論文の概要: Progressive Scale Convolutional Network for Spatio-Temporal Downscaling of Soil Moisture: A Case Study Over the Tibetan Plateau
- arxiv url: http://arxiv.org/abs/2510.10244v1
- Date: Sat, 11 Oct 2025 14:55:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.85502
- Title: Progressive Scale Convolutional Network for Spatio-Temporal Downscaling of Soil Moisture: A Case Study Over the Tibetan Plateau
- Title（参考訳）: 土壌水分の時空間ダウンスケーリングのためのプログレッシブ・スケール・コンボリューション・ネットワーク:チベット高原を事例として
- Authors: Ziyu Zhou, Keyan Hu, Ling Zhang, Zhaohui Xue, Yutian Fang, Yusha Zheng,
- Abstract要約: 土壌水分(SM)は、水文学および気象学の過程において重要な役割を果たす。
粗いマイクロ波データと微細な補助変数を組み合わせることで高分解能SMを得ることができる。
SMの低分解能SMAPのダウンスケーリング過程に対する高時間分解能ERA5-Land変数の検証を行った。
- 参考スコア（独自算出の注目度）: 7.038554506191885
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Soil moisture (SM) plays a critical role in hydrological and meteorological processes. High-resolution SM can be obtained by combining coarse passive microwave data with fine-scale auxiliary variables. However, the inversion of SM at the temporal scale is hindered by the incompleteness of surface auxiliary factors. To address this issue, first, we introduce validated high temporal resolution ERA5-Land variables into the downscaling process of the low-resolution SMAP SM product. Subsequently, we design a progressive scale convolutional network (PSCNet), at the core of which are two innovative components: a multi-frequency temporal fusion module (MFTF) for capturing temporal dynamics, and a bespoke squeeze-and-excitation (SE) block designed to preserve fine-grained spatial details. Using this approach, we obtained seamless SM products for the Tibetan Plateau (TP) from 2016 to 2018 at 10-km spatial and 3-hour temporal resolution. The experimental results on the TP demonstrated the following: 1) In the satellite product validation, the PSCNet exhibited comparable accuracy and lower error, with a mean R value of 0.881, outperforming other methods. 2) In the in-situ site validation, PSCNet consistently ranked among the top three models for the R metric across all sites, while also showing superior performance in overall error reduction. 3) In the temporal generalization validation, the feasibility of using high-temporal resolution ERA5-Land variables for downscaling was confirmed, as all methods maintained an average relative error within 6\% for the R metric and 2\% for the ubRMSE metric. 4) In the temporal dynamics and visualization validation, PSCNet demonstrated excellent temporal sensitivity and vivid spatial details. Overall, PSCNet provides a promising solution for spatio-temporal downscaling by effectively modeling the intricate spatio-temporal relationships in SM data.
- Abstract（参考訳）: 土壌水分(SM)は、水文学および気象学の過程において重要な役割を果たす。
粗い受動マイクロ波データと微細な補助変数を組み合わせることで高分解能SMを得ることができる。
しかし、時間スケールでのSMの逆転は、表面補助因子の不完全性によって妨げられる。
まず,高分解能ERA5-Land変数を低分解能SMAP SM製品のダウンスケーリングプロセスに導入する。
その後、時間的ダイナミクスを捉えるための多周波時間融合モジュール(MFTF)と、きめ細かい空間的詳細を保存するように設計されたベスポーク圧縮励磁ブロック(SEブロック)の2つの革新的コンポーネントのコアとなる、プログレッシブスケール畳み込みネットワーク(PSCNet)を設計する。
このアプローチを用いて,2016年から2018年にかけて10kmの空間分解能と3時間の時間分解能でチベット高原(TP)のシームレスなSM生成物を得た。
TP実験の結果は以下の通りである。
1) 衛星製品検証において, PSCNetは, 平均R値0.881で同等の精度と低い誤差を示し, 他の手法よりも優れていた。
2) 現場検証では,PSCNetは全サイトにおいてR指標の上位3モデルに一貫してランクインし,全体のエラー低減性能も向上した。
3) 時間的一般化検証において, ダウンスケーリングにおける高分解能ERA5-Land変数の使用の可能性が確認された。
4) 時間的動的・可視化的検証では, PSCNetは時間的感度と鮮明な空間的詳細性に優れていた。
全体として、PSCNetは、SMデータの複雑な時空間関係を効果的にモデル化することで、時空間ダウンスケーリングのための有望なソリューションを提供する。
関連論文リスト
- Interactive Atmospheric Composition Emulation for Next-Generation Earth System Models [0.0]
地球系モデル(ESM)のインタラクティブシミュレーションは、各段階ごとに多数のガスやエアロゾルを輸送するため、計算コストがかかる。
我々は、機械学習(ML)を使用してModelE NINTトレーサバージョンを拡張し、インタラクティブなエミッションをエミュレートするSmartINTを作成する。
Smart NINTは、気象データを入力としてMLを用いてインタラクティブに濃度を計算し、完全な物理パラメータ化を避ける。
論文 参考訳（メタデータ） (2025-10-12T15:18:37Z) - TempSamp-R1: Effective Temporal Sampling with Reinforcement Fine-Tuning for Video LLMs [67.55973229034319]
本稿では,マルチモーダルな大規模言語モデル(MLLM)をビデオ時間的グラウンド処理に適応させることの有効性向上を目的とした,新しい強化微調整フレームワークであるTempSamp-R1を紹介する。
我々は、TempSamp-R1がGRPOベースのベースラインより優れており、ベンチマークデータセット上で新しい最先端のパフォーマンスを確立していることを示す。
論文 参考訳（メタデータ） (2025-09-22T17:30:15Z) - WSM: Decay-Free Learning Rate Schedule via Checkpoint Merging for LLM Pre-training [64.0932926819307]
本稿では,学習速度減衰とモデルマージの正式な関係を確立するフレームワークであるWarmup-Stable and Merge(WSM)を紹介する。
WSMは様々な崩壊戦略をエミュレートするための統一された理論基盤を提供する。
私たちのフレームワークは、複数のベンチマークで広く採用されているWarmup-Stable-Decay(WSD)アプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-07-23T16:02:06Z) - STQE: Spatial-Temporal Attribute Quality Enhancement for G-PCC Compressed Dynamic Point Clouds [52.435843736488145]
圧縮された動的点雲の視覚的品質を改善するために,空間的・時間的相関を利用した時空間属性品質向上(STQE)ネットワークを提案する。
私たちのコントリビューションには、参照属性情報を現在のフレーム形状に再マップして、フレーム間の正確なアライメントを実現する、リカラーベースのモーション補償モジュールが含まれています。
最新のG-PCCテストモデルに適用すると、STQEはデルタPSNRの0.855dB、0.682dB、0.828dBの改善を達成し、Bjontegaard Delta rate (BD-rate) は-25.2%、-31.6%、そして-。
論文 参考訳（メタデータ） (2025-07-23T14:03:54Z) - Enhancing Spatiotemporal Networks with xLSTM: A Scalar LSTM Approach for Cellular Traffic Forecasting [0.7111641404908191]
本稿では,空間的特徴抽出のための3層Conv3Dモジュールと,より効率的なモデリングのためのグラデラーLSTMを利用する軽量なデュアルパス時空間ネットワークを提案する。
ConvLSTMベースラインよりも優れた予測性能を示し、未確認領域への強力な一般化を実現し、大規模次世代ネットワーク展開に適していることを示す。
論文 参考訳（メタデータ） (2025-07-17T22:48:46Z) - Interpretable AI for Time-Series: Multi-Model Heatmap Fusion with Global Attention and NLP-Generated Explanations [1.331812695405053]
本稿では,ResNetが生成するヒートマップと,グローバルに重み付けされた入力サリエンシを備えた再構成された2次元変換器を統合することで,モデル解釈可能性を向上させる新しいフレームワークを提案する。
本手法は、勾配重み付きアクティベーションマップ(ResNet)とトランスフォーマーのアテンションロールアウトを統合可視化にマージし、空間的・時間的アライメントを実現する。
臨床(ECG不整脈検出)および産業データセットに関する実証的評価は,有意な改善を示した。
論文 参考訳（メタデータ） (2025-06-30T20:04:35Z) - Field-scale soil moisture estimated from Sentinel-1 SAR data using a knowledge-guided deep learning approach [6.595840767689357]
本研究は,知識誘導型深層学習手法の開発に向けた予備的な取り組みを示す。
ウォータークラウドモデル(WCM)の原則を長期記憶モデル(LSTM)に統合する。
提案手法は,全後方散乱から分離された土壌後方散乱係数とランドサット分解能植生情報と表面特性に基づいて構築される。
その結果, 植生被覆や表面条件の異なる地域では, SM検索を0.02 m$3$/m$3$に減らし, 相関係数(R)を最大0.64以上とした。
論文 参考訳（メタデータ） (2025-05-01T03:12:25Z) - TeZO: Empowering the Low-Rankness on the Temporal Dimension in the Zeroth-Order Optimization for Fine-tuning LLMs [58.19080159470868]
モデルと時間次元の両方にわたって低ランク度をキャプチャする新しい低ランクZO推定器TeZOを提案する。
具体的には、時間次元に沿ったZO摂動を3次元テンソルとして表現し、Canonical Polyadic Decomposition (CPD)を用いて各低ランク2次元行列を抽出する。
論文 参考訳（メタデータ） (2025-01-31T11:34:03Z) - Cross Space and Time: A Spatio-Temporal Unitized Model for Traffic Flow Forecasting [16.782154479264126]
時間的要因間の複雑な相互作用により、バックボーン・時間的トラフィックフローを予測することが課題となる。
既存のアプローチでは、これらの次元を分離し、重要な相互依存を無視している。
本稿では,空間的および時間的依存関係の両方をキャプチャする統合フレームワークであるSanonymous-Temporal Unitized Unitized Cell (ASTUC)を紹介する。
論文 参考訳（メタデータ） (2024-11-14T07:34:31Z)
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。