論文の概要: Super-Resolution of BVOC Maps by Adapting Deep Learning Methods
- arxiv url: http://arxiv.org/abs/2302.07570v4
- Date: Mon, 3 Jul 2023 11:04:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-04 14:43:46.634946
- Title: Super-Resolution of BVOC Maps by Adapting Deep Learning Methods
- Title(参考訳): 深層学習手法によるBVOCマップの高分解能化
- Authors: Antonio Giganti, Sara Mandelli, Paolo Bestagini, Marco Marcon, Stefano
Tubaro
- Abstract要約: 生体内揮発性有機化合物(BVOC)は、生物圏-大気相互作用において重要な役割を果たす。
利用可能なほとんどのBVOCデータは、緩くスパースなサンプリンググリッドまたは小さな領域で得られる。
高解像度のBVOCデータは、大気質、大気化学、気候モニタリングなど多くの用途で望ましい。
- 参考スコア(独自算出の注目度): 17.819699053848197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biogenic Volatile Organic Compounds (BVOCs) play a critical role in
biosphere-atmosphere interactions, being a key factor in the physical and
chemical properties of the atmosphere and climate. Acquiring large and
fine-grained BVOC emission maps is expensive and time-consuming, so most
available BVOC data are obtained on a loose and sparse sampling grid or on
small regions. However, high-resolution BVOC data are desirable in many
applications, such as air quality, atmospheric chemistry, and climate
monitoring. In this work, we investigate the possibility of enhancing BVOC
acquisitions, further explaining the relationships between the environment and
these compounds. We do so by comparing the performances of several
state-of-the-art neural networks proposed for image Super-Resolution (SR),
adapting them to overcome the challenges posed by the large dynamic range of
the emission and reduce the impact of outliers in the prediction. Moreover, we
also consider realistic scenarios, considering both temporal and geographical
constraints. Finally, we present possible future developments regarding SR
generalization, considering the scale-invariance property and super-resolving
emissions from unseen compounds.
- Abstract(参考訳): 生物揮発性有機化合物(BVOC)は、大気圏と大気圏の相互作用において重要な役割を担い、大気や気候の物理的および化学的性質において重要な要素である。
大規模できめ細かなBVOCエミッションマップの取得は高価で時間を要するため、ほとんどのBVOCデータは、緩やかなサンプリンググリッドや小さな領域で得られる。
しかし、高解像度のBVOCデータは、大気質、大気化学、気候モニタリングなど多くの用途で望ましい。
本研究では,BVOC買収の促進の可能性について検討し,環境とこれらの化合物の関係をさらに説明する。
我々は、画像超解法(SR)のために提案されたいくつかの最先端ニューラルネットワークの性能を比較し、放射の大きなダイナミックレンジによる課題を克服し、予測における外れ値の影響を低減する。
さらに,時間的制約と地理的制約を考慮した現実的なシナリオも検討する。
最後に, SRの一般化に関する今後の展開について, スケール不変性および未知化合物からの超解離放出を考察する。
関連論文リスト
- GeoFormer: A Vision and Sequence Transformer-based Approach for
Greenhouse Gas Monitoring [2.1647301294759624]
本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。
我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
論文 参考訳(メタデータ) (2024-02-11T11:20:29Z) - 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) - Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳(メタデータ) (2024-01-08T15:29:23Z) - Soil Organic Carbon Estimation from Climate-related Features with Graph
Neural Network [0.0]
土壌有機炭素(SOC)は、地球規模の炭素循環において重要な役割を担い、気候動態に影響し、持続可能な土地と農業管理の正確な評価を必要とする。
最近の技術ソリューションは、リモートセンシング、機械学習、高解像度衛星マッピングを利用する。
本研究では, 土壌と気候の複雑な関係を捉えるために, 位置エンコーダの4つのGNN演算子を比較した。
その結果, PESAGEモデルとPETransformerモデルは, SOC推定において他のモデルよりも優れており, SOCと気候特性の複雑な関係を捉える可能性が示唆された。
論文 参考訳(メタデータ) (2023-11-27T16:25:12Z) - Large Scale Masked Autoencoding for Reducing Label Requirements on SAR
Data [5.057850174013128]
本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。
この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。
本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
論文 参考訳(メタデータ) (2023-10-02T00:11:47Z) - Multi-BVOC Super-Resolution Exploiting Compounds Inter-Connection [17.819699053848197]
地球の大気中に地球生態系から放出される生体揮発性有機化合物(BVOC)は大気化学の重要な構成要素である。
測定が不十分なため、BVOCの放射マップの信頼性の向上は、大気化学、気候、大気質のモデルにより密集したデータを提供するのに役立つ。
本稿では, 各種化合物の寄与を同時に活用して, 粗大なBVOC排出マップの超解法を提案する。
論文 参考訳(メタデータ) (2023-05-23T15:58:53Z) - 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) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳(メタデータ) (2022-10-31T04:04:03Z) - 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) - AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using
Denoising Diffusion Probabilistic Models [64.24948495708337]
大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。
CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。
Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
論文 参考訳(メタデータ) (2022-08-24T03:13:04Z) - DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。
妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。
本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文 参考訳(メタデータ) (2020-11-23T20:13:37Z)
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。