論文の概要: Spatially Resolved Meteorological and Ancillary Data in Central Europe for Rainfall Streamflow Modeling
- arxiv url: http://arxiv.org/abs/2506.03819v1
- Date: Wed, 04 Jun 2025 10:44:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 21:20:14.290401
- Title: Spatially Resolved Meteorological and Ancillary Data in Central Europe for Rainfall Streamflow Modeling
- Title（参考訳）: 降雨流モデリングのための中央ヨーロッパにおける空間分解気象・アンシラリーデータ
- Authors: Marc Aurel Vischer, Noelia Otero, Jackie Ma,
- Abstract要約: 本稿では,完全に空間的に解決された降水流モデリングのためのデータセットを提案する。
我々はドナウ川上流,エルベ川,オーデル川,ライン川,ウェザー川の5つの流域を網羅したデータを収集した。
データは通常の9km×9kmグリッドに調和し、1981年10月から2011年9月までの日々の値を含んでいる。
- 参考スコア（独自算出の注目度）: 1.6615791970287515
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present a dataset for rainfall streamflow modeling that is fully spatially resolved with the aim of taking neural network-driven hydrological modeling beyond lumped catchments. To this end, we compiled data covering five river basins in central Europe: upper Danube, Elbe, Oder, Rhine, and Weser. The dataset contains meteorological forcings, as well as ancillary information on soil, rock, land cover, and orography. The data is harmonized to a regular 9km times 9km grid and contains daily values that span from October 1981 to September 2011. We also provide code to further combine our dataset with publicly available river discharge data for end-to-end rainfall streamflow modeling.
- Abstract（参考訳）: 本稿では, 降雨流モデリングのためのデータセットについて述べる。
この目的のために,我々はドナウ川上流,エルベ川,オーデル川,ライン川,ウェザー川の5つの流域を網羅したデータを収集した。
このデータセットには、気象学的な強制力と、土壌、岩石、土地被覆、オーログラフィーに関する補助情報が含まれている。
データは通常の9km×9kmグリッドに調和し、1981年10月から2011年9月までの日々の値を含んでいる。
また、我々のデータセットと利用可能な河川流出データを組み合わせて、エンドツーエンドの降雨流モデリングを行うためのコードも提供します。
関連論文リスト
- Towards a Spatiotemporal Fusion Approach to Precipitation Nowcasting [0.44940580193534]
リオデジャネイロの気象雨量計観測所のデータを統合することで,降水量計のためのデータ融合手法を提案する。
我々はSTConvS2Sと呼ばれる数値的な気象深度学習アーキテクチャを採用し、9 x 11グリッドをカバーする構造化データセットを活用している。
実験された構成のうち、核融合モデルでは1時間リードで重降雨(25 mm/h以上)に対して0.2033のF1スコアを達成する。
論文 参考訳（メタデータ） (2025-05-25T18:27:19Z) - CirT: Global Subseasonal-to-Seasonal Forecasting with Geometry-inspired Transformer [47.65152457550307]
重力の循環特性をモデル化する幾何インスパイアされた循環変換器(CirT)を提案する。
地球再分析5(ERA5)再解析データセットの実験は、我々のモデルが先進的なデータ駆動モデルよりも大幅に改善することを示した。
論文 参考訳（メタデータ） (2025-02-27T04:26:23Z) - EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳（メタデータ） (2025-01-14T13:42:22Z) - 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) - FlowDB a large scale precipitation, river, and flash flood dataset [0.0]
洪水は、米国で毎年80億ドルの損害をもたらし、あらゆる天候関連イベントの最大の死を引き起こします。
新たな1時間ごとの河川流量と降水量データセットと、損傷推定と傷害数を持つフラッシュ洪水イベントの2番目のサブセットを紹介します。
論文 参考訳（メタデータ） (2020-12-21T07:08:41Z) - RainNet: A Large-Scale Dataset for Spatial Precipitation Downscaling [34.643909161864855]
我々は、最初のREAL(非シミュレーション)大規模空間降水ダウンスケーリングデータセット、RainNetを紹介します。
このデータセットは17年間、62,424対の低解像度と高解像度の降水マップを含んでいる。
シミュレーションデータとは対照的に、実際のデータセットは様々な種類の気象現象をカバーしている。
論文 参考訳（メタデータ） (2020-12-17T16:12:17Z) - RainBench: Towards Global Precipitation Forecasting from Satellite
Imagery [6.462260770989231]
極端に降水するイベントは、発展途上国の経済と生活を定期的に破壊する。
データ駆動型ディープラーニングアプローチは、正確な複数日予測へのアクセスを広げる可能性がある。
現在、世界的な降雨予測の研究に特化したベンチマークデータセットは存在しない。
論文 参考訳（メタデータ） (2020-12-17T15:35:24Z) - CloudCast: A Satellite-Based Dataset and Baseline for Forecasting Clouds [0.0]
本稿では,CloudCast'と呼ばれる新しい衛星ベースのデータセットを提案する。
画像は70,080枚で、雲の種類は10種類あり、大気の複数の層がピクセルレベルでアノテートされている。
データセットの空間解像度は928 x 1530ピクセル(1ピクセルあたり3x3km)で、2017-01-01から2018-12-31までのフレーム間隔は15分である。
論文 参考訳（メタデータ） (2020-07-15T20:20:55Z) - 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。