論文の概要: GLOFNet -- A Multimodal Dataset for GLOF Monitoring and Prediction

• arxiv url: http://arxiv.org/abs/2510.10546v1
• Date: Sun, 12 Oct 2025 11:03:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.002344
• Title: GLOFNet -- A Multimodal Dataset for GLOF Monitoring and Prediction
• Title（参考訳）: GLOFNet - GLOFモニタリングと予測のためのマルチモーダルデータセット
• Authors: Zuha Fatima, Muhammad Anser Sohaib, Muhammad Talha, Sidra Sultana, Ayesha Kanwal, Nazia Perwaiz,
• Abstract要約: 氷河湖の流出洪水は珍しいが、高山地帯では破壊的な危険があるが、予測的な研究は断片化と不定形データによって妨げられている。 GLOFモニタリングと予測のためのマルチモーダルデータセットであるGLOFNetについて,カラコラムのシスパー氷河に着目した。 宇宙観測のためのSentinel-2マルチスペクトル画像、氷河キネマティックスのためのNASA ITS_LIVE速度生成物、20年以上にわたるMODISランドサーフェス温度記録の3つの補完的なソースを統合している。
• 参考スコア（独自算出の注目度）: 0.5131152350448099
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Glacial Lake Outburst Floods (GLOFs) are rare but destructive hazards in high mountain regions, yet predictive research is hindered by fragmented and unimodal data. Most prior efforts emphasize post-event mapping, whereas forecasting requires harmonized datasets that combine visual indicators with physical precursors. We present GLOFNet, a multimodal dataset for GLOF monitoring and prediction, focused on the Shisper Glacier in the Karakoram. It integrates three complementary sources: Sentinel-2 multispectral imagery for spatial monitoring, NASA ITS_LIVE velocity products for glacier kinematics, and MODIS Land Surface Temperature records spanning over two decades. Preprocessing included cloud masking, quality filtering, normalization, temporal interpolation, augmentation, and cyclical encoding, followed by harmonization across modalities. Exploratory analysis reveals seasonal glacier velocity cycles, long-term warming of ~0.8 K per decade, and spatial heterogeneity in cryospheric conditions. The resulting dataset, GLOFNet, is publicly available to support future research in glacial hazard prediction. By addressing challenges such as class imbalance, cloud contamination, and coarse resolution, GLOFNet provides a structured foundation for benchmarking multimodal deep learning approaches to rare hazard prediction.
• Abstract（参考訳）: 氷河湖流出洪水 (GLOFs) は山岳地帯では珍しいが破壊的な危険性があるが、予測研究は断片化と不定形データによって妨げられている。 以前の取り組みでは、イベント後のマッピングを強調していたが、予測には、視覚指標と物理的な前駆体を組み合わせた調和したデータセットが必要である。 GLOFモニタリングと予測のためのマルチモーダルデータセットであるGLOFNetについて,カラコラムのシスパー氷河に着目した。 宇宙観測のためのSentinel-2マルチスペクトル画像、氷河キネマティックスのためのNASA ITS_LIVE速度生成物、20年以上にわたるMODISランドサーフェス温度記録の3つの補完的なソースを統合している。 事前処理には、雲のマスキング、品質フィルタリング、正規化、時間的補間、増補、循環符号化などが含まれ、その後モダリティ間の調和が続いた。 探索的な分析により、季節的な氷河の速度サイクル、10年あたりの長期の温暖化、低温条件における空間的不均一性が明らかになった。 結果として得られたデータセットであるGLOFNetは、氷河の危険予測における将来の研究をサポートするために公開されている。 GLOFNetは、クラス不均衡、雲汚染、粗大な解決といった課題に対処することによって、希少な危険予測に対するマルチモーダルディープラーニングアプローチをベンチマークするための構造化された基盤を提供する。

関連論文リスト

• FuXi-Ocean: A Global Ocean Forecasting System with Sub-Daily Resolution [10.627782397713856]
  FuXi-Oceanは、渦解像1/12deg空間解像度で6時間の予測を達成した最初のデータ駆動型大洋予報モデルである。 モデルアーキテクチャは、コンテキスト認識機能抽出モジュールと、スタックされた注目ブロックを用いた予測ネットワークを統合する。 FuXi-Oceanは、温度、塩分濃度、電流などの重要な変数を複数の深さにわたって予測する優れた技術を示している。
  論文  参考訳（メタデータ） (2025-06-03T00:52:31Z)
• OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
  本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。 動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。 動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
  論文  参考訳（メタデータ） (2025-02-01T06:49:16Z)
• Off to new Shores: A Dataset & Benchmark for (near-)coastal Flood Inundation Forecasting [7.4807361562214405]
  洪水は最も一般的で破壊的な自然災害の一つである。 近年の気象予知と宇宙からの洪水のマッピングは、極端な出来事を予想できる可能性を示した。 洪水範囲の直接予測を可能にするデータセットとベンチマークが欠如している。
  論文  参考訳（メタデータ） (2024-09-27T09:51:25Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• VN-Net: Vision-Numerical Fusion Graph Convolutional Network for Sparse Spatio-Temporal Meteorological Forecasting [12.737085738169164]
  VN-Netは、マルチモーダルデータを利用してスパース時間気象予報をより良く扱うためのGCN法を導入する最初の試みである。 VN-Netは、温度、相対湿度、予測のための平均絶対誤差(MAE)と根平均二乗誤差(RMSE)にかなりの差で最先端である。
  論文  参考訳（メタデータ） (2024-01-26T12:41:57Z)
• Graph Dual-stream Convolutional Attention Fusion for Precipitation Nowcasting [1.4610685586329806]
  降水は今,グラフシーケンス問題として再検討する。 我々のモデルでは、空間的時間的相互作用に対して異なる注意機構を用いる。 融合モジュールは両方のストリームを統合し、空間情報と時間情報を利用して精度を向上させる。
  論文  参考訳（メタデータ） (2024-01-15T20:54:20Z)
• Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies mapping [40.996860106131244]
  気候変動は極端な気象現象を激化させ、水不足と激しい降雨の予測不可能の両方を引き起こしている。 本研究の目的は,多様な気象条件下での総合的な水資源モニタリングに有用な知見を提供することである。
  論文  参考訳（メタデータ） (2024-01-05T18:11:08Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• 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)

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。