas justifier de manière générique une moindre sécurité publique.

Le résumé en français n'a pas été communiqué par l'auteur.