論文の概要: Wildfire smoke plume segmentation using geostationary satellite imagery

• arxiv url: http://arxiv.org/abs/2109.01637v1
• Date: Fri, 3 Sep 2021 17:29:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-06 14:35:39.281665
• Title: Wildfire smoke plume segmentation using geostationary satellite imagery
• Title（参考訳）: 静止衛星画像を用いた山火事煙プルームセグメンテーション
• Authors: Jeff Wen and Marshall Burke
• Abstract要約: 森林火災は過去20年間、特にアメリカ合衆国西部で発生頻度と深刻度が増加している。 この研究は深部畳み込みニューラルネットワークを用いて静止衛星画像から煙管を分割する。 本研究では, 環境保護庁 (EPA) が計測した大気中粒子状物質2.5umの粒径の変動量を推定するために, 因果推論法を用いて, 予測プルームセグメンテーションの性能を, ノイズの多いアノテーションと比較した。
• 参考スコア（独自算出の注目度）: 6.235293016158901
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wildfires have increased in frequency and severity over the past two decades, especially in the Western United States. Beyond physical infrastructure damage caused by these wildfire events, researchers have increasingly identified harmful impacts of particulate matter generated by wildfire smoke on respiratory, cardiovascular, and cognitive health. This inference is difficult due to the spatial and temporal uncertainty regarding how much particulate matter is specifically attributable to wildfire smoke. One factor contributing to this challenge is the reliance on manually drawn smoke plume annotations, which are often noisy representations limited to the United States. This work uses deep convolutional neural networks to segment smoke plumes from geostationary satellite imagery. We compare the performance of predicted plume segmentations versus the noisy annotations using causal inference methods to estimate the amount of variation each explains in Environmental Protection Agency (EPA) measured surface level particulate matter <2.5um in diameter ($\textrm{PM}_{2.5}$).
• Abstract（参考訳）: 森林火災は過去20年間、特にアメリカ合衆国西部で発生頻度と深刻度が増加している。 これらの山火事による物理的インフラの損傷以外にも、山火事の煙によって生じる粒子状物質が呼吸、心臓血管、認知健康に有害な影響を及ぼすと研究者は認識している。 この推測は、特に山火事の煙に起因する粒子状物質の量に関する空間的および時間的不確実性のため困難である。 この課題に寄与する要因の1つは、しばしばアメリカ合衆国に限られるノイズの多い表現である手書きの煙管アノテーションへの依存である。 この研究は深部畳み込みニューラルネットワークを用いて静止衛星画像から煙管を分割する。 本研究では,環境保護庁 (EPA) が計測した表面粒子状物質<2.5um in diameter (\textrm{PM}_{2.5}$) の変動量を推定するために,因果推論法を用いて予測プルームセグメンテーションの性能を比較した。

関連論文リスト

• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• Typhoon Intensity Prediction with Vision Transformer [51.84456610977905]
  台風強度を正確に予測するために「台風強度変換器(Tint)」を導入する。 Tintは、層ごとにグローバルな受容野を持つ自己認識機構を使用する。 公開されている台風ベンチマークの実験は、Tintの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-28T03:11:33Z)
• Mitigating climate and health impact of small-scale kiln industry using multi-spectral classifier and deep learning [5.992292768883151]
  小規模産業、特にブルトレンチレンガキルンは南アジアにおける大気汚染の重要な原因の1つである。 本稿では,南アジアの「Brick-Kiln-Belt」におけるレンガキルン検出のための高分解能画像を用いた多スペクトルデータの融合を提案する。
  論文  参考訳（メタデータ） (2023-03-21T07:54:58Z)
• Multimodal Wildland Fire Smoke Detection [5.15911752972989]
  研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。 スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。 SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T01:16:06Z)
• Detecting Crop Burning in India using Satellite Data [5.12352690404198]
  作物の残留物の燃焼は世界の多くの地域、特に南アジアにおける大気汚染の主な原因である。 燃焼の影響や、燃焼を減らすための介入の効果を測定するには、燃えた場所に関するデータが必要である。 本研究では,インド・パンジャブで発生した作物の残留物燃焼の地上モニタリングデータを利用して,衛星画像を用いて,燃焼をより効果的に検出できるかどうかを探索する。
  論文  参考訳（メタデータ） (2022-09-21T06:58:08Z)
• Mitigating Greenhouse Gas Emissions Through Generative Adversarial Networks Based Wildfire Prediction [11.484140660635239]
  我々は,山火事リスク予測のための深層学習に基づくデータ拡張手法を開発した。 提案手法を採用することで,地球規模の温室効果ガス排出量削減のため,山火事対策の予防戦略を採ることができる。
  論文  参考訳（メタデータ） (2021-08-20T00:36:30Z)
• 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)
• 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)
• STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
  本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。 提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2020-11-10T02:28:47Z)
• Dynamic Community Detection into Analyzing of Wildfires Events [55.72431452586636]
  本研究では,山火事の動態について,動的コミュニティ構造が明らかにする情報について検討する。 アマゾン盆地の火災イベントのMODISデータセットを用いた実験を行った。 以上の結果から,年間を通じて観測される山火事のパターンを明らかにすることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-11-02T17:31:47Z)

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。