論文の概要: Prediction and Forecast of Short-Term Drought Impacts Using Machine Learning to Support Mitigation and Adaptation Efforts

• arxiv url: http://arxiv.org/abs/2512.18522v1
• Date: Sat, 20 Dec 2025 22:34:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.375343
• Title: Prediction and Forecast of Short-Term Drought Impacts Using Machine Learning to Support Mitigation and Adaptation Efforts
• Title（参考訳）: 機械学習による減量・適応支援による短期干ばつ影響予測と予測
• Authors: Hatim M. E. Geli, Islam Omar, Mona Y. Elshinawy, David W. DuBios, Lara Prehodko, Kelly H Smith, Abdel-Hameed A. Badawy,
• Abstract要約: 干ばつは、生態や人間のシステムに影響を与える複雑な自然災害である。 近年の干ばつ重症度、頻度、持続時間の増加は、効果的なモニタリングと緩和戦略の必要性を浮き彫りにしている。 本研究では,短期的な影響予測を生成するため,干ばつ指標と過去の干ばつ影響記録を結びつける機械学習手法を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Drought is a complex natural hazard that affects ecological and human systems, often resulting in substantial environmental and economic losses. Recent increases in drought severity, frequency, and duration underscore the need for effective monitoring and mitigation strategies. Predicting drought impacts rather than drought conditions alone offers opportunities to support early warning systems and proactive decision-making. This study applies machine learning techniques to link drought indices with historical drought impact records (2005:2024) to generate short-term impact forecasts. By addressing key conceptual and data-driven challenges regarding temporal scale and impact quantification, the study aims to improve the predictability of drought impacts at actionable lead times. The Drought Severity and Coverage Index (DSCI) and the Evaporative Stress Index (ESI) were combined with impact data from the Drought Impact Reporter (DIR) to model and forecast weekly drought impacts. Results indicate that Fire and Relief impacts were predicted with the highest accuracy, followed by Agriculture and Water, while forecasts for Plants and Society impacts showed greater variability. County and state level forecasts for New Mexico were produced using an eXtreme Gradient Boosting (XGBoost) model that incorporated both DSCI and ESI. The model successfully generated forecasts up to eight weeks in advance using the preceding eight weeks of data for most impact categories. This work supports the development of an Ecological Drought Information Communication System (EcoDri) for New Mexico and demonstrates the potential for broader application in similar drought-prone regions. The findings can aid stakeholders, land managers, and decision-makers in developing and implementing more effective drought mitigation and adaptation strategies.
• Abstract（参考訳）: 干ばつは複雑な自然災害であり、生態系や人間のシステムに影響を及ぼし、しばしば環境と経済に大きな損失をもたらす。 近年の干ばつ重症度、頻度、持続時間の増加は、効果的なモニタリングと緩和戦略の必要性を浮き彫りにしている。 干ばつだけでなく干ばつの影響を予測することは、早期警戒システムと積極的な意思決定を支援する機会を提供する。 本研究では,干ばつ指標と過去の干ばつ影響記録(2005:2024)を結びつけ,短期的な影響予測を生成する機械学習手法を適用した。 この研究は、時間スケールと影響定量化に関する重要な概念的およびデータ駆動的な課題に対処することで、実行可能なリードタイムにおける干ばつの影響の予測可能性を改善することを目的としている。 The Drought Severity and Coverage Index (DSCI) and the Evaporative Stress Index (ESI) were combined with impact data from the Drought Impact Reporter (DIR) to model and forecast week drought impacts。 その結果, 火災・救済効果の予測精度が最も高く, その後は農業・水が続き, 植物・社会への影響の予測はよりばらつきを示した。 ニューメキシコ州の郡レベルと州レベルの予測は、DSCIとESIの両方を組み込んだeXtreme Gradient Boosting (XGBoost)モデルを用いて作成された。 モデルでは、前回の8週間のデータを使用して、最大8週間の予測を前もって生成した。 この研究はニューメキシコ州向けの生態干ばつ情報通信システム(EcoDri)の開発を支援し、同様の干ばつが生ずる地域で広く応用される可能性を示している。 この発見は、より効果的な干ばつ削減と適応戦略の開発および実施において、ステークホルダー、土地管理者、および意思決定者を支援することができる。

関連論文リスト

• Forecasting precipitation in the Arctic using probabilistic machine learning informed by causal climate drivers [0.0]
  本研究では,降水の動態と重症度をモデル化し,予測するための確率論的機械学習フレームワークを提案する。 不確実性を考慮するために、校正された非パラメトリック予測区間の生成を可能にする共形予測法を用いる。
  論文  参考訳（メタデータ） (2025-10-28T10:05:34Z)
• DroughtSet: Understanding Drought Through Spatial-Temporal Learning [10.430055605915895]
  干ばつは最も破壊的で高価な自然災害の1つである。 我々は,関連する予測機能と3つの干ばつ指標を統合した新しいデータセットDroughtSetを提案する。 本モデルは物理・生物学的特徴の空間的・時間的情報から学習し,3種類の干ばつを同時に予測する。
  論文  参考訳（メタデータ） (2024-12-19T17:24:15Z)
• 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)
• Quantitative Assessment of Drought Impacts Using XGBoost based on the Drought Impact Reporter [0.0]
  気候変動の下では、干ばつの発生頻度、強度、空間的な範囲が増加し、社会経済的コストが上昇する。 テキサス州における多カテゴリー干ばつの影響を予測するための極勾配モデル(XGBoost)に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-04T22:16:13Z)
• Flood Prediction Using Machine Learning Models [0.0]
  本稿では,異なる機械学習モデルを用いて洪水の予測を行うことにより,この自然災害の極端なリスクを低減することを目的とする。 その結果、どのモデルがより正確な結果をもたらすかを理解するために比較分析を行う。
  論文  参考訳（メタデータ） (2022-08-02T03:59:43Z)
• Prediction of short and long-term droughts using artificial neural networks and hydro-meteorological variables [0.0]
  ニューラルネットワーク(ANN)のモデルは、標準降水指数(SPI)を異なる時間スケールで使用することにより、短期および長期の干ばつを予測するために使用される。 その結果,全ての水文-気象変数の応用は,異なる時間スケールでのSPIの予測を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2020-06-03T23:20:34Z)

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。