論文の概要: Amazon's 2023 Drought: Sentinel-1 Reveals Extreme Rio Negro River
Contraction
- arxiv url: http://arxiv.org/abs/2401.16393v1
- Date: Mon, 29 Jan 2024 18:34:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 13:43:43.952832
- Title: Amazon's 2023 Drought: Sentinel-1 Reveals Extreme Rio Negro River
Contraction
- Title(参考訳): amazonの2023年の干ばつ:sentinel-1はリオネグロの川を極端に縮める
- Authors: Fabien H Wagner, Samuel Favrichon, Ricardo Dalagnol, Mayumi CM Hirye,
Adugna Mullissa and Sassan Saatchi
- Abstract要約: アマゾン川支流の1つであるリオネグロ川は2023年10月に1世紀ぶりの低水準に達した。
ここでは,2022年と2023年に,リオネグロ川流域の水面を12日毎にマッピングするために,U-net深層学習モデルを用いた。
水面モデルの精度はF1スコア0.93で高かった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Amazon, the world's largest rainforest, faces a severe historic drought.
The Rio Negro River, one of the major Amazon River tributaries, reaches its
lowest level in a century in October 2023. Here, we used a U-net deep learning
model to map water surfaces in the Rio Negro River basin every 12 days in 2022
and 2023 using 10 m spatial resolution Sentinel-1 satellite radar images. The
accuracy of the water surface model was high with an F1-score of 0.93. The 12
days mosaic time series of water surface was generated from the Sentinel-1
prediction. The water surface mask demonstrated relatively consistent agreement
with the Global Surface Water (GSW) product from Joint Research Centre
(F1-score: 0.708) and with the Brazilian Mapbiomas Water initiative (F1-score:
0.686). The main errors of the map were omission errors in flooded woodland, in
flooded shrub and because of clouds. Rio Negro water surfaces reached their
lowest level around the 25th of November 2023 and were reduced to 68.1\%
(9,559.9 km$^2$) of the maximum water surfaces observed in the period 2022-2023
(14,036.3 km$^2$). Synthetic Aperture Radar (SAR) data, in conjunction with
deep learning techniques, can significantly improve near real-time mapping of
water surface in tropical regions.
- Abstract(参考訳): 世界最大の熱帯雨林であるアマゾンは、歴史的な干ばつに直面している。
アマゾン川の主要支流の1つであるリオネグロ川は、2023年10月に1世紀で最低水準に達した。
2022年と2023年にリオネグロ川流域の12日毎に10mの空間分解能Sentinel-1衛星レーダー画像を用いてU-net深層学習モデルを構築した。
水面モデルの精度はf1-score 0.93で高い値を示した。
12日間のモザイクによる水面の時系列はSentinel-1の予測から得られた。
水面マスクは、共同研究センター(f1-score: 0.708)のグローバル表面水(gsw)製品とブラジルのmapbiomas water initiative(f1-score: 0.686)と比較的一貫した一致を示した。
地図の主な誤りは、浸水した森林地帯、浸水した低木、雲による欠落エラーであった。
リオネグロの水面は2023年11月25日頃に最低水準に達し、2022-2023年に観測された最大水面の68.1 % (9,559.9 km$^2$) まで減少した。
合成開口レーダ(SAR)データと深層学習技術との併用により,熱帯海域の水面マッピングのリアルタイム化が著しく向上する。
関連論文リスト
- Generative Nowcasting of Marine Fog Visibility in the Grand Banks area
and Sable Island in Canada [6.226747882256984]
条件付き生成逆ネットワーク(cGAN)による霧の可視性(Vis)の生成
極勾配促進法 (XGBoost) は, cGANと比較するためのベースライン法として用いられた。
現在、30分でVisを放送するのは非常に難しいが、1kmでVisの変動を追跡するcGANモデルの能力は、海洋の霧の可視性を生成分析する可能性があることを示唆している。
論文 参考訳(メタデータ) (2024-02-09T21:57:57Z) - Kuro Siwo: 12.1 billion $m^2$ under the water. A global multi-temporal
satellite dataset for rapid flood mapping [3.1368593246939898]
洪水は人命、インフラ、環境に深刻な脅威をもたらす。
Kuro Siwoは、世界中の32の洪水イベントにまたがる、細心の注意を払ってキュレートされた多時期データセットである。
我々のデータセットは63億m2以上の土地をマッピングし、そのうち1210億は浸水した地域か永久的な水域である。
論文 参考訳(メタデータ) (2023-11-18T13:55:05Z) - Analysis of Rainfall Variability and Water Extent of Selected Hydropower
Reservoir Using Google Earth Engine (GEE): A Case Study from Two Tropical
Countries, Sri Lanka and Vietnam [0.0]
本研究では,ベトナムとスリランカにおける降雨パターンの総合的リモートセンシング分析と水力貯水池水深の選択について述べる。
両国の平均年間降水量は決定され、月平均降水量は時間変動する。
その結果, 降雨パターンと貯水量との関係が明らかとなり, モンスーンシーズンの降水量が増加し, その後の数ヶ月で水量も増加した。
論文 参考訳(メタデータ) (2023-10-09T12:51:46Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Automating global landslide detection with heterogeneous ensemble
deep-learning classification [44.99833362998488]
地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。
危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。
近年,中~高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
論文 参考訳(メタデータ) (2023-09-12T10:56:16Z) - 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) - An Edge Map based Ensemble Solution to Detect Water Level in Stream [3.2308803546329137]
米国だけでも毎年、洪水で130ドル(約1万3000円)以上の死者が出ている。
我々は,クリークの水位を連続的に検出する効率的な視覚ベースアンサンブルソリューションを設計し,実装した。
提案されたソリューションは広範に正確であり、水面に追加のインフラを設置する必要はなく、容易に他の場所に適応できる。
論文 参考訳(メタデータ) (2022-01-16T17:43:12Z) - Dual Attention-in-Attention Model for Joint Rain Streak and Raindrop
Removal [103.4067418083549]
降雨量と降雨量の両方を同時に除去する2つのDAMを含むDual Attention-in-Attention Model (DAiAM)を提案する。
提案手法は,降雨量と降雨量とを同時に除去できるだけでなく,両タスクの最先端性能も達成できる。
論文 参考訳(メタデータ) (2021-03-12T03:00:33Z) - Predicting Playa Inundation Using a Long Short-Term Memory Neural
Network [0.0]
グレートプレーンズでは、プラヤは渡り鳥にとって重要な湿地であり、農業的に重要なハイプレーンズ帯水池の供給源となっている。
長期記憶(LSTM)ニューラルネットワークを用いて,1984-2018年に大平原の71,842のプレーヤ浸出をモデル化した。
論文 参考訳(メタデータ) (2020-10-16T19:52:32Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳(メタデータ) (2020-10-16T02:15:34Z)
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。