論文の概要: Simulating the Air Quality Impact of Prescribed Fires Using a Graph
Neural Network-Based PM$_{2.5}$ Emissions Forecasting System
- arxiv url: http://arxiv.org/abs/2312.04291v1
- Date: Thu, 7 Dec 2023 13:18:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 14:54:54.996238
- Title: Simulating the Air Quality Impact of Prescribed Fires Using a Graph
Neural Network-Based PM$_{2.5}$ Emissions Forecasting System
- Title(参考訳): グラフニューラルネットワークを用いたPM$_{2.5}$エミッション予測システムによる予報火災の空気質への影響のシミュレーション
- Authors: Kyleen Liao, Jatan Buch, Kara Lamb, Pierre Gentine
- Abstract要約: 特定火器の使用を拡大することは 最も堅牢な防火戦略と広く考えられています
これらの所定の火災による潜在的な空気質への影響を確実に予測することは、火災の位置と時間を決定する重要な要素である。
本稿では,所定火災シミュレーションと時間グラフニューラルネットワークを用いたPM$_2.5$予測モデルの統合を提案する。
- 参考スコア(独自算出の注目度): 0.11494167715249014
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The increasing size and severity of wildfires across western North America
have generated dangerous levels of PM$_{2.5}$ pollution in recent years. In a
warming climate, expanding the use of prescribed fires is widely considered to
be the most robust fire mitigation strategy. However, reliably forecasting the
potential air quality impact from these prescribed fires, a critical ingredient
in determining the fires' location and time, at hourly to daily time scales
remains a challenging problem. This paper proposes a novel integration of
prescribed fire simulation with a spatio-temporal graph neural network-based
PM$_{2.5}$ forecasting model. The experiments in this work focus on determining
the optimal time for implementing prescribed fires in California as well as
quantifying the potential air quality trade-offs involved in conducting more
prescribed fires outside the fire season.
- Abstract(参考訳): 北アメリカ西部における森林火災の規模と深刻度の増加は近年、pm$_{2.5}$汚染の危険レベルを生み出している。
温暖な気候では、所定の火の使用拡大が最も強固な防火戦略であると考えられている。
しかし, 特定火災による潜在的な大気質への影響を確実に予測することは, 火の場所や時間を決定する上で重要な要素であり, 時間単位から日単位のスケールでは困難な問題である。
本稿では,所定の火災シミュレーションと時空間グラフニューラルネットワークを用いたPM$_{2.5}$予測モデルの統合を提案する。
本研究は,カリフォルニア州における火災発生の最適時期の決定と,火災シーズン外の火災発生に伴う大気質のトレードオフの定量化に焦点をあてたものである。
関連論文リスト
- Modelling wildland fire burn severity in California using a spatial
Super Learner approach [0.04188114563181614]
米国西部の森林火災の頻度が高まる中、燃え尽き症候群を理解・正確に予測するツールを開発する必要がある。
遠隔で検知した火災予報データを用いて,燃焼後重大度を予測する機械学習モデルを開発した。
このモデルが実装されると、カリフォルニアの人命、財産、資源、生態系が失われる可能性がある。
論文 参考訳(メタデータ) (2023-11-25T22:09:14Z) - Prescribed Fire Modeling using Knowledge-Guided Machine Learning for
Land Management [2.158876211806538]
本稿では,所定の火災を迅速にエミュレーションできる機械学習(ML)フレームワークを提案する。
ドメイン知識を取り入れることで,データ共有シナリオにおける燃料密度推定の物理的不整合を低減することができる。
また,階層構造を組み込んだ火災拡散指標の偏り推定の問題も克服した。
論文 参考訳(メタデータ) (2023-10-02T19:38:04Z) - Generative Algorithms for Fusion of Physics-Based Wildfire Spread Models
with Satellite Data for Initializing Wildfire Forecasts [0.0]
衛星による火災検出の最近の進歩は、火災拡散予測を改善するために測定を使用する機会を与えている。
本研究は,衛星観測から山火事の歴史を推定する手法を開発した。
論文 参考訳(メタデータ) (2023-09-05T23:24:34Z) - Multimodal Wildland Fire Smoke Detection [5.15911752972989]
研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。
スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。
SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
論文 参考訳(メタデータ) (2022-12-29T01:16:06Z) - Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。
そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
論文 参考訳(メタデータ) (2022-12-09T11:32:36Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳(メタデータ) (2022-11-03T17:19:43Z) - A Multi-Modal Wildfire Prediction and Personalized Early-Warning System
Based on a Novel Machine Learning Framework [0.0]
2018年のカリフォルニアの山火事は1848.5億ドルの損害を与えた。
何百万人もの影響を受けた人々の中で、障害者は不適切な警報手段によって不当に影響を受ける。
本プロジェクトでは,マルチモーダル山火事予報システムと早期警報システムを開発した。
論文 参考訳(メタデータ) (2022-08-18T22:03:32Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - 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) - 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) - 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。