論文の概要: Development and Interpretation of a Neural Network-Based Synthetic Radar
Reflectivity Estimator Using GOES-R Satellite Observations
- arxiv url: http://arxiv.org/abs/2004.07906v1
- Date: Thu, 16 Apr 2020 19:57:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 22:23:33.978497
- Title: Development and Interpretation of a Neural Network-Based Synthetic Radar
Reflectivity Estimator Using GOES-R Satellite Observations
- Title（参考訳）: GOES-R衛星観測によるニューラルネットワークを用いた合成レーダ反射率推定器の開発と解釈
- Authors: Kyle A. Hilburn, Imme Ebert-Uphoff, Steven D. Miller
- Abstract要約: 本研究は,降雨時のGOES-Rシリーズ観測を再現する技術を開発することを目的とする。
畳み込みニューラルネットワーク(CNN)は、GOES-Rラジダスと雷を合成レーダー反射場に変換するために開発された。
- 参考スコア（独自算出の注目度）: 0.02578242050187029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The objective of this research is to develop techniques for assimilating
GOES-R Series observations in precipitating scenes for the purpose of improving
short-term convective-scale forecasts of high impact weather hazards. Whereas
one approach is radiance assimilation, the information content of GOES-R
radiances from its Advanced Baseline Imager (ABI) saturates in precipitating
scenes, and radiance assimilation does not make use of lightning observations
from the GOES Lightning Mapper (GLM). Here, a convolutional neural network
(CNN) is developed to transform GOES-R radiances and lightning into synthetic
radar reflectivity fields to make use of existing radar assimilation
techniques. We find that the ability of CNNs to utilize spatial context is
essential for this application and offers breakthrough improvement in skill
compared to traditional pixel-by-pixel based approaches. To understand the
improved performance, we use a novel analysis methodology that combines several
techniques, each providing different insights into the network's reasoning.
Channel withholding experiments and spatial information withholding experiments
are used to show that the CNN achieves skill at high reflectivity values from
the information content in radiance gradients and the presence of lightning.
The attribution method, layer-wise relevance propagation, demonstrates that the
CNN uses radiance and lightning information synergistically, where lightning
helps the CNN focus on which neighboring locations are most important.
Synthetic inputs are used to quantify the sensitivity to radiance gradients,
showing that sharper gradients produce a stronger response in predicted
reflectivity. Finally, geostationary lightning observations are found to be
uniquely valuable for their ability to pinpoint locations of strong radar
echoes.
- Abstract（参考訳）: 本研究の目的は,降雨時のGOES-Rシリーズ観測を再現する手法を開発し,気象災害の短期的対流予測を改善することである。
ABI(Advanced Baseline Imager)から得られたGOES-Rラディアンスの放射光同化(Radiance Assimilation)は降水シーンで飽和し, GLM(GOES Lightning Mapper)からの光の観測では放射光同化は利用されない。
ここでは畳み込みニューラルネットワーク(cnn)を開発し、gos-r放射と雷を合成レーダ反射率場に変換し、既存のレーダ同化技術を利用する。
このアプリケーションでは,cnnが空間的コンテキストを利用する能力が不可欠であり,従来のピクセル・バイ・ピクセルのアプローチと比較して画期的な技術改善が期待できる。
改良された性能を理解するために,ネットワークの推論に異なる洞察を与える,いくつかの手法を組み合わせた新しい分析手法を用いる。
チャネル保持実験と空間情報保持実験を用いて,光度勾配における情報内容と雷の存在から,CNNが高い反射率で技術を達成することを示す。
帰属法,レイヤワイド関連伝搬は,CNNが放射光と雷情報を相乗的に利用し,雷がCNNが隣り合う場所を最も重要視するのに役立つことを示す。
合成入力は放射率勾配に対する感度を定量化するために用いられ、よりシャープな勾配は予測反射率においてより強い応答をもたらすことを示す。
最後に、静止雷観測は、強いレーダーエコーの位置を特定できる能力にユニークな価値があることが判明した。
関連論文リスト
- SRViT: Vision Transformers for Estimating Radar Reflectivity from Satellite Observations at Scale [0.7499722271664147]
静止衛星画像から高分解能(3km)合成レーダ反射率場を大規模に生成するトランスフォーマーベースニューラルネットワークを提案する。
本研究は,アメリカ合衆国における気象事象の短期的対流予測の強化と数値天気予報のためのデータ同化の支援を目的とする。
論文 参考訳（メタデータ） (2024-06-20T20:40:50Z) - NeRF-Casting: Improved View-Dependent Appearance with Consistent Reflections [57.63028964831785]
最近の研究は、遠方の環境照明の詳細な明細な外観を描画するNeRFの能力を改善しているが、近い内容の一貫した反射を合成することはできない。
我々はこれらの問題をレイトレーシングに基づくアプローチで解決する。
このモデルでは、それぞれのカメラ線に沿った点における視界依存放射率を求めるために高価なニューラルネットワークをクエリする代わりに、これらの点から光を流し、NeRF表現を通して特徴ベクトルを描画します。
論文 参考訳（メタデータ） (2024-05-23T17:59:57Z) - Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。
これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。
提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
論文 参考訳（メタデータ） (2023-06-22T10:10:25Z) - Semantic Segmentation of Radar Detections using Convolutions on Point
Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。
このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。
我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2023-05-22T07:09:35Z) - Attention-Based Scattering Network for Satellite Imagery [0.0]
我々は、この散乱を利用して、訓練可能なパラメータを追加せずに高レベルの特徴を抽出する。
実験では、熱帯性サイクロンの強度を推定し、衛星画像から雷の発生を予測する有望な結果を示した。
論文 参考訳（メタデータ） (2022-10-21T18:25:34Z) - Low-Light Hyperspectral Image Enhancement [90.84144276935464]
本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした,低照度HSI強調タスクに焦点を当てた。
ラプラシアのピラミッドの分解と再構成に基づいて, エンド・ツー・エンドのデータ駆動型低照度HSIエンハンスメント(HSIE)手法を開発した。
定量的評価と視覚効果の両面でのHSIEの有効性と効果を実証した。
論文 参考訳（メタデータ） (2022-08-05T08:45:52Z) - Toward Data-Driven STAP Radar [23.333816677794115]
我々は、時空間適応処理(STAP)レーダーに対するデータ駆動アプローチを特徴付ける。
所定領域に可変強度のターゲットをランダムに配置することにより、受信レーダ信号の豊富なサンプルデータセットを生成する。
この領域内の各データサンプルに対して、ビームフォーマの出力パワーのレンジ、方位、および上昇のヒートマップテンソルを生成する。
空中に浮かぶシナリオでは、動くレーダーは、ビデオに似た、これらのタイムインデクシングされたイメージスタックのシーケンスを生成する。
論文 参考訳（メタデータ） (2022-01-26T02:28:13Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳（メタデータ） (2021-04-29T10:06:29Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳（メタデータ） (2020-09-30T19:01:33Z) - CNN-based InSAR Denoising and Coherence Metric [4.051689818086047]
ノイズは衛星で受信されたマイクロ波反射を破損させ、信号のラップされた位相を汚染する。
畳み込みニューラルネットワーク(CNN)を導入し,InSAR画像復調フィルタの学習を行う。
オートエンコーダCNNアーキテクチャのInSAR画像復調フィルタへの応用について述べる。
論文 参考訳（メタデータ） (2020-01-20T03:20:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。