論文の概要: A Novel Modeling Framework and Data Product for Extended VIIRS-like Artificial Nighttime Light Image Reconstruction (1986-2024)

• arxiv url: http://arxiv.org/abs/2508.00590v1
• Date: Fri, 01 Aug 2025 12:44:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.879412
• Title: A Novel Modeling Framework and Data Product for Extended VIIRS-like Artificial Nighttime Light Image Reconstruction (1986-2024)
• Title（参考訳）: 拡張VIIRSライクな人工夜間光画像再構成のための新しいモデリングフレームワークとデータ製品(1986-2024)
• Authors: Yihe Tian, Kwan Man Cheng, Zhengbo Zhang, Tao Zhang, Suju Li, Dongmei Yan, Bing Xu,
• Abstract要約: 本稿では,2段階のプロセス-構築と改良-からなる新しい再構築フレームワークを提案する。 われわれは、1986年から26年間、標準的なデータ記録を遡って延ばし、中国のEVAL(Extended VIIRS-like Artificial Nighttime Light)製品を開発した。
• 参考スコア（独自算出の注目度）: 3.96078677930003
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial Night-Time Light (NTL) remote sensing is a vital proxy for quantifying the intensity and spatial distribution of human activities. Although the NPP-VIIRS sensor provides high-quality NTL observations, its temporal coverage, which begins in 2012, restricts long-term time-series studies that extend to earlier periods. Despite the progress in extending VIIRS-like NTL time-series, current methods still suffer from two significant shortcomings: the underestimation of light intensity and the structural omission. To overcome these limitations, we propose a novel reconstruction framework consisting of a two-stage process: construction and refinement. The construction stage features a Hierarchical Fusion Decoder (HFD) designed to enhance the fidelity of the initial reconstruction. The refinement stage employs a Dual Feature Refiner (DFR), which leverages high-resolution impervious surface masks to guide and enhance fine-grained structural details. Based on this framework, we developed the Extended VIIRS-like Artificial Nighttime Light (EVAL) product for China, extending the standard data record backwards by 26 years to begin in 1986. Quantitative evaluation shows that EVAL significantly outperforms existing state-of-the-art products, boosting the $\text{R}^2$ from 0.68 to 0.80 while lowering the RMSE from 1.27 to 0.99. Furthermore, EVAL exhibits excellent temporal consistency and maintains a high correlation with socioeconomic parameters, confirming its reliability for long-term analysis. The resulting EVAL dataset provides a valuable new resource for the research community and is publicly available at https://doi.org/10.11888/HumanNat.tpdc.302930.
• Abstract（参考訳）: 人工夜間光(NTL)リモートセンシングは、人間の活動の強度と空間分布を定量化するための重要なプロキシである。 NPP-VIIRSセンサーは高品質なNTL観測を提供するが、2012年から始まる時間的カバレッジは、初期の期間まで続く長期の時系列研究を制限している。 VIIRSライクなNTL時系列の進展にもかかわらず、現在の手法では光強度の過小評価と構造的欠落という2つの重大な欠点に悩まされている。 これらの制約を克服するために,建設と改良という2段階のプロセスからなる新しい再構築フレームワークを提案する。 建設段階は、初期改修の忠実性を高めるために設計された階層型核融合デコーダ(HFD)が特徴である。 改良段階にはDFR(Dual Feature Refiner)が採用され、高分解能な表面マスクを利用して微細な構造の詳細をガイドし、強化する。 この枠組みに基づき、1986年から26年に遡って、中国向けの拡張VIIRSライクな人工夜間光(EVAL)製品を開発した。 定量評価によると、EVALは既存の最先端製品よりも大幅に優れており、$\text{R}^2$は0.68から0.80に、RMSEは1.27から0.99に下げられている。 さらに、EVALは、優れた時間的一貫性を示し、社会経済的パラメータと高い相関を維持し、長期的な分析の信頼性を確認している。 得られたEVALデータセットは、研究コミュニティにとって貴重な新しいリソースを提供し、https://doi.org/10.11888/HumanNat.tpdc.302930で公開されている。

関連論文リスト

• Frequency-Constrained Learning for Long-Term Forecasting [15.31488551912888]
  実世界の時系列は、物理法則、人間のルーチン、季節周期から生じる強い周期構造を示す。 現代の深層予測モデルは、スペクトルバイアスと周波数認識による誘導前兆の欠如により、繰り返し発生するパターンを捉えることができないことが多い。 本稿では,周期性を明示的にモデル化し,長期予測を効果的に行う手法を提案する。
  論文  参考訳（メタデータ） (2025-08-02T22:12:15Z)
• DIFFUMA: High-Fidelity Spatio-Temporal Video Prediction via Dual-Path Mamba and Diffusion Enhancement [5.333662480077316]
  我々は,半導体ウェハダイシングプロセスに特化した最初の公開時空間画像データセットであるChip Dicing Laneデータセット(CHDL)をリリースする。 このような微細なダイナミクスに特化して設計された、革新的なデュアルパス予測アーキテクチャであるDIFFUMAを提案する。 実験の結果、DIFFUMAは既存の手法よりも優れており、平均二乗誤差(MSE)を39%削減し、類似性(SSIM)を0.926から0.988に改善した。
  論文  参考訳（メタデータ） (2025-07-09T10:51:54Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [55.09326865401653]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• From Proxies to Fields: Spatiotemporal Reconstruction of Global Radiation from Sparse Sensor Sequences [0.38836072943850625]
  TRONは22年間のシミュレーションデータに基づいて訓練され、65,341箇所で一般化されている。 TRONは、大気モデル、地球物理学的ハザードモニタリング、リアルタイム環境リスク予測など、スパースデータから科学分野を再構築するためのドメインに依存しないフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-05-24T16:24:10Z)
• T2I-Eval-R1: Reinforcement Learning-Driven Reasoning for Interpretable Text-to-Image Evaluation [60.620408007636016]
  T2I-Eval-R1は,大まかな品質スコアのみを用いて,オープンソースのMLLMを訓練する新しい強化学習フレームワークである。 提案手法では,グループ相対政策最適化を命令調整プロセスに統合し,スカラースコアと解釈可能な推論チェーンの両方を生成する。
  論文  参考訳（メタデータ） (2025-05-23T13:44:59Z)
• Restoration Score Distillation: From Corrupted Diffusion Pretraining to One-Step High-Quality Generation [82.39763984380625]
  Score Distillation (DSD) の原理的一般化である textitRestoration Score Distillation (RSD) を提案する。 RSDは、ぼやけた画像、不完全画像、低解像度画像など、広範囲の汚職タイプに対応している。 自然と科学の両方のデータセットの様々な復元作業において、教師モデルを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-05-19T17:21:03Z)
• Siamese Foundation Models for Crystal Structure Prediction [70.63218101004398]
  結晶構造予測(CSP)は、組成から安定な結晶構造を生成することを目的としている。 CSPは比較的未発見の領域である。 CSPに特化して設計されたシームズ基礎モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-13T15:44:16Z)
• Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
  我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。 単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
  論文  参考訳（メタデータ） (2024-06-12T02:48:52Z)
• DeepLight: Reconstructing High-Resolution Observations of Nighttime Light With Multi-Modal Remote Sensing Data [4.89861083551325]
  夜間光(NTL)リモートセンシング観測は、一連の持続可能な開発目標を達成するための進捗を定量的に評価するためのユニークなプロキシとして機能する。 本研究では,マルチモーダルリモートセンシングデータを用いた高解像度NTL画像の再構成手法を提案する。
  論文  参考訳（メタデータ） (2024-02-24T00:25:22Z)
• Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
  我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。 我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。 また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
  論文  参考訳（メタデータ） (2024-02-22T18:55:17Z)
• Spatial-Temporal-Decoupled Masked Pre-training for Spatiotemporal Forecasting [15.446085872077898]
  本研究では,2つの分離されたマスク付きオートエンコーダを用いて,空間次元と時間次元に沿った時系列を再構成する自己教師付き事前学習フレームワークを提案する。 このような再構築を通じて学んだリッチコンテキスト表現は、ダウンストリームによってシームレスに統合され、任意のアーキテクチャでパフォーマンスを向上することができる。
  論文  参考訳（メタデータ） (2023-12-01T11:43:49Z)
• Long Short-Term Transformer for Online Action Detection [96.23884916995978]
  Long Short-term TRansformer (LSTR) はオンライン行動検出のための新しい時間的モデリングアルゴリズムである。 以前の研究と比較すると、LSTRはアルゴリズム設計の少ない長編動画を効果的かつ効率的にモデル化する方法を提供する。
  論文  参考訳（メタデータ） (2021-07-07T17:49:51Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。