論文の概要: TCR-GAN: Predicting tropical cyclone passive microwave rainfall using
infrared imagery via generative adversarial networks
- arxiv url: http://arxiv.org/abs/2201.07000v1
- Date: Fri, 14 Jan 2022 08:22:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 17:10:25.592482
- Title: TCR-GAN: Predicting tropical cyclone passive microwave rainfall using
infrared imagery via generative adversarial networks
- Title（参考訳）: TCR-GAN:赤外画像を用いた熱帯サイクロン受動マイクロ波降雨予測
- Authors: Fan Meng, Tao Song, Danya Xu
- Abstract要約: 本研究では、熱帯サイクロン(TC)の衛星赤外(IR)画像から受動マイクロ波雨量(PMR)を直接予測することにより、この問題の解決を試みる。
我々は, 赤外線画像をPMRに変換するGAN(Generative Adversarial Network)を開発し, TCクラウドトップの明るい温度とPMRのマッピング関係を確立する。
実験の結果,IRから重要な特徴を効果的に抽出できることが示唆された。
- 参考スコア（独自算出の注目度）: 11.34283731463713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tropical cyclones (TC) generally carry large amounts of water vapor and can
cause large-scale extreme rainfall. Passive microwave rainfall (PMR) estimation
of TC with high spatial and temporal resolution is crucial for disaster warning
of TC, but remains a challenging problem due to the low temporal resolution of
microwave sensors. This study attempts to solve this problem by directly
forecasting PMR from satellite infrared (IR) images of TC. We develop a
generative adversarial network (GAN) to convert IR images into PMR, and
establish the mapping relationship between TC cloud-top bright temperature and
PMR, the algorithm is named TCR-GAN. Meanwhile, a new dataset that is available
as a benchmark, Dataset of Tropical Cyclone IR-to-Rainfall Prediction (TCIRRP)
was established, which is expected to advance the development of artificial
intelligence in this direction. Experimental results show that the algorithm
can effectively extract key features from IR. The end-to-end deep learning
approach shows potential as a technique that can be applied globally and
provides a new perspective tropical cyclone precipitation prediction via
satellite, which is expected to provide important insights for real-time
visualization of TC rainfall globally in operations.
- Abstract（参考訳）: 熱帯サイクロン(tc)は一般的に大量の水蒸気を持ち、大規模な極端な降雨を引き起こすことがある。
マイクロ波センサの低時間分解能のため,高空間分解能,高時間分解能のTCMのパッシブマイクロ波降雨(PMR)推定はTTCの災害警報に不可欠であるが,依然として課題である。
本研究は、TCの衛星赤外線画像から直接PMRを予測することにより、この問題を解決する。
我々は, 赤外線画像をPMRに変換するGAN(Generative Adversarial Network)を開発し, TCクラウドトップの明るい温度とPMRのマッピング関係を確立し, そのアルゴリズムをTCR-GANと呼ぶ。
一方、ベンチマークとして利用可能な新しいデータセットとして、熱帯サイクロンのIR-to-Rainfall Prediction(TCIRRP)が確立され、この方向に人工知能の発展が進むことが期待されている。
実験の結果,IRから重要な特徴を効果的に抽出できることが示唆された。
エンドツーエンドのディープラーニングアプローチは、グローバルに適用可能なテクニックとしての可能性を示し、衛星による熱帯性サイクロン降雨予測の新たな視点を提供する。
関連論文リスト
- PAUNet: Precipitation Attention-based U-Net for rain prediction from
satellite radiance data [0.0]
本稿では,衛星放射データから降水を予測するディープラーニングアーキテクチャPAUNetを提案する。
PAUNetはU-NetとRes-Netの亜種であり、マルチバンド衛星画像の大規模コンテキスト情報を効果的にキャプチャするために設計された。
PAUNetは、ヨーロッパ各地のデータセットに基づいてトレーニングされており、ベースラインモデルよりも高い臨界成功指数(CSI)スコアで顕著な精度を示している。
論文 参考訳（メタデータ） (2023-11-30T07:22:55Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - 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) - Semantic Segmentation of Radar Detections using Convolutions on Point
Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。
このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。
我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2023-05-22T07:09:35Z) - A Deep Learning Architecture for Passive Microwave Precipitation
Retrievals using CloudSat and GPM Data [0.0]
本稿では,降雨のマイクロ波を受動的に検索するために,一連の高密度ニューラルネットワークと深層ニューラルネットワークを利用するアルゴリズムを提案する。
ニューラルネットワークは、GPM (Global Precipitation Measurement) Microwave Imager (GMI) から輝度温度の一致から学習する
アルゴリズムはまず降水の発生とフェーズを検出し、その結果をいくつかの重要な補助情報に条件付けながらその速度を推定する。
論文 参考訳（メタデータ） (2022-12-02T18:25:42Z) - PCT-CycleGAN: Paired Complementary Temporal Cycle-Consistent Adversarial
Networks for Radar-Based Precipitation Nowcasting [3.4956929165638764]
本稿では,レーダを用いた降水流のための相補的時間周期一貫性対向ネットワーク (PCT-CycleGAN) を提案する。
PCT-CycleGANは画像間翻訳において高い性能を示す。
反復予測で最大2時間の信頼性のある予測を提供する。
論文 参考訳（メタデータ） (2022-11-28T04:08:55Z) - Evaluating Short-Term Forecasting of Multiple Time Series in IoT
Environments [67.24598072875744]
IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。
この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。
これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
論文 参考訳（メタデータ） (2022-06-15T19:46:59Z) - Unsupervised Restoration of Weather-affected Images using Deep Gaussian
Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。
我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。
提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文 参考訳（メタデータ） (2022-04-23T01:30:47Z) - Identifying Distributional Differences in Convective Evolution Prior to
Rapid Intensification in Tropical Cyclones [4.925967492198013]
熱帯サイクロン(TC)強度予測は6時間ごとにヒトの予測者によって発行される。
これらの時間的制約の中では、そのようなデータから洞察を引き出すのは難しい。
ここでは、強力なAI予測アルゴリズムと古典的な統計的推測を利用して、嵐の急速な激化につながるTC構造の進化におけるパターンを特定する。
論文 参考訳（メタデータ） (2021-09-24T15:33:29Z) - Real-time Tropical Cyclone Intensity Estimation by Handling Temporally
Heterogeneous Satellite Data [33.528810128372704]
本稿では,GAN(Generative Adversarial Network)と畳み込みニューラルネットワーク(CNN)を組み合わせた新しいフレームワークを提案する。
実験結果から,ハイブリッドGAN-CNNフレームワークは最先端モデルに匹敵する精度を実現することが示された。
論文 参考訳（メタデータ） (2020-10-28T13:40:07Z) - From Rain Generation to Rain Removal [67.71728610434698]
雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。
降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。
総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
論文 参考訳（メタデータ） (2020-08-08T18:56:51Z)
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。