Fugu-MT 論文翻訳(概要): DeepLCZChange: A Remote Sensing Deep Learning Model Architecture for Urban Climate Resilience

論文の概要: DeepLCZChange: A Remote Sensing Deep Learning Model Architecture for Urban Climate Resilience

arxiv url: http://arxiv.org/abs/2306.06269v1
Date: Fri, 9 Jun 2023 21:42:29 GMT
ステータス: 処理完了
システム内更新日: 2023-06-13 20:02:38.182229
Title: DeepLCZChange: A Remote Sensing Deep Learning Model Architecture for Urban Climate Resilience
Title（参考訳）: DeepLCZChange: 都市気候回復のためのリモートセンシングディープラーニングモデルアーキテクチャ
Authors: Wenlu Sun, Yao Sun, Chenying Liu, Conrad M Albrecht
Abstract要約: 我々は、Landsat 8衛星の表面温度積と空中LiDARデータ統計を相関付けるために、新しいデータ駆動ディープラーニングアーキテクチャとパイプラインであるDeepLCZChangeを提案する。概念実証実験では、ニューヨーク市のリモートセンシングデータを用いて、都市森林の冷却効果を検証する。
参考スコア（独自算出の注目度）: 2.8037951156321372
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Urban land use structures impact local climate conditions of metropolitan areas. To shed light on the mechanism of local climate wrt. urban land use, we present a novel, data-driven deep learning architecture and pipeline, DeepLCZChange, to correlate airborne LiDAR data statistics with the Landsat 8 satellite's surface temperature product. A proof-of-concept numerical experiment utilizes corresponding remote sensing data for the city of New York to verify the cooling effect of urban forests.
Abstract（参考訳）: 都市の土地利用構造は大都市の気候に影響を及ぼす。局地的な気候変化のメカニズムに光を当てる。本研究では,Landsat 8衛星の表面温度積と空中LiDARデータ統計を相関付けるために,新しいデータ駆動型ディープラーニングアーキテクチャとパイプラインであるDeepLCZChangeを提案する。概念実証数値実験は、都市森林の冷却効果を検証するために、ニューヨーク市のリモートセンシングデータを利用する。

関連論文リスト

A Machine Learning Approach for the Efficient Estimation of Ground-Level Air Temperature in Urban Areas [6.7236795813629]
都市で発生する都市ヒートアイランド(UHI)現象は、その熱応力を増大させ、より持続可能な都市を実現するための障害の1つである。本研究では,都市域の空間的・気象的変数と街路レベルの空気温度を関連付けるために,イメージ・ツー・イメージ・ディープ・ニューラル・ネットワーク(DNN)の有用性を検討する。街路レベルでの空気温度は、特定のユースケースに対して空間的にも時間的にも推定され、既存のよく確立された数値モデルと比較される。
論文参考訳（メタデータ） (2024-11-05T15:05:23Z)
Machine Learning Framework for High-Resolution Air Temperature Downscaling Using LiDAR-Derived Urban Morphological Features [0.0]
本研究では,UrbClimが生成したデータセットを用いて,大気温度をダウンスケールするためのデータ駆動型フレームワークを提案する。都市形態特徴を抽出するために,まず,LiDARデータとディープラーニングモデルを用いて3次元ビルディングモデルを構築した。この枠組みは高分解能で空気温度を推定し、街路レベルでの局所的な空気温度パターンの同定を可能にした。
論文参考訳（メタデータ） (2024-08-31T12:59:21Z)
Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
論文参考訳（メタデータ） (2023-10-09T13:07:23Z)
Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文参考訳（メタデータ） (2023-08-24T16:20:00Z)
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)
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)
Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge Transfer [58.6106391721944]
クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
論文参考訳（メタデータ） (2022-05-27T12:46:52Z)
GLObal Building heights for Urban Studies (UT-GLOBUS) for city- and street- scale urban simulations: Development and first applications [3.4244476729483013]
テキサス大学都市研究のためのグローバル・ビルディング・ハイツ(UT-GLOBUS)について紹介する。 UT-GLOBUSは、世界中の1200以上の都市や地域向けに高さと都市キャノピーパラメータ(UCP)を提供するデータセットである。 6つの米国都市のLiDARデータによる検証では、UT-GLOBUS由来のビルの高さは9.1mの根平均二乗誤差(RMSE)であった。
論文参考訳（メタデータ） (2022-05-24T17:34:14Z)
A Visual Analytics System for Profiling Urban Land Use Evolution [5.053505466956614]
Urban ChroniclesはオープンソースのWebベースのビジュアル分析システムで、土地利用パターンの変化のインタラクティブな探索を可能にする。数年にわたって異なるスケールでデータを探索することで,システムの能力を示す。
論文参考訳（メタデータ） (2021-12-12T02:36:54Z)
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)
Urban Heat Islands: Beating the Heat with Multi-Modal Spatial Analysis [0.3121997724420106]
過度の熱ストレスは、個人から世界まで、様々なレベルの問題を引き起こす。世界レベルでは、UHIは地球温暖化に寄与し、環境に悪影響を及ぼす可能性がある。本稿では, 統計モデルを用いて, UHIが都市の都市形態特性にどのように影響されているかを明らかにする枠組みを提案する。
論文参考訳（メタデータ） (2020-12-05T15:18:22Z)

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。