論文の概要: An attention mechanism based convolutional network for satellite
precipitation downscaling over China
- arxiv url: http://arxiv.org/abs/2203.14812v1
- Date: Mon, 28 Mar 2022 14:48:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-29 21:20:20.816507
- Title: An attention mechanism based convolutional network for satellite
precipitation downscaling over China
- Title(参考訳): 中国における衛星降水ダウンスケーリングのための注意機構に基づく畳み込みネットワーク
- Authors: Yinghong Jing, Liupeng Lin, Xinghua Li, Tongwen Li, Huanfeng Shen
- Abstract要約: グローバル降水量測定(GPM)ミッション(IMERG)の総合的マルチサテライトE検索は,グローバルおよび地域降水量調査に広く利用されている。
本稿では,IMERG の月間降水量のダウンスケール化のために,注意機構に基づく畳み込みネットワーク (AMCN) を提案する。
- 参考スコア(独自算出の注目度): 1.0919595627542995
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Precipitation is a key part of hydrological circulation and is a sensitive
indicator of climate change. The Integrated Multi-satellitE Retrievals for the
Global Precipitation Measurement (GPM) mission (IMERG) datasets are widely used
for global and regional precipitation investigations. However, their local
application is limited by the relatively coarse spatial resolution. Therefore,
in this paper, an attention mechanism based convolutional network (AMCN) is
proposed to downscale GPM IMERG monthly precipitation data. The proposed method
is an end-to-end network, which consists of a global cross-attention module, a
multi-factor cross-attention module, and a residual convolutional module,
comprehensively considering the potential relationships between precipitation
and complicated surface characteristics. In addition, a degradation loss
function based on low-resolution precipitation is designed to physically
constrain the network training, to improve the robustness of the proposed
network under different time and scale variations. The experiments demonstrate
that the proposed network significantly outperforms three baseline methods.
Finally, a geographic difference analysis method is introduced to further
improve the downscaled results by incorporating in-situ measurements for
high-quality and fine-scale precipitation estimation.
- Abstract(参考訳): 降水は水循環の重要な部分であり、気候変動の敏感な指標である。
グローバル降水量測定(GPM)ミッション(IMERG)の総合的マルチサテライトE検索は,グローバルおよび地域降水量調査に広く利用されている。
しかし、局所的な応用は比較的粗い空間分解能によって制限される。
そこで本稿では,GPM IMERGの月間降水量のダウンスケールのために,注意機構に基づく畳み込みネットワーク(AMCN)を提案する。
提案手法は,大域的なクロスアテンションモジュール,多要素クロスアテンションモジュール,残留畳み込みモジュールからなるエンド・ツー・エンドネットワークであり,降水と複雑な表面特性の関係を包括的に検討した。
また,低分解能降水に基づく劣化損失関数は,ネットワークトレーニングを物理的に制約し,提案するネットワークのロバスト性を向上させるように設計されている。
実験の結果,提案するネットワークは3つのベースライン法より有意に優れていた。
最後に, 地理的差分解析手法を導入し, 高精度・微粒な降水量推定のためのその場測定を取り入れた。
関連論文リスト
- Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。
AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。
AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
論文 参考訳(メタデータ) (2024-03-12T11:48:49Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Deep generative model super-resolves spatially correlated multiregional
climate data [5.678539713361703]
逆ネットワークに基づく機械学習により、ダウンスケーリングにおける地域間空間相関を正確に再構築できることを示す。
提案手法は,気候変動の影響を地域間一貫した評価に有効である。
本稿では,低分解能降雨場を圧力場に置き換えた深部生成モデルに基づくダウンスケーリング手法の結果について述べる。
論文 参考訳(メタデータ) (2022-09-26T05:45:16Z) - Physically Constrained Generative Adversarial Networks for Improving
Precipitation Fields from Earth System Models [0.0]
既存のポストプロセッシング手法はESMシミュレーションを局所的に改善できるが、モデル化された空間パターンの誤りを訂正することはできない。
本研究では,局所分布と空間構造を同時に改善するための,物理的に制約された生成逆ネットワーク(GAN)に基づくフレームワークを提案する。
論文 参考訳(メタデータ) (2022-08-25T15:19:10Z) - A Generative Deep Learning Approach to Stochastic Downscaling of
Precipitation Forecasts [0.5906031288935515]
GAN(Generative Adversarial Network)は、コンピュータビジョンコミュニティによって超高解像度問題で成功することが実証されている。
GANとVAE-GANは、高分解能で空間的に整合した降水マップを作成しながら、最先端のポイントワイズポストプロセッシング手法の統計的特性と一致することを示す。
論文 参考訳(メタデータ) (2022-04-05T07:19:42Z) - Context-Preserving Instance-Level Augmentation and Deformable
Convolution Networks for SAR Ship Detection [50.53262868498824]
ランダムな方向と部分的な情報損失によるSAR画像のターゲット形状の変形は、SAR船の検出において必須の課題である。
ターゲット内の部分的な情報損失に頑健なディープネットワークをトレーニングするためのデータ拡張手法を提案する。
論文 参考訳(メタデータ) (2022-02-14T07:01:01Z) - Mean-field Analysis of Piecewise Linear Solutions for Wide ReLU Networks [83.58049517083138]
勾配勾配勾配を用いた2層ReLUネットワークについて検討する。
SGDは単純な解に偏りがあることが示される。
また,データポイントと異なる場所で結び目が発生するという経験的証拠も提供する。
論文 参考訳(メタデータ) (2021-11-03T15:14:20Z) - Planning Spatial Networks [4.499055111059408]
目標指向グラフ構築の問題に対処する。
開始グラフ、大域的目的関数、修正予算が与えられた場合、グラフに追加することで目的を最大に改善するエッジの集合を見つけることが目的である。
この問題は、交通や重要なインフラネットワークといった社会にとって非常に重要なネットワークに出現する。
論文 参考訳(メタデータ) (2021-06-12T13:01:11Z) - Augmented Convolutional LSTMs for Generation of High-Resolution Climate
Change Projections [1.7503398807380832]
統計的ダウンスケーリングのための補助的情報時空間ニューラルアーキテクチャを提案する。
現在の研究では、世界で最も気候的に多様化したインドにおいて、ESMの出力から1.15度 (115 km) から0.25度 (25 km) まで、毎日降水量のダウンスケーリングを行っている。
論文 参考訳(メタデータ) (2020-09-23T17:52:09Z) - Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral
Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。
3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文 参考訳(メタデータ) (2020-07-10T08:08:20Z) - Global Context-Aware Progressive Aggregation Network for Salient Object
Detection [117.943116761278]
我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。
提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-03-02T04:26:10Z)
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。