論文の概要: Long-Term Probabilistic Forecast of Vegetation Conditions Using Climate Attributes in the Four Corners Region

• arxiv url: http://arxiv.org/abs/2601.16347v1
• Date: Thu, 22 Jan 2026 22:10:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.421767
• Title: Long-Term Probabilistic Forecast of Vegetation Conditions Using Climate Attributes in the Four Corners Region
• Title（参考訳）: 四角部気候属性を用いた植生条件の長期確率予測
• Authors: Erika McPhillips, Hyeongseong Lee, Xiangyu Xie, Kathy Baylis, Chris Funk, Mengyang Gu,
• Abstract要約: 我々は,高解像度グリッド上での1年間のピークNDVIを予測するための2段階機械学習モデルを開発した。 我々は,NDVIとグリッドベースのNDVIの1年間の予測において,代替手法より優れているオープンソースツールを開発した。
• 参考スコア（独自算出の注目度）: 0.40022988333495174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weather conditions can drastically alter the state of crops and rangelands, and in turn, impact the incomes and food security of individuals worldwide. Satellite-based remote sensing offers an effective way to monitor vegetation and climate variables on regional and global scales. The annual peak Normalized Difference Vegetation Index (NDVI), derived from satellite observations, is closely associated with crop development, rangeland biomass, and vegetation growth. Although various machine learning methods have been developed to forecast NDVI over short time ranges, such as one-month-ahead predictions, long-term forecasting approaches, such as one-year-ahead predictions of vegetation conditions, are not yet available. To fill this gap, we develop a two-phase machine learning model to forecast the one-year-ahead peak NDVI over high-resolution grids, using the Four Corners region of the Southwestern United States as a testbed. In phase one, we identify informative climate attributes, including precipitation and maximum vapor pressure deficit, and develop the generalized parallel Gaussian process that captures the relationship between climate attributes and NDVI. In phase two, we forecast these climate attributes using historical data at least one year before the NDVI prediction month, which then serve as inputs to forecast the peak NDVI at each spatial grid. We developed open-source tools that outperform alternative methods for both gross NDVI and grid-based NDVI one-year forecasts, providing information that can help farmers and ranchers make actionable plans a year in advance.
• Abstract（参考訳）: 気象条件は作物や広さの状況を大きく変え、世界中の個人の収入と食料の安全に影響を及ぼす。 衛星によるリモートセンシングは、地域や世界規模で植生や気候の変数を監視する効果的な手段を提供する。 衛星観測から得られた年間ピーク正規化相違植生指数(NDVI)は、作物の栽培、土地のバイオマス、植生の成長と密接に関連している。 NDVIを短時間で予測する機械学習手法が開発されているが、例えば1ヶ月先予測など、長期的な予測手法、例えば1年先植生条件の予測は、まだ利用できない。 このギャップを埋めるために、米国南西部のフォー・コーナーズ地域をテストベッドとして、高解像度グリッド上での1年間のピークNDVIを予測するための2段階機械学習モデルを開発した。 第1相では,降水量と最大蒸気圧損失を含む気象特性を同定し,気候特性とNDVIの関係を捉える一般化された平行ガウス法を開発した。 第2フェーズでは,これらの気候特性を,NDVI予測月より1年以上前の歴史的データを用いて予測し,各空間格子におけるピークNDVI予測の入力として機能する。 我々は,NDVIとグリッドベースのNDVIの1年間の予測の代替手法に勝るオープンソースツールを開発し,農家や牧場主が1年前に実行可能な計画を立てるのに役立つ情報を提供した。

関連論文リスト

• DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting [0.0]
  Deep UNet++ベースの新しいニューラルネットワークであるEnsemble(DUNE)が導入されている。 年間平均気温は2メートル(T2m)、海面温度(SST)である。 これらの予測は、すべての領域に対する持続性、気候学、多重線形回帰よりも優れる。
  論文  参考訳（メタデータ） (2024-08-12T16:22:30Z)
• 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)
• 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)

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。