論文の概要: Estimation of the Area and Precipitation Associated with a Tropical Cyclone Biparjoy by using Image Processing
- arxiv url: http://arxiv.org/abs/2407.05255v1
- Date: Sun, 7 Jul 2024 04:41:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-09 20:37:03.739581
- Title: Estimation of the Area and Precipitation Associated with a Tropical Cyclone Biparjoy by using Image Processing
- Title（参考訳）: 画像処理による熱帯性サイクロンの分布域と降水量の推定
- Authors: Shikha Verma, Kuldeep Srivastava, Akhilesh Tiwari, Shekhar Verma,
- Abstract要約: 本稿では,リモートセンシングデータを用いて降水量と被害地域への影響を推定する手法を提案する。
サイクロンに関連付けられた降水クラスターの同定と抽出に画像処理技術が用いられた。
その結果、ビパルジョイはインドとアラビア海の平均降水量は53.14mm/日であり、インドの境界は1日11.59mm/日であり、面積は411.76000平方キロメートルである。
- 参考スコア（独自算出の注目度）: 6.68100259034081
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The rainfall associated with Topical Cyclone(TC) contributes a major amount to the annual rainfall in India. Due to the limited research on the quantitative precipitation associated with Tropical Cyclones (TC), the prediction of the amount of precipitation and area that it may cover remains a challenge. This paper proposes an approach to estimate the accumulated precipitation and impact on affected area using Remote Sensing data. For this study, an instance of Extremely Severe Cyclonic Storm, Biparjoy that formed over the Arabian Sea and hit India in 2023 is considered in which we have used the satellite images of IMERG-Late Run of Global Precipitation Measurement (GPM). Image processing techniques were employed to identify and extract precipitation clusters linked to the cyclone. The results indicate that Biparjoy contributed a daily average rainfall of 53.14 mm/day across India and the Arabian Sea, with the Indian boundary receiving 11.59 mm/day, covering an extensive 411.76 thousand square kilometers. The localized intensity and variability observed in states like Gujarat, Rajasthan, Madhya Pradesh, and Uttar Pradesh highlight the need for tailored response measures, emphasizing the importance of further research to enhance predictive models and disaster readiness, crucial for building resilience against the diverse impacts of tropical cyclones.
- Abstract（参考訳）: トピカルサイクロン(TC)に伴う降雨は、インドの年間降雨量に大きく寄与している。
熱帯サイクロン(TC)の量的降水量に関する限られた研究のため、降水量と面積の予測は依然として困難である。
本稿では,リモートセンシングデータを用いて降水量と被害地域への影響を推定する手法を提案する。
本研究では,2023年にアラビア海上空で発生しインドに到達した超重大サイクロニックストームの例について, IMERG-Late Run of Global Precipitation Measurement (GPM) の衛星画像を用いて検討した。
サイクロンに関連付けられた降水クラスターの同定と抽出に画像処理技術が用いられた。
その結果、インドとアラビア海の平均降水量は53.14mm/日であり、インドの境界は1日11.59mm/日であり、面積は411.76000平方キロメートルである。
グジャラート、ラジャサン、マドハイア・プラデーシュ、ウッタル・プラデーシュといった州で観測される局所的な強度と変動性は、予測モデルと災害対応性を高めるためのさらなる研究の重要性を強調し、熱帯サイクロンの多様な影響に対する弾力性の構築に不可欠である。
関連論文リスト
- MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。
その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。
提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
論文 参考訳（メタデータ） (2024-03-15T03:27:39Z) - CasCast: Skillful High-resolution Precipitation Nowcasting via Cascaded
Modelling [93.65319031345197]
本稿では,メソスケール降水分布と小規模パターンの予測を分離するために,決定的かつ確率的な部分からなるカスケードフレームワークCasCastを提案する。
CasCastは地域の極端降水量計のベースライン(+91.8%)をはるかに上回っている。
論文 参考訳（メタデータ） (2024-02-06T08:30:47Z) - 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) - 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) - Prediction of Landfall Intensity, Location, and Time of a Tropical
Cyclone [1.6379393441314491]
このモデルは、特定の時間、その位置、圧力、海面温度、強度からなるサイクロンの最良のトラックデータとして入力される。
このモデルは、降水強度、時間、緯度、経度を平均絶対誤差4.24ノット、4.5時間、0.24度、0.37度で予測し、最先端の結果を提供する。
論文 参考訳（メタデータ） (2021-03-30T09:01:35Z) - A Deep and Wide Neural Network-based Model for Rajasthan Summer Monsoon
Rainfall (RSMR) Prediction [0.0]
インドのラジャスタン州における夏季モンスーン降雨予測のための様々な深層学習手法の分析と評価を行う。
IMDグリッドデータセットから、ラジャスタンの地理的境界内にある484座標の降雨データが選択されます。
また,水資源部門から降雨量計158局の降雨データも収集した。
論文 参考訳（メタデータ） (2021-03-03T03:42:45Z) - Prediction of Rainfall in Rajasthan, India using Deep and Wide Neural
Network [0.5735035463793008]
インド・ラジャサン州の降雨予測モデル(DWRPM)を提案する。
地理的パラメータ(緯度と経度)の情報は、ユニークな方法で含まれる。
結果とLSTMやCNNのような様々な深層学習手法を比較し,シーケンスベースの予測でうまく機能することが確認された。
論文 参考訳（メタデータ） (2020-10-22T15:01:22Z) - 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) - Rain-Code Fusion : Code-to-code ConvLSTM Forecasting Spatiotemporal
Precipitation [0.8057006406834465]
本稿では, 時間差低減のための多フレーム融合を用いた時相降雨過程を表す新しい降雨特性を提案する。
レーダー解析データを用いて中央の面積を136×148km2の範囲に拡大する。
論文 参考訳（メタデータ） (2020-09-30T11:33:45Z) - Sub-Seasonal Climate Forecasting via Machine Learning: Challenges,
Analysis, and Advances [44.28969320556008]
サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。
本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
論文 参考訳（メタデータ） (2020-06-14T18:39:27Z)
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。