論文の概要: CC-GRMAS: A Multi-Agent Graph Neural System for Spatiotemporal Landslide Risk Assessment in High Mountain Asia
- arxiv url: http://arxiv.org/abs/2510.20875v1
- Date: Thu, 23 Oct 2025 10:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 09:00:15.280113
- Title: CC-GRMAS: A Multi-Agent Graph Neural System for Spatiotemporal Landslide Risk Assessment in High Mountain Asia
- Title（参考訳）: 高山地域における時空間地すべりリスク評価のためのマルチエージェントグラフニューラルネットワークCC-GRMAS
- Authors: Mihir Panchal, Ying-Jung Chen, Surya Parkash,
- Abstract要約: 地すべり(英: Landslides)は、特に高山アジアにおいて、厳しい環境と人為的な影響を伴う、気候変動によって引き起こされる危険性の増大である。
この研究は、一連の衛星観測と環境信号を利用して地すべり予測の精度を高めるフレームワークであるCC-GRMASを導入している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Landslides are a growing climate induced hazard with severe environmental and human consequences, particularly in high mountain Asia. Despite increasing access to satellite and temporal datasets, timely detection and disaster response remain underdeveloped and fragmented. This work introduces CC-GRMAS, a framework leveraging a series of satellite observations and environmental signals to enhance the accuracy of landslide forecasting. The system is structured around three interlinked agents Prediction, Planning, and Execution, which collaboratively enable real time situational awareness, response planning, and intervention. By incorporating local environmental factors and operationalizing multi agent coordination, this approach offers a scalable and proactive solution for climate resilient disaster preparedness across vulnerable mountainous terrains.
- Abstract（参考訳）: 地すべり(英: Landslides)は、特に高山アジアにおいて、厳しい環境と人為的な影響を伴う、気候変動によって引き起こされる危険性の増大である。
衛星や時間データセットへのアクセスが増加しているにもかかわらず、タイムリーな検出と災害対応は未開発であり、断片化されている。
この研究は、一連の衛星観測と環境信号を利用して地すべり予測の精度を高めるフレームワークであるCC-GRMASを導入している。
このシステムは、リアルタイムの状況認識、応答計画、介入を可能にする3つのリンクされたエージェント予測、計画、実行に基づいて構成されている。
局所的な環境要因を取り入れ、マルチエージェント協調を運用することにより、脆弱な山岳地帯をまたいだ耐気候性災害に備えるスケーラブルで積極的なソリューションを提供する。
関連論文リスト
- A Causality-Aware Spatiotemporal Model for Multi-Region and Multi-Pollutant Air Quality Forecasting [40.464076620990866]
AirPCMは、多汚染物質力学と明示的な気象-汚染物質因果モデリングを組み合わせる。
AirPCMは、予測精度と一般化能力の両方において、最先端のベースラインを一貫して超越している。
論文 参考訳（メタデータ） (2025-09-25T14:54:23Z) - Multi-Hazard Early Warning Systems for Agriculture with Featural-Temporal Explanations [5.363664265121231]
気候の極端には農業へのリスクが増大する。
従来の単一ハザード予測手法は、同時気候事象間の複雑な相互作用を捉えるには不十分である。
本稿では、逐次的なディープラーニングモデルと高度な説明可能な人工知能(XAI)技術を組み合わせて、農業のためのマルチハザード予測フレームワークを導入する。
論文 参考訳（メタデータ） (2025-07-30T05:16:35Z) - 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) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - Large Scale Masked Autoencoding for Reducing Label Requirements on SAR Data [5.235143203977019]
本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。
この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。
本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
論文 参考訳（メタデータ） (2023-10-02T00:11:47Z) - Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。
本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。
FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
論文 参考訳（メタデータ） (2023-05-23T16:59:20Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - Learning to forecast vegetation greenness at fine resolution over Africa
with ConvLSTMs [2.7708222692419735]
我々は、このタスクに対処するために、畳み込みLSTM(ConvLSTM)アーキテクチャを使用します。
我々は,アフリカにおける植生の変化をSentinel-2衛星NDVIを用いて予測し,ERA5気象分析,SMAP衛星測定,地形解析を行った。
以上の結果から,ConvLSTMモデルがNDVIの季節変動を高分解能で予測できるだけでなく,観測基準値に対する気象異常の影響も明らかとなった。
論文 参考訳（メタデータ） (2022-10-24T23:03:36Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳（メタデータ） (2020-10-16T02:15:34Z) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳（メタデータ） (2020-07-13T03:51:08Z)
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。