論文の概要: Spatio-temporal relationships between rainfall and convective clouds during Indian Monsoon through a discrete lens

• arxiv url: http://arxiv.org/abs/2008.08251v1
• Date: Wed, 19 Aug 2020 04:02:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 12:34:39.268858
• Title: Spatio-temporal relationships between rainfall and convective clouds during Indian Monsoon through a discrete lens
• Title（参考訳）: 離散レンズによるインドモンスーンにおける降雨と対流雲の時空間関係
• Authors: Arjun Sharma, Adway Mitra, Vishal Vasan, Rama Govindarajan
• Abstract要約: 2004年から2010年にかけてのモンスーンにおける降雨と長波放射(OLR)の関係について検討した。 OLRは一般的に降水量と負の相関が強いが,空間的変動は大きい。 インド全土の対流雲活動の変化は、南北方向のOLR勾配の確立により最も多い。
• 参考スコア（独自算出の注目度）: 2.2748974006378933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Indian monsoon, a multi-variable process causing heavy rains during June-September every year, is very heterogeneous in space and time. We study the relationship between rainfall and Outgoing Longwave Radiation (OLR, convective cloud cover) for monsoon between 2004-2010. To identify, classify and visualize spatial patterns of rainfall and OLR we use a discrete and spatio-temporally coherent representation of the data, created using a statistical model based on Markov Random Field. Our approach clusters the days with similar spatial distributions of rainfall and OLR into a small number of spatial patterns. We find that eight daily spatial patterns each in rainfall and OLR, and seven joint patterns of rainfall and OLR, describe over 90\% of all days. Through these patterns, we find that OLR generally has a strong negative correlation with precipitation, but with significant spatial variations. In particular, peninsular India (except west coast) is under significant convective cloud cover over a majority of days but remains rainless. We also find that much of the monsoon rainfall co-occurs with low OLR, but some amount of rainfall in Eastern and North-western India in June occurs on OLR days, presumably from shallow clouds. To study day-to-day variations of both quantities, we identify spatial patterns in the temporal gradients computed from the observations. We find that changes in convective cloud activity across India most commonly occur due to the establishment of a north-south OLR gradient which persists for 1-2 days and shifts the convective cloud cover from light to deep or vice versa. Such changes are also accompanied by changes in the spatial distribution of precipitation. The present work thus provides a highly reduced description of the complex spatial patterns and their day-to-day variations, and could form a useful tool for future simplified descriptions of this process.
• Abstract（参考訳）: インドモンスーン(英語: Indian monsoon)は、毎年6月から9月にかけて大雨を引き起こす多変量プロセスであり、空間と時間において非常に異質である。 2004年から2010年の間,モンスーンにおける降雨と長波放射(OLR,対流雲カバー)の関係について検討した。 降雨とOLRの空間パターンを特定し,分類し,可視化するために,マルコフ確率場に基づく統計モデルを用いて作成したデータの離散的かつ時空間的コヒーレントな表現を用いる。 我々のアプローチは、降雨とOLRの類似した空間分布を持つ日々を少数の空間パターンにまとめる。 その結果,1日あたりの降雨量,降雨量,降雨量,降雨量はそれぞれ9割以上を占めることがわかった。 これらのパターンを通して,OLRは一般的に降水量と負の相関が強いが,空間的変動は大きい。 特に、半島インド(西海岸を除く)は、大半は対流雲に覆われているが、雨は降らない。 また、モンスーンの降雨の多くは低天雲と共存しているが、6月のインド東部と北西部の降雨は、おそらくは浅い雲から起こると考えられている。 両量の日々の変動を研究するために,観測から計算した時間勾配の空間パターンを同定した。 インド全土の対流雲活動の変化は, 南北方向のOLR勾配が1～2日間持続し, 対流雲被覆が光から深部へ, あるいはその逆へと変化するため, 一般的に発生する。 このような変化には降水の空間分布の変化も伴う。 本研究は, 複雑な空間パターンとその日々の変動について, 高精度に記述し, 今後の簡易な記述に有用なツールとなる可能性がある。

関連論文リスト

• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• GD-CAF: Graph Dual-stream Convolutional Attention Fusion for Precipitation Nowcasting [1.642094639107215]
  降水マップの履歴グラフから学習するために,GD-CAF (Graph Dual-streamtemporal Conal Attention Fusion) を導入した。 GD-CAFは、ゲート・テンポラル・コンボリューション・アテンションと、深度に分離可能なコンボリューション・オペレーションを備えた融合モジュールで構成されている。 ERA5データセットから収集したヨーロッパとその周辺地域の7年間の降水分布図を評価した。
  論文  参考訳（メタデータ） (2024-01-15T20:54:20Z)
• Simultaneous Multivariate Forecast of Space Weather Indices using Deep Neural Network Ensembles [3.3935755618642367]
  太陽放射束と地磁気指数は、太陽活動とその影響の重要な指標である。 本稿では,時系列データの分布を学習するための,長期記憶ニューラルネットワークに基づくモデルを提案する。 太陽画像データと時系列データを含む場合、根平均二乗誤差を30～40%改善する。
  論文  参考訳（メタデータ） (2021-12-16T17:42:49Z)
• Large-Scale Spatio-Temporal Person Re-identification: Algorithm and Benchmark [100.77540900932763]
  224k以上の画像を持つ10,860のIDを含む,LaST(Large-scale Spatio-Temporal)の個人再IDデータセットを新たに提供した。 LaSTは、より困難で多彩なreID設定を示し、空間的および時間的範囲が大幅に大きい。
  論文  参考訳（メタデータ） (2021-05-31T16:05:51Z)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)
• A Deep and Wide Neural Network-based Model for Rajasthan Summer Monsoon Rainfall (RSMR) Prediction [0.0]
  インドのラジャスタン州における夏季モンスーン降雨予測のための様々な深層学習手法の分析と評価を行う。 IMDグリッドデータセットから、ラジャスタンの地理的境界内にある484座標の降雨データが選択されます。 また,水資源部門から降雨量計158局の降雨データも収集した。
  論文  参考訳（メタデータ） (2021-03-03T03:42:45Z)
• Deep-learning based down-scaling of summer monsoon rainfall data over Indian region [0.0]
  動的および統計的ダウンスケーリングモデルは、大域にわたって高解像度のグリッドデータを取得するためにしばしば使用される。 深層学習(DL)に基づく手法は,地域気候予報およびリアルタイム降雨観測データにおいて,降雨データを空間分解能の高い方法でダウンスケールする上で,効率的なソリューションを提供する。 本研究では,超高分解能畳み込みニューラルネットワーク(SRCNN)法から得られた3つの深層学習アルゴリズムを用いて,夏季モンスーンシーズンの4倍の高分解能降雨量データを生成する。
  論文  参考訳（メタデータ） (2020-11-23T10:24:17Z)
• Prediction of Rainfall in Rajasthan, India using Deep and Wide Neural Network [0.5735035463793008]
  インド・ラジャサン州の降雨予測モデル(DWRPM)を提案する。 地理的パラメータ(緯度と経度)の情報は、ユニークな方法で含まれる。 結果とLSTMやCNNのような様々な深層学習手法を比較し,シーケンスベースの予測でうまく機能することが確認された。
  論文  参考訳（メタデータ） (2020-10-22T15:01:22Z)
• From Rain Generation to Rain Removal [67.71728610434698]
  雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。 降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。 総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
  論文  参考訳（メタデータ） (2020-08-08T18:56:51Z)
• Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
  空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。 同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。 本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
  論文  参考訳（メタデータ） (2020-03-24T17:22:37Z)

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。