論文の概要: Shining a Light on Hurricane Damage Estimation via Nighttime Light Data: Pre-processing Matters

• arxiv url: http://arxiv.org/abs/2410.22150v1
• Date: Tue, 29 Oct 2024 15:48:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:40:20.462542
• Title: Shining a Light on Hurricane Damage Estimation via Nighttime Light Data: Pre-processing Matters
• Title（参考訳）: 夜間光データによるハリケーン被害推定における光の輝き-前処理について
• Authors: Nancy Thomas, Saba Rahimi, Annita Vapsi, Cathy Ansell, Elizabeth Christie, Daniel Borrajo, Tucker Balch, Manuela Veloso,
• Abstract要約: 我々の研究は、値しきい値、組込みマスキング、品質フィルタリング、計算など、さまざまなNTL前処理技術について検討している。 フロリダ州のカテゴリー4-5ハリケーンの経済被害と鑑別NTLデータの相関性を評価する実験を行った。 これらの結果から,VNP46A2に適用した品質マスキング・インパクション技術は,経済被害データと有意な相関を示した。
• 参考スコア（独自算出の注目度）: 8.407093688627292
• License:
• Abstract: Amidst escalating climate change, hurricanes are inflicting severe socioeconomic impacts, marked by heightened economic losses and increased displacement. Previous research utilized nighttime light data to predict the impact of hurricanes on economic losses. However, prior work did not provide a thorough analysis of the impact of combining different techniques for pre-processing nighttime light (NTL) data. Addressing this gap, our research explores a variety of NTL pre-processing techniques, including value thresholding, built masking, and quality filtering and imputation, applied to two distinct datasets, VSC-NTL and VNP46A2, at the zip code level. Experiments evaluate the correlation of the denoised NTL data with economic damages of Category 4-5 hurricanes in Florida. They reveal that the quality masking and imputation technique applied to VNP46A2 show a substantial correlation with economic damage data.
• Abstract（参考訳）: 気候変動がエスカレートする中で、ハリケーンは深刻な社会経済的影響をもたらしており、経済的な損失の増大と人口移動の増加が特徴である。 これまでの研究では、夜間の光データを利用して、ハリケーンが経済的損失に与える影響を予測していた。 しかし、従来の研究は、夜間光(NTL)データを前処理するための異なる技術を組み合わせることの影響について、徹底的な分析を行なわなかった。 このギャップに対処するため、我々は、zipコードレベルでVSC-NTLとVNP46A2という2つの異なるデータセットに適用した、値しきい値のしきい値、組込みマスキング、品質フィルタリングとインプットなど、さまざまなNTL前処理手法を調査した。 フロリダ州のカテゴリー4-5ハリケーンの経済被害と鑑別NTLデータの相関性を評価する実験を行った。 これらの結果から,VNP46A2に適用した品質マスキング・インパクション技術は,経済被害データと有意な相関を示した。

関連論文リスト

• Accident Impact Prediction based on a deep convolutional and recurrent neural network model [0.24999074238880484]
  本研究では,事故後の影響を予測するためにカスケードモデルと呼ばれるディープニューラルネットワークモデルを提案する。 ロサンゼルス郡から入手可能な実世界のデータを利用して、事故後の影響を予測する。 その結果、最小限の影響の予測における精度の向上と、より重大な影響の予測におけるリコールの精度の向上が明らかになった。
  論文  参考訳（メタデータ） (2024-11-12T04:27:06Z)
• End-To-End Causal Effect Estimation from Unstructured Natural Language Data [23.484226791467478]
  本研究では,大規模言語モデル(LLM)を用いて,多種多様なテキストデータをマイニングして,安価な因果効果推定を行う方法を示す。 NATURALは,LLMを用いて構築され,非構造化テキストのデータセット上で動作する因果効果推定器である。 この結果から、非構造化テキストデータは因果効果情報の豊富な情報源であり、NATURALはこのリソースを利用するための自動パイプラインへの第一歩であることを示唆した。
  論文  参考訳（メタデータ） (2024-07-09T16:38:48Z)
• Rethinking Data Augmentation for Robust LiDAR Semantic Segmentation in Adverse Weather [21.040167521248772]
  既存のLiDARセマンティックセグメンテーション手法は、悪天候下での性能低下に苦慮することが多い。 これまでの研究は、悪天候をシミュレートしたり、トレーニング中に普遍的なデータ拡張を採用することでこの問題に対処してきた。 本稿では,性能劣化の主な原因を特定するために,新たな戦略データ拡張手法を提案する。 提案手法はセマンティックKITTI-to-SemanticSTFベンチマークで39.5 mIoUを達成し,ベースラインを8.1%改善し,新たな最先端技術を確立した。
  論文  参考訳（メタデータ） (2024-07-02T14:19:51Z)
• 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)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• To Repeat or Not To Repeat: Insights from Scaling LLM under Token-Crisis [50.31589712761807]
  大規模言語モデル(LLM)は、事前トレーニング中にトークンに悩まされていることで知られており、Web上の高品質なテキストデータは、LSMのスケーリング制限に近づいている。 本研究では,事前学習データの再学習の結果について検討し,モデルが過度に適合する可能性が示唆された。 第2に, マルチエポック劣化の原因となる要因について検討し, データセットのサイズ, モデルパラメータ, トレーニング目標など, 重要な要因について検討した。
  論文  参考訳（メタデータ） (2023-05-22T17:02:15Z)
• 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)
• Learning Inter-Annual Flood Loss Risk Models From Historical Flood Insurance Claims and Extreme Rainfall Data [0.0]
  洪水は最も壊滅的な自然災害の1つであり、実質的な経済的損失の原因となっている。 本研究は,国立洪水保険プログラムデータセット上に構築されたレジストレーターの予測能力を評価する。
  論文  参考訳（メタデータ） (2022-12-15T19:23:02Z)
• Interpretability in Convolutional Neural Networks for Building Damage Classification in Satellite Imagery [0.0]
  我々は、プレサスタ衛星画像とポストサスタ衛星画像とをラベル付けしたデータセットを使用して、建物ごとの損傷を評価する。 複数の畳み込みニューラルネットワーク(CNN)をトレーニングし、建物ごとの損傷を評価する。 我々の研究は、人為的気候変動による人道的危機の進行に、計算的に貢献することを目指している。
  論文  参考訳（メタデータ） (2022-01-24T16:55:56Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• 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)

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。