論文の概要: On the Generalization of Agricultural Drought Classification from Climate Data

• arxiv url: http://arxiv.org/abs/2111.15452v1
• Date: Tue, 30 Nov 2021 14:49:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-01 15:52:43.497329
• Title: On the Generalization of Agricultural Drought Classification from Climate Data
• Title（参考訳）: 気候データによる農業干ばつ分類の一般化について
• Authors: Julia Gottfriedsen, Max Berrendorf, Pierre Gentine, Markus Reichstein, Katja Weigel, Birgit Hassler, Veronika Eyring
• Abstract要約: 干ばつの発生は遅く、様々な外部要因に依存するため、気候データの干ばつ検出は困難である。 我々は,水文モデルから得られた土壌水分指数(SMI)を構築した。 SMIに基づく干ばつ分類において,異なるモデルと逐次帰納的バイアスを伴わないモデルを比較した。
• 参考スコア（独自算出の注目度）: 0.1908788674366693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Climate change is expected to increase the likelihood of drought events, with severe implications for food security. Unlike other natural disasters, droughts have a slow onset and depend on various external factors, making drought detection in climate data difficult. In contrast to existing works that rely on simple relative drought indices as ground-truth data, we build upon soil moisture index (SMI) obtained from a hydrological model. This index is directly related to insufficiently available water to vegetation. Given ERA5-Land climate input data of six months with land use information from MODIS satellite observation, we compare different models with and without sequential inductive bias in classifying droughts based on SMI. We use PR-AUC as the evaluation measure to account for the class imbalance and obtain promising results despite a challenging time-based split. We further show in an ablation study that the models retain their predictive capabilities given input data of coarser resolutions, as frequently encountered in climate models.
• Abstract（参考訳）: 気候変動は干ばつの可能性を高め、食料安全保障に深刻な影響を及ぼすと予想されている。 他の自然災害とは異なり、干ばつの発生は遅く、様々な外部要因に依存するため、気候データの干ばつ検出は困難である。 水文モデルから得られた土壌水分指数 (SMI) に基づいて, 簡易相対干ばつ指標を地中構造データとして用いた既存研究と対比した。 この指標は、植物に不足した水に直接関係している。 気象観測衛星MODISによる土地利用情報を用いた6ヶ月のERA5-Land気候入力データから、SMIに基づく干ばつ分類において、異なるモデルと逐次誘導バイアスのないモデルを比較した。 我々は,PR-AUCを評価指標として,クラス不均衡を考慮し,挑戦的な時間分割にもかかわらず有望な結果を得る。 さらに,気候モデルで頻繁に見られるような粗い解像度の入力データから,モデルが予測能力を保っていることをアブレーション研究で示している。

関連論文リスト

• Global spatio-temporal downscaling of ERA5 precipitation through generative AI [3.320484236699228]
  本研究では,地球規模での降水量の時間的ダウンスケーリングを初めて行う深層学習システムSpateGAN-ERA5について紹介する。 SpateGAN-ERA5は条件付き生成対向神経ネットワーク(cGAN)を使用し、ERA5の降水量は24kmから1時間から2kmと10分に増大する。 現実的で大局的なパターンと極端を含む正確な降雨量分布を持つ高解像度の降雨場を提供する。
  論文  参考訳（メタデータ） (2024-11-22T14:11:23Z)
• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• 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)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• 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)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• An Evaluation of Machine Learning and Deep Learning Models for Drought Prediction using Weather Data [1.1977931648859175]
  干ばつは深刻な自然災害であり、長い期間と幅広い影響がある。 干ばつによる損失を減らすため、干ばつ予測は、対応する干ばつ防止と防災対策の基盤となる。 気象データを用いて機械学習モデルで干ばつを正確に予測できるかどうかは不明だ。
  論文  参考訳（メタデータ） (2021-07-06T10:19:43Z)
• Loosely Conditioned Emulation of Global Climate Models With Generative Adversarial Networks [2.937141232326068]
  我々は、完全に結合した地球モデルから毎日の降水量をエミュレートする2つの「緩やかな条件付き」ジェネレーターネットワーク(GAN)を訓練する。 GANは時間的なサンプルを作り出すために訓練されます:地球を区別する64x128規則的な格子上の沈殿物の32日。 当社の訓練を受けたGANは、大幅に削減された計算コストで多数の実現を迅速に生成できます。
  論文  参考訳（メタデータ） (2021-04-29T02:10:08Z)
• Prediction of short and long-term droughts using artificial neural networks and hydro-meteorological variables [0.0]
  ニューラルネットワーク(ANN)のモデルは、標準降水指数(SPI)を異なる時間スケールで使用することにより、短期および長期の干ばつを予測するために使用される。 その結果,全ての水文-気象変数の応用は,異なる時間スケールでのSPIの予測を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2020-06-03T23:20:34Z)

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。