論文の概要: Quantitative Assessment of Drought Impacts Using XGBoost based on the
Drought Impact Reporter
- arxiv url: http://arxiv.org/abs/2211.02768v1
- Date: Fri, 4 Nov 2022 22:16:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 18:50:57.923540
- Title: Quantitative Assessment of Drought Impacts Using XGBoost based on the
Drought Impact Reporter
- Title(参考訳): 干ばつリポーターを用いたxgboostを用いた干ばつ影響の定量的評価
- Authors: Beichen Zhang (1), Fatima K. Abu Salem (2), Michael J. Hayes (1),
Tsegaye Tadesse (1) ((1) School Of Natural Resources, University of
Nebraska-Lincoln, (2) Computer Science Department, American University of
Beirut)
- Abstract要約: 気候変動の下では、干ばつの発生頻度、強度、空間的な範囲が増加し、社会経済的コストが上昇する。
テキサス州における多カテゴリー干ばつの影響を予測するための極勾配モデル(XGBoost)に基づくフレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Under climate change, the increasing frequency, intensity, and spatial extent
of drought events lead to higher socio-economic costs. However, the
relationships between the hydro-meteorological indicators and drought impacts
are not identified well yet because of the complexity and data scarcity. In
this paper, we proposed a framework based on the extreme gradient model
(XGBoost) for Texas to predict multi-category drought impacts and connected a
typical drought indicator, Standardized Precipitation Index (SPI), to the
text-based impacts from the Drought Impact Reporter (DIR). The preliminary
results of this study showed an outstanding performance of the well-trained
models to assess drought impacts on agriculture, fire, society & public health,
plants & wildlife, as well as relief, response & restrictions in Texas. It also
provided a possibility to appraise drought impacts using hydro-meteorological
indicators with the proposed framework in the United States, which could help
drought risk management by giving additional information and improving the
updating frequency of drought impacts. Our interpretation results using the
Shapley additive explanation (SHAP) interpretability technique revealed that
the rules guiding the predictions of XGBoost comply with domain expertise
knowledge around the role that SPI indicators play around drought impacts.
- Abstract(参考訳): 気候変動の下では、干ばつの発生頻度、強度、空間範囲が増加し、社会経済的コストが高くなる。
しかし, 気象指標と干ばつの影響との関係は, 複雑さとデータ不足のため, まだよく分かっていない。
本稿では,テキサス州のxgboost (extreme gradient model) に基づいて,多カテゴリーの干ばつの影響を予測し,典型的な干ばつ指標であるspi (standardized precipitation index) と,干ばつインパクトレポーター (dir) によるテキストベースの影響を関連付ける枠組みを提案する。
本研究の予備結果は, 農業, 火災, 社会と公衆衛生, 植物と野生生物, およびテキサス州の救済, 応答と制限に対する干ばつの影響を評価するための, 十分に訓練されたモデルの優れた性能を示した。
また、アメリカ合衆国で提案された枠組みで水気象指標を用いて干ばつの影響を評価できる可能性も提供し、追加情報を提供し、干ばつの影響の更新頻度を向上させることで、干ばつリスク管理を支援する。
シャプリー加法説明 (shap) による解釈結果から, xgboost の予測を導く規則は,spi 指標が干ばつの影響に果たす役割に関する専門知識に準拠していることが明らかとなった。
関連論文リスト
- CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded
Modelling [93.65319031345197]
本稿では,メソスケール降水分布と小規模パターンの予測を分離するために,決定的かつ確率的な部分からなるカスケードフレームワークCasCastを提案する。
CasCastは地域の極端降水量計のベースライン(+91.8%)をはるかに上回っている。
論文 参考訳(メタデータ) (2024-02-06T08:30:47Z) - Climate Change Impact on Agricultural Land Suitability: An Interpretable
Machine Learning-Based Eurasia Case Study [94.07737890568644]
2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。
気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。
本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
論文 参考訳(メタデータ) (2023-10-24T15:15:28Z) - Using interpretable boosting algorithms for modeling environmental and
agricultural data [0.0]
本稿では,高次元環境データの解析に解釈可能なブースティングアルゴリズムを用いる方法について述べる。
提案手法は, 群構造をどう考えるか, 相互作用が高次元データセットでどのように見られるのかを, 新たな2段階ブースティング手法を用いて示すものである。
論文 参考訳(メタデータ) (2023-05-04T10:16:11Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Robust detection and attribution of climate change under interventions [4.344839102717429]
フィンガープリントは気候変動の検出と属性(D&A)の鍵となるツールである
本稿では,教師付き学習に基づく直接D&A手法を提案し,頑健な予測につながる指紋を抽出する。
本研究は, 関連する介入に対するロバスト性制約を組み込むことは, 気候変動の検出と帰属に有益であることが示唆された。
論文 参考訳(メタデータ) (2022-12-09T15:13:40Z) - On the Generalization of Agricultural Drought Classification from
Climate Data [0.1908788674366693]
干ばつの発生は遅く、様々な外部要因に依存するため、気候データの干ばつ検出は困難である。
我々は,水文モデルから得られた土壌水分指数(SMI)を構築した。
SMIに基づく干ばつ分類において,異なるモデルと逐次帰納的バイアスを伴わないモデルを比較した。
論文 参考訳(メタデータ) (2021-11-30T14:49:46Z) - Predicting Road Flooding Risk with Machine Learning Approaches Using
Crowdsourced Reports and Fine-grained Traffic Data [1.0554048699217669]
本研究の目的は,機械学習モデルを用いて地形,水文,時間的降水特性に基づいて,道路浸水リスクを予測することである。
ハリケーン・ハービーの発見は、降水が道路の浸水感受性を予測する上で最も重要な特徴であることを示している。
本研究は,道路レベルでの予測的洪水リスクマッピングの観点から,スマートフラッドレジリエンスの新たな分野を推し進めるものである。
論文 参考訳(メタデータ) (2021-08-30T14:25:58Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳(メタデータ) (2021-03-14T17:56:17Z) - 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) - Sub-Seasonal Climate Forecasting via Machine Learning: Challenges,
Analysis, and Advances [44.28969320556008]
サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。
本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
論文 参考訳(メタデータ) (2020-06-14T18:39:27Z) - Prediction of short and long-term droughts using artificial neural
networks and hydro-meteorological variables [0.0]
ニューラルネットワーク(ANN)のモデルは、標準降水指数(SPI)を異なる時間スケールで使用することにより、短期および長期の干ばつを予測するために使用される。
その結果,全ての水文-気象変数の応用は,異なる時間スケールでのSPIの予測を著しく改善することがわかった。
論文 参考訳(メタデータ) (2020-06-03T23:20:34Z)
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。