論文の概要: Physics-Informed Statistical Modeling for Wildfire Aerosols Process
Using Multi-Source Geostationary Satellite Remote-Sensing Data Streams
- arxiv url: http://arxiv.org/abs/2206.11766v1
- Date: Thu, 23 Jun 2022 15:05:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-24 16:58:08.652822
- Title: Physics-Informed Statistical Modeling for Wildfire Aerosols Process
Using Multi-Source Geostationary Satellite Remote-Sensing Data Streams
- Title（参考訳）: 多元静止衛星リモートセンシングデータストリームを用いた山火事エアロゾルプロセスの物理インフォームド統計的モデリング
- Authors: Guanzhou Wei, Venkat Krishnan, Yu Xie, Manajit Sengupta, Yingchen
Zhang, Haitao Liao, Xiao Liu
- Abstract要約: 森林火災によって発生する大気エアロゾルは地球への太陽放射を減少させるため、太陽エネルギー生産に大きな影響を及ぼす。
エアロゾル光学深度(AOD)のデータストリームは静止衛星によって取得および監視することができる。
提案手法は、米国海洋大気庁が取得したAODデータストリームをカリフォルニア州の山火事に適用する。
- 参考スコア（独自算出の注目度）: 6.586236122440174
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Increasingly frequent wildfires significantly affect solar energy production
as the atmospheric aerosols generated by wildfires diminish the incoming solar
radiation to the earth. Atmospheric aerosols are measured by Aerosol Optical
Depth (AOD), and AOD data streams can be retrieved and monitored by
geostationary satellites. However, multi-source remote-sensing data streams
often present heterogeneous characteristics, including different data missing
rates, measurement errors, systematic biases, and so on. To accurately estimate
and predict the underlying AOD propagation process, there exist practical needs
and theoretical interests to propose a physics-informed statistical approach
for modeling wildfire AOD propagation by simultaneously utilizing, or fusing,
multi-source heterogeneous satellite remote-sensing data streams. Leveraging a
spectral approach, the proposed approach integrates multi-source satellite data
streams with a fundamental advection-diffusion equation that governs the AOD
propagation process. A bias correction process is included in the statistical
model to account for the bias of the physics model and the truncation error of
the Fourier series. The proposed approach is applied to California wildfires
AOD data streams obtained from the National Oceanic and Atmospheric
Administration. Comprehensive numerical examples are provided to demonstrate
the predictive capabilities and model interpretability of the proposed
approach. Computer code has been made available on GitHub.
- Abstract（参考訳）: 頻繁に発生する山火事は、大気エアロゾルが地球への太陽放射を減少させるため、太陽エネルギー生産に大きな影響を及ぼす。
大気エアロゾルはエアロゾル光学深度(AOD)によって測定され、AODデータストリームは静止衛星によって取得および監視される。
しかし、マルチソースリモートセンシングデータストリームは、異なるデータ欠落率、測定誤差、系統的バイアスなどを含む不均一な特徴を持つことが多い。
基礎となるAOD伝搬過程を正確に推定し,予測するために,複数ソースの異種衛星リモートセンシングデータストリームを同時に利用し,物理インフォームドなAOD伝搬をモデル化するための統計的アプローチを提案する実践的ニーズと理論的関心がある。
スペクトルアプローチを活用することで、AOD伝搬過程を管理する基本対流拡散方程式とマルチソース衛星データストリームを統合する。
統計モデルには、物理モデルのバイアスとフーリエ級数の切断誤差を考慮したバイアス補正プロセスが組み込まれている。
提案手法は、米国海洋大気庁から得られたAODデータストリームをカリフォルニア州の山火事に適用する。
提案手法の予測能力とモデル解釈可能性を示すための総合的な数値例を提供する。
コンピュータコードはGitHubで公開されている。
関連論文リスト
- TrajDiffuse: A Conditional Diffusion Model for Environment-Aware Trajectory Prediction [16.188078087197106]
本稿では,新しい条件付き拡散モデルを用いた計画に基づく軌道予測手法であるTrajDiffuseを提案する。
本研究では, 軌道予測問題を不特定課題として定式化し, 拡散過程の地図に基づくガイダンス項を設計する。
TrajDiffuseは、環境制約にほぼ完全に準拠しながら、SOTAの正確さと多様性を一致または超過する軌道予測を生成することができる。
論文 参考訳（メタデータ） (2024-10-14T17:59:03Z) - 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) - SatDM: Synthesizing Realistic Satellite Image with Semantic Layout
Conditioning using Diffusion Models [0.0]
Denoising Diffusion Probabilistic Models (DDPM) は意味的レイアウトから現実的なイメージを合成する上で大きな可能性を証明している。
本稿では,セマンティックマップを用いて高品質で多様な衛星画像を生成する条件付きDDPMモデルを提案する。
提案モデルの有効性は,本研究の文脈内で導入した詳細なラベル付きデータセットを用いて検証する。
論文 参考訳（メタデータ） (2023-09-28T19:39:13Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - A Federated Channel Modeling System using Generative Neural Networks [8.424767096311928]
本研究では,無人航空機におけるミリ波無線ネットワークにおける空対地チャネル推定のためのデータ駆動方式を提案する。
我々は、チャネル推定にフェデレートラーニング(FL)を用い、低高度プラットフォームと地上端末との間の空対地経路損失を予測する。
提案モデルの有効性を評価するため,Kullback-Leibler divergence (KL) と,モデルが生成した合成データ分布と実際のデータ分布とのワッサーシュタイン距離を用いて,その性能を評価する。
論文 参考訳（メタデータ） (2023-05-30T08:50:22Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and
Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。
任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文 参考訳（メタデータ） (2023-03-17T13:58:06Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Learning the structure of wind: A data-driven nonlocal turbulence model
for the atmospheric boundary layer [0.0]
我々は,大気境界層をモデル化するための新しいデータ駆動手法を開発した。
このアプローチは、非局所的、異方性合成乱流モデルに導かれ、我々は、ディープ・ラピッド・ラピッド・歪み(DRD)モデルと呼ぶ。
論文 参考訳（メタデータ） (2021-07-23T06:41:33Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier
Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。
そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文 参考訳（メタデータ） (2020-03-11T00:22:50Z)
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。