論文の概要: Generating gapless land surface temperature with a high spatio-temporal
resolution by fusing multi-source satellite-observed and model-simulated data
- arxiv url: http://arxiv.org/abs/2111.15636v1
- Date: Mon, 29 Nov 2021 02:28:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 16:22:14.642463
- Title: Generating gapless land surface temperature with a high spatio-temporal
resolution by fusing multi-source satellite-observed and model-simulated data
- Title（参考訳）: 多源衛星観測データとモデルシミュレーションデータを用いた時空間分解能の高ギャップ地表面温度の生成
- Authors: Jun Ma, Huanfeng Shen, Penghai Wu, Jingan Wu, Meiling Gao, Chunlei
Meng
- Abstract要約: 本研究では,60m空間分解能と半時間時間時間分解能で空隙のないLSTをマッピングするために,衛星観測とLSMシミュレーションによるLSTデータの統合温度融合フレームワークを提案する。
都市支配地域(中国の武漢市)と自然支配地域(中国の平河流域)で評価を行った。
- 参考スコア（独自算出の注目度）: 7.166180462786921
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Land surface temperature (LST) is a key parameter when monitoring land
surface processes. However, cloud contamination and the tradeoff between the
spatial and temporal resolutions greatly impede the access to high-quality
thermal infrared (TIR) remote sensing data. Despite the massive efforts made to
solve these dilemmas, it is still difficult to generate LST estimates with
concurrent spatial completeness and a high spatio-temporal resolution. Land
surface models (LSMs) can be used to simulate gapless LST with a high temporal
resolution, but this usually comes with a low spatial resolution. In this
paper, we present an integrated temperature fusion framework for
satellite-observed and LSM-simulated LST data to map gapless LST at a 60-m
spatial resolution and half-hourly temporal resolution. The global linear model
(GloLM) model and the diurnal land surface temperature cycle (DTC) model are
respectively performed as preprocessing steps for sensor and temporal
normalization between the different LST data. The Landsat LST, Moderate
Resolution Imaging Spectroradiometer (MODIS) LST, and Community Land Model
Version 5.0 (CLM 5.0)-simulated LST are then fused using a filter-based
spatio-temporal integrated fusion model. Evaluations were implemented in an
urban-dominated region (the city of Wuhan in China) and a natural-dominated
region (the Heihe River Basin in China), in terms of accuracy, spatial
variability, and diurnal temporal dynamics. Results indicate that the fused LST
is highly consistent with actual Landsat LST data (in situ LST measurements),
in terms of a Pearson correlation coefficient of 0.94 (0.97-0.99), a mean
absolute error of 0.71-0.98 K (0.82-3.17 K), and a root-mean-square error of
0.97-1.26 K (1.09-3.97 K).
- Abstract（参考訳）: ランドサーフェス温度(LST)は、ランドサーフェスプロセスを監視する際の重要なパラメータである。
しかし、雲の汚染と空間分解能と時間分解能のトレードオフは、高品質の熱赤外(TIR)リモートセンシングデータへのアクセスを著しく妨げた。
これらのジレンマを解くための多大な努力にもかかわらず、空間的完全性と時空間分解能の高いLST推定を生成することは依然として困難である。
ランドサーフェスモデル(LSM)は、時間分解能の高いギャップレスLSTをシミュレートするために用いられるが、通常は空間分解能が低い。
本稿では,60m空間分解能と半時間時間時間分解能で空隙のないLSTをマッピングするために,衛星観測とLSMシミュレーションによるLSTデータの統合温度融合フレームワークを提案する。
大域線形モデル(GloLM)モデルと日中陸面温度サイクル(DTC)モデルはそれぞれ、センサーの前処理ステップとして、異なるLSTデータ間の時間正規化として実行される。
次に、Landsat LST、Modate Resolution Imaging Spectroradiometer (MODIS) LST、Community Land Model Version 5.0 (CLM 5.0)-simulated LSTをフィルタベースの時空間融合モデルを用いて融合する。
都市支配地域(中国の武漢市)と自然支配地域(中国の平河流域)において,正確性,空間変動性,日時変動の両面で評価を行った。
LSTは実際のランドサットのLSTデータとよく一致しており、ピアソン相関係数 0.94 (0.97-0.99)、平均絶対誤差 0.71-0.98 K (0.82-3.17 K)、根平均誤差 0.97-1.26 K (1.09-3.97 K) である。
関連論文リスト
- GrokLST: Towards High-Resolution Benchmark and Toolkit for Land Surface Temperature Downscaling [28.17231566763907]
高分解能表面温度(LST)は環境研究において重要である。
現在の手法は空間的非アリティを無視し、深層学習のためのオープンソースのエコシステムを欠いていることが多い。
モコLSKネットワーク(Modality-Conditional Large Selective Networks)を提案する。
MoCoLSKはマルチモーダル・データ・スルーモーダル・コンディショニング・プロジェクションを融合させ、LST予測精度を向上させる。
論文 参考訳（メタデータ） (2024-09-30T00:17:00Z) - 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) - High-Cadence Thermospheric Density Estimation enabled by Machine
Learning on Solar Imagery [0.14061979259370275]
我々は、NASAのソーラー・ダイナミクス・オブザーバ(SDO)極紫外線(EUV)スペクトル画像をニューラル熱圏密度モデルに組み込む。
我々は、EUV画像により、時間分解能をはるかに高め、地上ベースのプロキシを置き換えることができることを示した。
論文 参考訳（メタデータ） (2023-11-12T23:39:21Z) - Correlation-aware Spatial-Temporal Graph Learning for Multivariate
Time-series Anomaly Detection [67.60791405198063]
時系列異常検出のための相関対応時空間グラフ学習(CST-GL)を提案する。
CST-GLは、多変量時系列相関学習モジュールを介してペアの相関を明示的にキャプチャする。
新規な異常スコアリング成分をCST-GLにさらに統合し、純粋に教師なしの方法で異常の度合いを推定する。
論文 参考訳（メタデータ） (2023-07-17T11:04:27Z) - Landslide Susceptibility Prediction Modeling Based on Self-Screening
Deep Learning Model [9.7723814375467]
本稿では,自己スクリーニンググラフ畳み込みネットワークと長期記憶ネットワーク(SGCN-LSTM)を提案する。
設定しきい値間隔外において大きな誤差の地すべりサンプルを自己スクリーニング網で除去する。
環境要因間の非線形関係は空間ノードと時系列の両方から抽出できる。
論文 参考訳（メタデータ） (2023-04-12T10:31:03Z) - Neural Laplace Control for Continuous-time Delayed Systems [76.81202657759222]
本稿では,ニューラルラプラス力学モデルとモデル予測制御(MPC)プランナを組み合わせた連続時間モデルに基づくオフラインRL法を提案する。
専門家の政策性能に近い連続的な遅延環境を実験的に示す。
論文 参考訳（メタデータ） (2023-02-24T12:40:28Z) - SST: Real-time End-to-end Monocular 3D Reconstruction via Sparse
Spatial-Temporal Guidance [71.3027345302485]
リアルタイムモノクル3D再構成は未解決の課題である。
視覚SLAMシステムからのスパース推定点を利用したエンドツーエンドの3D再構成ネットワークSSTを提案する。
SSTは、59FPSで高い推論速度を維持しながら、最先端の競合他社よりも優れています。
論文 参考訳（メタデータ） (2022-12-13T12:17:13Z) - Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。
このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。
提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文 参考訳（メタデータ） (2022-02-23T18:57:53Z) - Convolutional Neural Network Modelling for MODIS Land Surface
Temperature Super-Resolution [0.5277024349608835]
我々はMODIS LST 単一画像の超高解像度化のための深層学習に基づくアルゴリズム、Multi-Residual U-Netを導入する。
提案するネットワークはU-Netアーキテクチャの修正版であり,1画素あたり1Kmから250mまでの入力LST画像を超解き放つことを目的としている。
論文 参考訳（メタデータ） (2022-02-22T09:12:40Z) - End-to-end LSTM based estimation of volcano event epicenter localization [55.60116686945561]
火山イベントの局所化問題に対処するために, エンドツーエンドのLSTMスキームを提案する。
LSTMは、時間変化の信号のダイナミクスを捉えることができるため、選択された。
その結果、LSTMベースのアーキテクチャは成功率、すなわち1.0Km未満のエラーが48.5%に等しいことを示した。
論文 参考訳（メタデータ） (2021-10-27T17:11:33Z) - Statistical Downscaling of Temperature Distributions from the Synoptic
Scale to the Mesoscale Using Deep Convolutional Neural Networks [0.0]
有望な応用の1つは、低分解能ダイナミックモデルの出力画像を高分解能画像に変換する統計的代理モデルを開発することである。
本研究では,6時間毎に合成温度場をメソスケール温度場にダウンスケールする代理モデルについて検討した。
代理モデルが短時間で実施されれば、高解像度の天気予報ガイダンスや環境緊急警報を低コストで提供する。
論文 参考訳（メタデータ） (2020-07-20T06:24:08Z)
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。