論文の概要: Estimation of Air Pollution with Remote Sensing Data: Revealing
Greenhouse Gas Emissions from Space
- arxiv url: http://arxiv.org/abs/2108.13902v1
- Date: Tue, 31 Aug 2021 14:58:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-01 14:34:38.241066
- Title: Estimation of Air Pollution with Remote Sensing Data: Revealing
Greenhouse Gas Emissions from Space
- Title(参考訳): リモートセンシングデータによる大気汚染の推定:宇宙からの温室効果ガスの回収
- Authors: Linus Scheibenreif, Michael Mommert and Damian Borth
- Abstract要約: 地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。
本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
- 参考スコア(独自算出の注目度): 1.9659095632676094
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Air pollution is a major driver of climate change. Anthropogenic emissions
from the burning of fossil fuels for transportation and power generation emit
large amounts of problematic air pollutants, including Greenhouse Gases (GHGs).
Despite the importance of limiting GHG emissions to mitigate climate change,
detailed information about the spatial and temporal distribution of GHG and
other air pollutants is difficult to obtain. Existing models for surface-level
air pollution rely on extensive land-use datasets which are often locally
restricted and temporally static. This work proposes a deep learning approach
for the prediction of ambient air pollution that only relies on remote sensing
data that is globally available and frequently updated. Combining optical
satellite imagery with satellite-based atmospheric column density air pollution
measurements enables the scaling of air pollution estimates (in this case
NO$_2$) to high spatial resolution (up to $\sim$10m) at arbitrary locations and
adds a temporal component to these estimates. The proposed model performs with
high accuracy when evaluated against air quality measurements from ground
stations (mean absolute error $<$6$~\mu g/m^3$). Our results enable the
identification and temporal monitoring of major sources of air pollution and
GHGs.
- Abstract(参考訳): 大気汚染は気候変動の主要な要因である。
輸送と発電のための化石燃料の燃焼による人為的排出は、温室効果ガス(GHG)を含む大量の問題のある大気汚染物質を放出する。
気候変動を緩和するためには, 温室効果ガス排出量の削減が重要であるにもかかわらず, 温室効果ガス等の大気汚染物質の空間的および時間的分布に関する詳細な情報を得ることは困難である。
地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。
本研究は,グローバルに利用可能かつ頻繁に更新されるリモートセンシングデータのみに依存する環境大気汚染予測のための深層学習手法を提案する。
光衛星画像と衛星ベースの大気柱密度大気汚染測定を組み合わせることで、大気汚染の推定値(NO$_2$)を任意の場所で高い空間分解能(最大$\sim$10m)にスケーリングし、これらの推定値に時間的成分を加えることができる。
提案モデルでは,地上局からの空気質測定(絶対誤差$<$6$~\mu g/m^3$)に対して高い精度で評価を行う。
その結果,大気汚染とghgの主な発生源の同定と時間的モニタリングが可能となった。
関連論文リスト
- GeoFormer: A Vision and Sequence Transformer-based Approach for
Greenhouse Gas Monitoring [2.1647301294759624]
本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。
我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
論文 参考訳(メタデータ) (2024-02-11T11:20:29Z) - FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$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) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳(メタデータ) (2023-08-21T19:36:50Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Air Pollution Hotspot Detection and Source Feature Analysis using
Cross-domain Urban Data [2.458537954999774]
汚染源に隣接する地域はしばしば環境汚染濃度が高く、これらは一般に大気汚染ホットスポットと呼ばれる。
本稿では,局所的なスパイク検出とサンプル重み付けクラスタリングを含む,モバイルセンシングデータからホットスポットを検出する2段階のアプローチを提案する。
ソフトバリデーションとして,モバイルセンシングデータを使用しない都市を対象としたホットスポット推定モデルを構築した。
論文 参考訳(メタデータ) (2022-11-15T18:44:03Z) - Climate Change & Computer Audition: A Call to Action and Overview on
Audio Intelligence to Help Save the Planet [98.97255654573662]
この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。
我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
論文 参考訳(メタデータ) (2022-03-10T13:32:31Z) - Deciphering Environmental Air Pollution with Large Scale City Data [0.0]
交通や発電所からの排出、家庭からの排出、自然発生など、様々な要因が大気汚染の上昇の背後にある主要な原因要因または影響要因であることが知られている。
本稿では,これらのエージェント間の関係を長期にわたって探索するための大規模都市情報データセットを提案する。
また,多種多様なモデルと方法論を用いて汚染物質レベルを推定または予測する問題に対するベンチマークのセットを提供する。
論文 参考訳(メタデータ) (2021-09-09T22:00:51Z) - Effects of a nuclear disturbed environment on a quantum free space
optical link [52.77024349608834]
本書は, 地上・衛星・受信システムの信号減衰に及ぼす核分裂大気環境の影響について検討する。
上昇する核雲とその後に輸送された破片を通して伝達される信号の減衰は、気候学的に10kt、100kt、および1山の表面レベルでの爆発をモデル化する。
論文 参考訳(メタデータ) (2021-08-10T19:25:54Z) - HVAQ: A High-Resolution Vision-Based Air Quality Dataset [3.9523800511973017]
PM2.5, PM10, 温度, 湿度データからなる高時間・空間分解能空気質データセットを提案する。
我々は,センサの密度と画像によって予測精度が向上することを示すために,いくつかの視覚に基づくPM濃度予測アルゴリズムをデータセット上で評価した。
論文 参考訳(メタデータ) (2021-02-18T13:42:34Z) - Use of Remote Sensing Data to Identify Air Pollution Signatures in India [0.3683202928838613]
センチネル-5P衛星の打ち上げは、より広い範囲の大気汚染物質の観測に役立った。
クラスタリングシグネチャは、様々な汚染源から放出される汚染物質の種類に基づいて、州や地区を特定するために使用することができる。
論文 参考訳(メタデータ) (2020-12-01T11:06:23Z) - Averaging Atmospheric Gas Concentration Data using Wasserstein
Barycenters [68.978070616775]
ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。
気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
論文 参考訳(メタデータ) (2020-10-06T14:31:25Z)
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。