論文の概要: FireSRnet: Geoscience-Driven Super-Resolution of Future Fire Risk from
Climate Change
- arxiv url: http://arxiv.org/abs/2011.12353v1
- Date: Tue, 24 Nov 2020 20:19:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 14:22:26.070651
- Title: FireSRnet: Geoscience-Driven Super-Resolution of Future Fire Risk from
Climate Change
- Title(参考訳): FireSRnet:地球科学による気候変動による火災リスクの超解法
- Authors: Tristan Ballard and Gopal Erinjippurath
- Abstract要約: 本稿では, 火災リスク露光マップの高分解能化に向けた新しいアプローチを提案する。
SRアーキテクチャに着想を得て, 火災リスク露光マップ上で, SRのために訓練された効率的なディープラーニングモデルを提案する。
我々は,このSRモデルの北カリフォルニアおよびニューサウスウェールズ州における一般化可能性を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With fires becoming increasingly frequent and severe across the globe in
recent years, understanding climate change's role in fire behavior is critical
for quantifying current and future fire risk. However, global climate models
typically simulate fire behavior at spatial scales too coarse for local risk
assessments. Therefore, we propose a novel approach towards super-resolution
(SR) enhancement of fire risk exposure maps that incorporates not only 2000 to
2020 monthly satellite observations of active fires but also local information
on land cover and temperature. Inspired by SR architectures, we propose an
efficient deep learning model trained for SR on fire risk exposure maps. We
evaluate this model on resolution enhancement and find it outperforms standard
image interpolation techniques at both 4x and 8x enhancement while having
comparable performance at 2x enhancement. We then demonstrate the
generalizability of this SR model over northern California and New South Wales,
Australia. We conclude with a discussion and application of our proposed model
to climate model simulations of fire risk in 2040 and 2100, illustrating the
potential for SR enhancement of fire risk maps from the latest state-of-the-art
climate models.
- Abstract(参考訳): 近年、世界中で度重なる火災が発生しており、火災行動における気候変動の役割を理解することは、現在および将来の火災リスクの定量化に不可欠である。
しかし、地球規模の気候モデルは通常、局所的なリスク評価には粗い空間スケールでの火災挙動をシミュレートする。
そこで本稿では,2000年から2020年までの月次衛星観測だけでなく,土地被覆や気温に関する地域情報も含む,超解像(sr)による火災リスク曝露マップの高度化に向けた新しいアプローチを提案する。
SRアーキテクチャに着想を得て, 火災リスク露光マップ上で, SRのために訓練された効率的なディープラーニングモデルを提案する。
本モデルでは,解像度向上に関する評価を行い,標準画像補間技術よりも4倍,8倍の精度で性能を向上する。
次に,このSRモデルの北カリフォルニアおよびニューサウスウェールズ州における一般化可能性を示す。
我々は,2040年と2100年の火災リスクの気候モデルシミュレーションへの提案モデルの適用を議論し,最新の気象モデルからSRによる火災リスクマップの強化の可能性について考察した。
関連論文リスト
- FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳(メタデータ) (2024-01-28T13:23:25Z) - Reinforcement Learning for Wildfire Mitigation in Simulated Disaster
Environments [39.014859667729375]
森林火災は生命、財産、生態学、文化遺産、重要なインフラに脅威をもたらす。
SimFireは、現実的な山火事シナリオを生成するために設計された、多用途の野火投射シミュレータである。
SimHarnessはモジュール型のエージェントベースの機械学習ラッパーで、自動的に土地管理戦略を生成することができる。
論文 参考訳(メタデータ) (2023-11-27T15:37:05Z) - Modelling wildland fire burn severity in California using a spatial
Super Learner approach [0.04188114563181614]
米国西部の森林火災の頻度が高まる中、燃え尽き症候群を理解・正確に予測するツールを開発する必要がある。
遠隔で検知した火災予報データを用いて,燃焼後重大度を予測する機械学習モデルを開発した。
このモデルが実装されると、カリフォルニアの人命、財産、資源、生態系が失われる可能性がある。
論文 参考訳(メタデータ) (2023-11-25T22:09:14Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Deep graphical regression for jointly moderate and extreme Australian
wildfires [0.7864304771129751]
オーストラリアの近年の山火事は、経済的損失と資産破壊に繋がった。
気候変動によってその強度、持続時間、頻度が悪化するのではないかという懸念が高まっている。
ファイアスプレッドの全分布を確実にモデル化するために,頑健な統計手法を開発することが不可欠である。
論文 参考訳(メタデータ) (2023-08-28T13:04:52Z) - Deep Learning for Global Wildfire Forecasting [1.6929753878977016]
我々は,世界規模の火災データセットを作成し,世界規模の火災発生地域をサブシーズン規模で予測するプロトタイプを実証する。
本稿では,季節・季節の消防車に関連する様々な変数を含む,オープンアクセスのグローバル分析対応データキューブを提案する。
我々は,地球規模の山火事予測をイメージセグメンテーションタスクとして扱う深層学習モデルを訓練し,その前に焼かれた8,16,32,64日間の存在を巧みに予測する。
論文 参考訳(メタデータ) (2022-11-01T15:39:01Z) - Wildfire risk forecast: An optimizable fire danger index [0.0]
森林火災は世界中の多くの地域で深刻な被害をもたらしており、気候変動によって増加すると予想されている。
火災リスク指標は、火災のリスクを予測するために天気予報を使用する。
火災リスク指標の予測は、リスクの高い場所で資源を割り当てるために使用することができる。
そこで本研究では,勾配降下による内部パラメータの最適化が可能な微分可能な関数として,一指標(NFDRS IC)の新たな実装を提案する。
論文 参考訳(メタデータ) (2022-03-28T14:08:49Z) - Physically-Consistent Generative Adversarial Networks for Coastal Flood
Visualization [60.690929022840685]
合成視覚衛星画像の物理的整合性を確保するための,最初のディープラーニングパイプラインを提案する。
物理ベースのフラッドマップと比較して画像を評価することにより,提案手法が物理一貫性とフォトリアリズムの両方においてベースラインモデルを上回ることを見出した。
地球観測における画像と画像の翻訳を研究するために、25k以上の画像ペアのデータセットを公開する。
論文 参考訳(メタデータ) (2021-04-10T15:00:15Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳(メタデータ) (2021-03-14T17:56:17Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳(メタデータ) (2020-10-16T02:15:34Z)
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。