論文の概要: Deciphering Environmental Air Pollution with Large Scale City Data
- arxiv url: http://arxiv.org/abs/2109.04572v1
- Date: Thu, 9 Sep 2021 22:00:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-14 01:55:00.357595
- Title: Deciphering Environmental Air Pollution with Large Scale City Data
- Title（参考訳）: 大規模都市データによる環境大気汚染の解明
- Authors: Mayukh Bhattacharyya, Sayan Nag, Udita Ghosh
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Out of the numerous hazards posing a threat to sustainable environmental
conditions in the 21st century, only a few have a graver impact than air
pollution. Its importance in determining the health and living standards in
urban settings is only expected to increase with time. Various factors ranging
from emissions from traffic and power plants, household emissions, natural
causes are known to be primary causal agents or influencers behind rising air
pollution levels. However, the lack of large scale data involving the major
factors has hindered the research on the causes and relations governing the
variability of the different air pollutants. Through this work, we introduce a
large scale city-wise dataset for exploring the relationships among these
agents over a long period of time. We analyze and explore the dataset to bring
out inferences which we can derive by modeling the data. Also, we provide a set
of benchmarks for the problem of estimating or forecasting pollutant levels
with a set of diverse models and methodologies. Through our paper, we seek to
provide a ground base for further research into this domain that will demand
critical attention of ours in the near future.
- Abstract（参考訳）: 21世紀の持続可能な環境環境に脅威をもたらす多くの危険のうち、大気汚染よりも深刻な影響を持つのはわずかである。
都市環境における健康と生活水準を決定することの重要性は、時間とともに増加すると期待されている。
交通や発電所からの排出、家庭の排出、自然の要因など様々な要因が、大気汚染レベルが上昇する背景にある主要な要因や影響要因であることが知られている。
しかしながら、主要な要因を含む大規模なデータがないことが、異なる大気汚染物質の変動性を支配する原因と関係の研究を妨げている。
本研究では,これらのエージェント間の関係を長期にわたって探究するための大規模都市別データセットを提案する。
私たちはデータセットを分析して探索し、データモデリングによって導出できる推論を導き出します。
また,様々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。
本稿では,この領域のさらなる研究のための基礎的基盤を提供し,近い将来,我々の批判的関心を喚起することを目指している。
関連論文リスト
- Urban Air Pollution Forecasting: a Machine Learning Approach leveraging Satellite Observations and Meteorological Forecasts [0.11249583407496218]
大気汚染は公衆衛生、特に都市部において重大な脅威となる。
本研究では, センチネル5P衛星のデータ, 気象条件, トポロジカル特性を統合し, 5つの主要な汚染物質の将来レベルを予測する機械学習モデルを提案する。
論文 参考訳（メタデータ） (2024-05-30T10:02:53Z) - Aurora: A Foundation Model of the Atmosphere [56.97266186291677]
我々はAuroraを紹介します。Auroraは、100万時間以上の多様な気象および気候データに基づいてトレーニングされた大気の大規模な基礎モデルです。
オーロラは1分以内に5日間の大気汚染予測と10日間の高解像度気象予測を生み出している。
論文 参考訳（メタデータ） (2024-05-20T14:45:18Z) - 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) - Environmental Insights: Democratizing Access to Ambient Air Pollution
Data and Predictive Analytics with an Open-Source Python Package [0.0]
Environmental Insightsは、大気汚染濃度データへのアクセスを民主化するために設計されたオープンソースのPythonパッケージである。
このツールを使うと、ユーザーは過去の大気汚染データを検索し、機械学習モデルを使って将来の状況を予測することができる。
論文 参考訳（メタデータ） (2024-03-06T12:34:50Z) - 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) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Estimation of Air Pollution with Remote Sensing Data: Revealing
Greenhouse Gas Emissions from Space [1.9659095632676094]
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。
論文 参考訳（メタデータ） (2021-08-31T14:58:04Z) - Mining atmospheric data [0.0]
最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。
第2の課題は、大気データ分類のための深層学習手法の調査である。
対象とする用途は、空気質の評価と予測である。
論文 参考訳（メタデータ） (2021-06-26T10:04:35Z) - 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) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳（メタデータ） (2020-11-03T21:22:42Z) - Conditional Generative Adversarial Networks to Model Urban Outdoor Air
Pollution [0.8122270502556374]
本稿では, 所定の分類に従って, 合成二酸化窒素の日時系列を生成できるモデルを訓練することを提案する。
提案手法は, 計算時間削減を必要としながら, 高精度で多彩な毎日の汚染時系列を生成することができる。
論文 参考訳（メタデータ） (2020-10-05T18:01:10Z)
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。