論文の概要: PollutionNet: A Vision Transformer Framework for Climatological Assessment of NO$_2$ and SO$_2$ Using Satellite-Ground Data Fusion
- arxiv url: http://arxiv.org/abs/2604.03311v1
- Date: Tue, 31 Mar 2026 15:39:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.498024
- Title: PollutionNet: A Vision Transformer Framework for Climatological Assessment of NO$_2$ and SO$_2$ Using Satellite-Ground Data Fusion
- Title（参考訳）: PollutionNet: 衛星データ融合によるNO$_2$およびSO$_2$の気候学的評価のためのビジョントランスフォーマフレームワーク
- Authors: Prasanjit Dey, Soumyabrata Dev, Bianca Schoen-Phelan,
- Abstract要約: PollutionNetは、Sentinel-5P TROPOMI 垂直柱密度(VCD)データを地上観測と統合したビジョントランスフォーマーベースのフレームワークである。
自己アテンションメカニズムを活用することで、PolutionNetはCNNやRNNモデルでしばしば見逃される複雑な依存関係をキャプチャする。
PollutionNetはベースラインモデルと比較して予測エラーを最大14%削減する。
- 参考スコア（独自算出の注目度）: 4.364999214109123
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate assessment of atmospheric nitrogen dioxide (NO$_2$) and sulfur dioxide (SO$_2$) is essential for understanding climate-air quality interactions, supporting environmental policy, and protecting public health. Traditional monitoring approaches face limitations: satellite observations provide broad spatial coverage but suffer from data gaps, while ground-based sensors offer high temporal resolution but limited spatial extent. To address these challenges, we propose PollutionNet, a Vision Transformer-based framework that integrates Sentinel-5P TROPOMI vertical column density (VCD) data with ground-level observations. By leveraging self-attention mechanisms, PollutionNet captures complex spatiotemporal dependencies that are often missed by conventional CNN and RNN models. Applied to Ireland (2020-2021), our case study demonstrates that PollutionNet achieves state-of-the-art performance (RMSE: 6.89 $μ$g/m$^3$ for NO$_2$, 4.49 $μ$g/m$^3$ for SO$_2$), reducing prediction errors by up to 14% compared to baseline models. Beyond accuracy gains, PollutionNet provides a scalable and data-efficient tool for applied climatology, enabling robust pollution assessments in regions with sparse monitoring networks. These results highlight the potential of advanced machine learning approaches to enhance climate-related air quality research, inform environmental management, and support sustainable policy decisions.
- Abstract（参考訳）: 大気中の二酸化窒素(NO$_2$)と二酸化硫黄(SO$_2$)の正確な評価は、大気と大気の質の相互作用を理解し、環境政策をサポートし、公衆衛生を保護するために不可欠である。
衛星観測は広い空間範囲を提供するが、データギャップに悩まされる一方、地上のセンサーは時間分解能が高いが空間範囲は限られている。
これらの課題に対処するために,Sentinel-5P TROPOMI 垂直柱密度(VCD)データを地上観測と統合したビジョントランスフォーマーベースのフレームワークである PollutionNet を提案する。
自己アテンション機構を活用することで、PolutionNetは従来のCNNやRNNモデルでしばしば見逃される複雑な時空間的依存関係をキャプチャする。
アイルランド (2020-2021) に適用したケーススタディでは、PurlutionNet が最先端の性能(RMSE: 6.89 $μ$g/m$^3$ for NO$_2$, 4.49 $μ$g/m$^3$ for SO$_2$)を達成し、ベースラインモデルと比較して予測誤差を最大14%削減することを示した。
PollutionNetは、精度の向上以外にも、応用気候学のためのスケーラブルでデータ効率のよいツールを提供する。
これらの結果は、気候変動に関する大気質研究を強化し、環境管理を通知し、持続可能な政策決定を支援するための高度な機械学習アプローチの可能性を強調している。
関連論文リスト
- Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。
本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
論文 参考訳（メタデータ） (2025-10-28T01:18:00Z) - EmissionNet: Air Quality Pollution Forecasting for Agriculture [0.0]
農業排ガスからの大気汚染は、環境問題や公衆衛生問題に大きく貢献するが、しばしば見落とされがちである。
従来の空気質予測モデルは、複雑な非線形汚染物質相互作用を捉えるのに苦労する物理に基づくアプローチに依存している。
論文 参考訳（メタデータ） (2025-07-07T18:58:22Z) - Air Quality Prediction with A Meteorology-Guided Modality-Decoupled Spatio-Temporal Network [47.699409089023696]
大気質の予測は公衆衛生と環境保護において重要な役割を担っている。
既存の研究は大気の質予測において重要な役割を過小評価している。
MDSTNetは、予測のための大気汚染依存性を明示的にキャプチャするエンコーダフレームワークである。
ChinaAirNetは、大気の質記録と多気圧レベルの気象観測を組み合わせた最初のデータセットである。
論文 参考訳（メタデータ） (2025-04-14T09:18:11Z) - Causal Links Between Anthropogenic Emissions and Air Pollution Dynamics in Delhi [0.0]
デリー・ナショナル・キャピタル地域は、人為的放出と気象条件の間の複雑な相互作用により大気汚染のエピソードを経験している。
本研究では,予測モデルと因果推論手法を用いて,PM_2.5$および$O_3$濃度における人為的放出の因果関係について検討した。
論文 参考訳（メタデータ） (2025-03-24T17:25:44Z) - Enhancing Carbon Emission Reduction Strategies using OCO and ICOS data [40.572754656757475]
我々は,OCO-2(Orbiting Carbon Observatories)とOCO-3(Orbiting Carbon Observatories)の衛星データとICOS(Integrated Carbon Observation System)の地上観測とECMWFリアナリシスv5(ERA5)の気象データを統合することで,局部的なCO2モニタリングを強化する手法を提案する。
衛星観測から地上レベルCO2を予測するために,K-nearest neighbor (KNN) と機械学習モデルを用いて,3.92ppmのルート平均正方形誤差を達成した。
論文 参考訳（メタデータ） (2024-10-05T21:23:58Z) - Atmospheric Transport Modeling of CO$_2$ with Neural Networks [46.26819563674888]
大気中のCO$の分布を大気トレーサー輸送モデルで正確に記述することは、温室効果ガスモニタリングおよび検証支援システムに不可欠である。
大きな深層ニューラルネットワークは、大気の3Dモデリングを必要とする気象予報に革命を起こす可能性がある。
本研究では,気象予測の最先端として実証された4種類の深層ニューラルネットワークについて検討し,大気トレーサー輸送モデルの有用性について検討した。
論文 参考訳（メタデータ） (2024-08-20T17:33:20Z) - GeoFormer: A Vision and Sequence Transformer-based Approach for
Greenhouse Gas Monitoring [2.1647301294759624]
本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。
我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
論文 参考訳（メタデータ） (2024-02-11T11:20:29Z) - 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) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z)
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。