論文の概要: An Autoencoder-based Snow Drought Index

• arxiv url: http://arxiv.org/abs/2305.13646v1
• Date: Tue, 23 May 2023 03:41:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 19:22:39.191241
• Title: An Autoencoder-based Snow Drought Index
• Title（参考訳）: 自動エンコーダに基づく雪の干ばつ指数
• Authors: Sinan Rasiya Koya, Kanak Kanti Kar, Shivendra Srivastava, Tsegaye Tadesse, Mark Svoboda, Tirthankar Roy
• Abstract要約: SnoDRI(Snow Drought Response Index, SnoDRI)は, 降雪の干ばつの発生を識別し, 定量化するために用いられる新しい指標である。 各種積雪変数の最先端MLアルゴリズムを用いて,本指数を算出した。 我々は1981年から2021年までの太平洋地域での再解析データ(NLDAS-2)を用いて,新しい降雪量指数の有効性について検討した。
• 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: In several regions across the globe, snow has a significant impact on hydrology. The amounts of water that infiltrate the ground and flow as runoff are driven by the melting of snow. Therefore, it is crucial to study the magnitude and effect of snowmelt. Snow droughts, resulting from reduced snow storage, can drastically impact the water supplies in basins where snow predominates, such as in the western United States. Hence, it is important to detect the time and severity of snow droughts efficiently. We propose Snow Drought Response Index or SnoDRI, a novel indicator that could be used to identify and quantify snow drought occurrences. Our index is calculated using cutting-edge ML algorithms from various snow-related variables. The self-supervised learning of an autoencoder is combined with mutual information in the model. In this study, we use random forests for feature extraction for SnoDRI and assess the importance of each variable. We use reanalysis data (NLDAS-2) from 1981 to 2021 for the Pacific United States to study the efficacy of the new snow drought index. We evaluate the index by confirming the coincidence of its interpretation and the actual snow drought incidents.
• Abstract（参考訳）: 世界中のいくつかの地域では、雪が水文学に大きな影響を与えている。 地面に浸透し、流出として流れる水の量は、雪の融解によって引き起こされる。 そのため,融雪の規模と効果を検討することが重要である。 降雪量の減少に起因する雪の干ばつは、米国西部など、降雪が支配的な盆地の水の供給に大きく影響する可能性がある。 したがって,降雪の時間と重大度を効率的に検出することが重要である。 SnoDRI(Snow Drought Response Index, SnoDRI)は, 降雪の干ばつの発生を識別し, 定量化するために用いられる新しい指標である。 各種積雪変数の最先端MLアルゴリズムを用いて,本指数を算出した。 オートエンコーダの自己教師付き学習とモデル内の相互情報とを組み合わせる。 本研究では,SnoDRIの特徴抽出にランダム林を用い,各変数の重要性を評価する。 1981年から2021年までの再分析データ(nldas-2)を用いて,新積雪干ばつ指標の有効性について検討した。 我々は,その解釈と実際の降雪事故の一致を確認して指標を評価する。

関連論文リスト

• Retrieving snow depth distribution by downscaling ERA5 Reanalysis with ICESat-2 laser altimetry [2.5124917269950324]
  本研究は、ICESat-2衛星レーザー高度計による積雪深度測定を用いて、マイクロスケール(10m)で積雪深度マップを作成する。 積雪深とそれに対応するERA5ランド積雪深との関係を確立するために回帰モデルを適用した。 ERA5時間帯全体を対象とした月次積雪深図の時系列作成方法(1950年以降)
  論文  参考訳（メタデータ） (2024-10-23T14:59:06Z)
• A deep learning approach for marine snow synthesis and removal [55.86191108738564]
  本稿では,深層学習技術を用いた海洋雪の干渉低減手法を提案する。 まず,GAN(Generative Adversarial Network)モデルを用いて,現実的な積雪サンプルを合成する。 次に、画像から画像への変換タスクとして海洋性除雪を行うためにU-Netモデルを訓練する。
  論文  参考訳（メタデータ） (2023-11-27T07:19:41Z)
• Prediction of Deep Ice Layer Thickness Using Adaptive Recurrent Graph Neural Networks [0.38073142980732994]
  積雪予測に適応的かつ反復的なグラフ畳み込みネットワークを用いた機械学習モデルを提案する。 我々は,従来のモデルと同等の非時間的,非幾何学的,非適応的モデルよりも,より優れた一貫性を持つモデルを見出した。
  論文  参考訳（メタデータ） (2023-06-22T19:59:54Z)
• Prediction of Annual Snow Accumulation Using a Recurrent Graph Convolutional Approach [0.38073142980732994]
  近年、スノーレーダーのような空中レーダーセンサーは、垂直解像度の細かい大きな領域で内部の氷層を計測できることが示されている。 本研究では,グラフアテンションネットワークに基づくモデルを用いて,より大規模なデータセット上での入力データポイントの少ない年次積雪データポイントの予測を行った。
  論文  参考訳（メタデータ） (2023-06-22T19:48:34Z)
• 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)
• Recurrent Graph Convolutional Networks for Spatiotemporal Prediction of Snow Accumulation Using Airborne Radar [0.38073142980732994]
  本研究では,近年の積雪量予測のために,連続的なグラフ畳み込みネットワークに基づく機械学習モデルを提案する。 その結果、同値な非幾何学的モデルや非時間的モデルよりも、モデルの性能が良く、一貫性も高いことが判明した。
  論文  参考訳（メタデータ） (2023-02-02T01:40:48Z)
• LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
  そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。 本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。 我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
  論文  参考訳（メタデータ） (2022-03-28T21:48:26Z)
• 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)
• Deep Dense Multi-scale Network for Snow Removal Using Semantic and Geometric Priors [78.61844008368587]
  本研究では, 積雪除去のための深度多スケールネットワーク (textbfDDMSNet) を提案する。 セマンティクスマップと幾何マップを入力として取り入れ,セマンティクス・アウェア表現と幾何アウェア表現を学習して雪を取り除く。
  論文  参考訳（メタデータ） (2021-03-21T03:30:30Z)
• 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)
• Road Surface Translation Under Snow-covered and Semantic Segmentation for Snow Hazard Index [0.0]
  本研究では,雪害率を自動計算する実画像後処理を用いた深層学習アプリケーションを提案する。 これらの学習したネットワークに基づき,道路表面の積雪量を示す道路から積雪までのハザード指数を自動的に計算する。
  論文  参考訳（メタデータ） (2021-01-14T14:25:12Z)

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。