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

• Seasonal Fire Prediction using Spatio-Temporal Deep Neural Networks [2.748450182087935]
  We use SeasFire, a comprehensive global wildfire data with climate, vegetation, oceanic indices, and human-related variables, to enable seasonal wildfire forecasting with machine learning。 予測分析のために、野火の時間的文脈を捉えた異なるアーキテクチャでディープラーニングモデルを訓練する。 本研究は,季節火災予報における深層学習モデルの可能性を示すものである。
  論文  参考訳（メタデータ） (2024-04-09T16:28:54Z)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• 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)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• 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)
• GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
  我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。 全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。 我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-24T18:15:39Z)
• 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)
• 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)
• Modeling Wildfire Perimeter Evolution using Deep Neural Networks [0.0]
  本研究では,24時間間における山火事周囲の進化を予測できる山火事拡散モデルを提案する。 このモデルはカリフォルニアのシエラネバダ山脈西部の山火事から、実際の歴史的データセットから、山火事の拡散力学を学習することができる。
  論文  参考訳（メタデータ） (2020-09-08T20:06:01Z)
• 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。