論文の概要: Predicting air quality via multimodal AI and satellite imagery
- arxiv url: http://arxiv.org/abs/2211.00780v2
- Date: Fri, 5 May 2023 16:00:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 17:20:10.900728
- Title: Predicting air quality via multimodal AI and satellite imagery
- Title（参考訳）: マルチモーダルAIと衛星画像による大気質の予測
- Authors: Andrew Rowley and Oktay Karaku\c{s}
- Abstract要約: 本稿では,監視局が存在しない空気質指標を予測するためのマルチモーダル機械学習モデルを提案する。
欧州大気汚染監視局(ESA Copernicus)プロジェクトからtextitaltitude, population, etc.$などの機能を備えた新しい欧州汚染監視局(ECA)のデータセットが作成されている。
これらの予測は、異なる地域における空気の質を比較するのに使用できる「空気品質指標」を作成するために集約される。
- 参考スコア（独自算出の注目度）: 0.2492060267829796
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Climate change may be classified as the most important environmental problem
that the Earth is currently facing, and affects all living species on Earth.
Given that air-quality monitoring stations are typically ground-based their
abilities to detect pollutant distributions are often restricted to wide areas.
Satellites however have the potential for studying the atmosphere at large; the
European Space Agency (ESA) Copernicus project satellite, "Sentinel-5P" is a
newly launched satellite capable of measuring a variety of pollutant
information with publicly available data outputs. This paper seeks to create a
multi-modal machine learning model for predicting air-quality metrics where
monitoring stations do not exist. The inputs of this model will include a
fusion of ground measurements and satellite data with the goal of highlighting
pollutant distribution and motivating change in societal and industrial
behaviors. A new dataset of European pollution monitoring station measurements
is created with features including $\textit{altitude, population, etc.}$ from
the ESA Copernicus project. This dataset is used to train a multi-modal ML
model, Air Quality Network (AQNet) capable of fusing these various types of
data sources to output predictions of various pollutants. These predictions are
then aggregated to create an "air-quality index" that could be used to compare
air quality over different regions. Three pollutants, NO$_2$, O$_3$, and
PM$_{10}$, are predicted successfully by AQNet and the network was found to be
useful compared to a model only using satellite imagery. It was also found that
the addition of supporting data improves predictions. When testing the
developed AQNet on out-of-sample data of the UK and Ireland, we obtain
satisfactory estimates though on average pollution metrics were roughly
overestimated by around 20\%.
- Abstract（参考訳）: 気候変動は、地球が現在直面している最も重要な環境問題であり、地球上のすべての生物に影響を及ぼす可能性がある。
空気質の監視ステーションは一般的に地上ベースであるため、汚染物質分布を検出する能力は広い範囲に限定されることが多い。
欧州宇宙機関(ESA)のコペルニクス計画衛星 "Sentinel-5P" は、様々な汚染情報を公的に利用可能なデータ出力で測定できる、新たに打ち上げられた衛星である。
本稿では,監視局が存在しない空気質指標を予測するためのマルチモーダル機械学習モデルを提案する。
このモデルの入力には、汚染物質分布の強調と社会・産業行動の変化の動機づけを目的として、地上測定と衛星データの融合が含まれる。
ヨーロッパの汚染監視ステーション測定の新しいデータセットは、$\textit{altitude, populationなどを含む機能で作成されている。
ESA Copernicusプロジェクトからの$。
このデータセットは、様々な種類のデータソースを融合させて様々な汚染物質の予測を出力できるマルチモーダルMLモデルAir Quality Network(AQNet)のトレーニングに使用される。
これらの予測は「空気品質指標」を作成するために集約され、異なる地域における空気品質を比較するのに使用できる。
NO$_2$, O$_3$, PM$_{10}$の3種類の汚染物質がAQNetによって予測され, 衛星画像のみを用いたモデルと比較して有用であることが判明した。
また,サポートデータの追加により予測が向上することが判明した。
英国とアイルランドのサンプル外データで開発されたAQNetをテストすると、平均汚染量の約20%が過大評価されているものの、良好な推定値が得られる。
関連論文リスト
- Urban Air Pollution Forecasting: a Machine Learning Approach leveraging Satellite Observations and Meteorological Forecasts [0.11249583407496218]
大気汚染は公衆衛生、特に都市部において重大な脅威となる。
本研究では, センチネル5P衛星のデータ, 気象条件, トポロジカル特性を統合し, 5つの主要な汚染物質の将来レベルを予測する機械学習モデルを提案する。
論文 参考訳（メタデータ） (2024-05-30T10:02:53Z) - Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。
我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。
将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文 参考訳（メタデータ） (2024-04-08T09:13:16Z) - SAT-CEP-monitor: An air quality monitoring software architecture
combining complex event processing with satellite remote sensing [2.962390297307338]
都市部は、人為的ガス排出による大気質の悪化に最も影響を受けている。
複雑なイベント処理と各種衛星センサからのリモートセンシングデータを効率的に組み合わせて,NRTの大気質をモニタリングするソフトウェアアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-01-29T17:45:23Z) - A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。
欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。
このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
論文 参考訳（メタデータ） (2024-01-16T18:03:07Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - 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) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳（メタデータ） (2022-06-30T17:59:14Z) - Estimation of Air Pollution with Remote Sensing Data: Revealing
Greenhouse Gas Emissions from Space [1.9659095632676094]
地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。
本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-08-31T14:58:04Z) - Mining atmospheric data [0.0]
最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。
第2の課題は、大気データ分類のための深層学習手法の調査である。
対象とする用途は、空気質の評価と予測である。
論文 参考訳（メタデータ） (2021-06-26T10:04:35Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z)
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。