論文の概要: A Deep Learning Architecture for Passive Microwave Precipitation
Retrievals using CloudSat and GPM Data
- arxiv url: http://arxiv.org/abs/2212.02236v1
- Date: Fri, 2 Dec 2022 18:25:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 19:36:10.093377
- Title: A Deep Learning Architecture for Passive Microwave Precipitation
Retrievals using CloudSat and GPM Data
- Title（参考訳）: CloudSatとGPMデータを用いた受動マイクロ波沈殿検索のためのディープラーニングアーキテクチャ
- Authors: Reyhaneh Rahimi, Sajad Vahedizadeh, Ardeshir Ebtehaj
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an algorithm that relies on a series of dense and deep
neural networks for passive microwave retrieval of precipitation. The neural
networks learn from coincidences of brightness temperatures from the Global
Precipitation Measurement (GPM) Microwave Imager (GMI) with the active
precipitating retrievals from the Dual-frequency Precipitation Radar (DPR)
onboard GPM as well as those from the {CloudSat} Profiling Radar (CPR). The
algorithm first detects the precipitation occurrence and phase and then
estimates its rate, while conditioning the results to some key ancillary
information including parameters related to cloud microphysical properties. The
results indicate that we can reconstruct the DPR rainfall and CPR snowfall with
a detection probability of more than 0.95 while the probability of a false
alarm remains below 0.08 and 0.03, respectively. Conditioned to the occurrence
of precipitation, the unbiased root mean squared error in estimation of
rainfall (snowfall) rate using DPR (CPR) data is less than 0.8 (0.1) mm/hr over
oceans and land. Beyond methodological developments, comparing the results with
ERA5 reanalysis and official GPM products demonstrates that the uncertainty in
global satellite snowfall retrievals continues to be large while there is a
good agreement among rainfall products. Moreover, the results indicate that CPR
active snowfall data can improve passive microwave estimates of global snowfall
while the current CPR rainfall retrievals should only be used for detection and
not estimation of rates.
- Abstract（参考訳）: 本稿では, 降水の受動的マイクロ波検索のために, 一連の高密度深層ニューラルネットワークを用いたアルゴリズムを提案する。
ニューラルネットワークは、グローバル降水測定(gpm)マイクロ波撮像装置(gmi)からの輝度温度と、gpmに搭載された2周波降水レーダ(dpr)からのアクティブな沈降検索と、{cloudsat}プロファイリングレーダ(cpr)からの輝度温度の一致から学習する。
このアルゴリズムは、まず降水の発生と位相を検出し、その後その速度を推定し、その結果を雲のミクロフィジカル特性に関連するパラメータを含むいくつかの重要な補助情報に調整する。
その結果,DPR降雪とCPR降雪は検出確率0.95以上で再現可能である一方で,誤報の確率は0.08以下と0.03以下であることが示唆された。
降水の発生を条件として,dpr (cpr) データを用いた降水率の推定における不偏根平均二乗誤差は,海と陸上で0.8 (0.1) mm/hr以下である。
方法論的発展の他に、ERA5の再分析と公式のGPM製品と比較すると、地球規模の衛星降雪回収の不確実性は引き続き大きいが、降雨量には十分な一致がある。
また, cprの能動降雪データにより, 全球降雪の受動マイクロ波推定が向上するのに対し, 現在のcpr降雪検索は検出にのみ用いるべきであり, 速度の推定は行わないことが示唆された。
関連論文リスト
- Using Long Short-term Memory (LSTM) to merge precipitation data over mountainous area in Sierra Nevada [12.729339328566542]
降水量計、降水レーダ、衛星ベースの降水センサーといった3つの広く使われている降水量測定手法は、複雑な領域で信頼できる降水生成物を生成するために独自の利点と欠点を持っている。
検出エラーの確率を低減し、データの信頼性を向上させる方法の1つは、降水データマージである。
本研究では,Long Short-term Memory (LSTM) という深層学習技術を用いて,レーダーと衛星を用いたグローバル降水量測定(GPM)を時間スケールで統合した。
論文 参考訳（メタデータ） (2024-04-15T21:01:31Z) - 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) - Reduction of rain-induced errors for wind speed estimation on SAR
observations using convolutional neural networks [0.16067645574373132]
降雨時の誤差を低減した風速推定器を訓練する。
その結果,SAR製品における降雨関連誤差を補正する深層学習モデルの能力が示された。
論文 参考訳（メタデータ） (2023-03-16T10:19:14Z) - Neural Importance Sampling for Rapid and Reliable Gravitational-Wave
Inference [59.040209568168436]
まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。
本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。
LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
論文 参考訳（メタデータ） (2022-10-11T18:00:02Z) - TCR-GAN: Predicting tropical cyclone passive microwave rainfall using
infrared imagery via generative adversarial networks [11.34283731463713]
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。
論文 参考訳（メタデータ） (2022-01-14T08:22:16Z) - Nowcasting-Nets: Deep Neural Network Structures for Precipitation
Nowcasting Using IMERG [1.9860735109145415]
リカレントと畳み込み型ディープニューラルネットワーク構造を用いて、降水流の課題に対処する。
GPM (Global Precipitation Measurement, GPM) 統合マルチサテライトE(Multi-SatellitE Retrievals) を用いて、米国東部大陸の降水量データ(IMERG)を用いて、合計5つのモデルを訓練した。
また, 予測時間を最大1.5時間, フィードバックループアプローチを用いて4.5時間まで延長できるモデルについても検討した。
論文 参考訳（メタデータ） (2021-08-16T02:55:32Z) - 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) - Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。
LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。
標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文 参考訳（メタデータ） (2021-06-23T18:00:05Z) - A Deep Convolutional Neural Network Model for improving WRF Forecasts [0.19573380763700707]
我々は4年間の歴史を持つCNNモデル(2014-2017)をトレーニングし、WRFバイアスのパターンについて検討する。
次に, 風速, 方向, 降水量, 相対湿度, 表面圧力, 露点温度, 表面温度の予測値において, これらのバイアスを低減させる。
その結果,全駅でWRF予測が顕著に改善したことが示唆された。
論文 参考訳（メタデータ） (2020-08-14T17:48:06Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳（メタデータ） (2020-06-13T20:53:17Z)
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。