論文の概要: GCA Framework: A Gulf-Grounded Dataset and Agentic Pipeline for Climate Decision Support
- arxiv url: http://arxiv.org/abs/2604.12306v1
- Date: Tue, 14 Apr 2026 05:31:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.258906
- Title: GCA Framework: A Gulf-Grounded Dataset and Agentic Pipeline for Climate Decision Support
- Title（参考訳）: GCAフレームワーク:気候決定支援のための湾岸域データセットとエージェントパイプライン
- Authors: Muhammad Umer Sheikh, Khawar Shehzad, Salman Khan, Fahad Shahbaz Khan, Muhammad Haris Khan,
- Abstract要約: 本稿では,GCAフレームワークについて述べる。GCAフレームワークは,湾岸性多モードデータセットであるGCA-DSと,気候分析のためのツール強化エージェントであるGCA(Galbal Climate Agent)を統合したものである。
GCA-DSは、政府の政策と適応計画、NGOと国際フレームワーク、学術文献、熱波、塵嵐、洪水に関するイベント駆動レポートにまたがる200万の質問応答ペアで構成されている。
GCAエージェントは、リアルタイムおよび歴史的信号と地理空間処理を基盤としたモジュラーツールパイプラインを編成し、派生したインデックスと解釈可能な視覚化を生成する。
- 参考スコア（独自算出の注目度）: 67.9633930125889
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Climate decision-making in the Gulf increasingly demands systems that can translate heterogeneous scientific and policy evidence into actionable guidance, yet general-purpose large language models (LLMs) remain weak both in region-specific climate knowledge and grounded interaction with geospatial and forecasting tools. We present the GCA framework, which unifies (i) GCA-DS, a curated Gulf-focused multimodal dataset, and (ii) Gulf Climate Agent (GCA), a tool-augmented agent for climate analysis. GCA-DS comprises ~200k question-answer pairs spanning governmental policies and adaptation plans, NGO and international frameworks, academic literature, and event-driven reporting on heatwaves, dust storms, and floods, complemented with remote-sensing inputs that couple imagery with textual evidence. Building on this foundation, the GCA agent orchestrates a modular tool pipeline grounded in real-time and historical signals and geospatial processing that produces derived indices and interpretable visualizations. Finally, we benchmark open and proprietary LLMs on Gulf climate tasks and show that domain fine-tuning and tool integration substantially improve reliability over general-purpose baselines.
- Abstract（参考訳）: メキシコ湾の気候決定は、異質な科学的および政策証拠を実用的なガイダンスに翻訳するシステムを要求する傾向にあるが、地域固有の気候知識と地理空間と予測ツールとの接地的な相互作用の両方において、汎用の大規模言語モデル(LLM)は弱いままである。
我々はGCAフレームワークについて述べる。
一 湾岸性多モーダルデータセットGCA-DS及び
(II)メキシコ湾温暖化剤(GCA)は、気候分析のためのツール強化剤である。
GCA-DSは、政府政策と適応計画、NGOおよび国際フレームワーク、学術文献、熱波、塵嵐、洪水に関するイベント駆動の報告にまたがる200万の質問応答対で構成され、画像とテキスト証拠を結合したリモートセンシング入力を補完する。
この基盤の上に構築されたGCAエージェントは、リアルタイムおよび歴史的信号と地理空間処理を基盤としたモジュラーツールパイプラインを編成し、派生したインデックスと解釈可能な視覚化を生成する。
最後に,湾岸性気候タスクにおけるオープンかつプロプライエタリなLCMのベンチマークを行い,汎用ベースラインに対するドメインの微調整とツール統合により信頼性が大幅に向上したことを示す。
関連論文リスト
- GSI Agent: Domain Knowledge Enhancement for Large Language Models in Green Stormwater Infrastructure [0.0]
グリーン・ストームウォーター・インフラストラクチャー(GSI)システムは、長期的性能を確保するために継続的な検査と保守が必要である。
GSIに関するドメイン知識は、しばしば自治体のマニュアル、規制文書、検査形式に散らばっている。
本稿では,GSI 関連タスクの性能向上を目的とした GSI Agent を提案する。
論文 参考訳（メタデータ） (2026-03-03T21:37:44Z) - Geospatial Chain of Thought Reasoning for Enhanced Visual Question Answering on Satellite Imagery [1.9153836153207706]
衛星画像における視覚質問応答(VQA)の進行には,空間的思考連鎖(CoT)推論が不可欠である。
本稿では,CoT推論をDPO(Direct Preference Optimization)と統合し,解釈性,堅牢性,精度を向上させるVQAフレームワークを提案する。
実験の結果、CoTの監督は直接ベースラインよりも34.9%精度が向上し、DPOは精度と推論品質が向上した。
論文 参考訳（メタデータ） (2025-11-14T11:54:05Z) - Chitchat with AI: Understand the supply chain carbon disclosure of companies worldwide through Large Language Model [0.998186654331176]
Carbon Disclosure Project (CDP) は、世界最大規模の気候関連調査のデータセットをホストしている。
本稿では,大規模言語モデル(LLM)を活用して大規模企業における気候開示品質を評価する,新たな意思決定支援フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-26T01:06:18Z) - Quantifying Climate Policy Action and Its Links to Development Outcomes: A Cross-National Data-Driven Analysis [0.0]
我々は,多言語トランスフォーマーに基づく言語モデルを公式な国家政策文書に適用することにより,気候政策の方向性の定量的指標を開発する。
これらの指標を世界銀行開発データとパネルレグレッションにリンクすると、緩和政策がGDPとGNIの上昇に結びついていることが分かる。
災害リスク管理はGNIの増大と相関するが、海外からの直接投資は減少し、適応と損失は測定可能な影響を限定している。
論文 参考訳（メタデータ） (2025-10-20T11:12:30Z) - OKG-LLM: Aligning Ocean Knowledge Graph with Observation Data via LLMs for Global Sea Surface Temperature Prediction [70.48962924608033]
この研究は、SST予測のための多様な海洋知識を表現するために特別に設計された海洋知識グラフ(OKG)を構築するための最初の体系的な取り組みを示す。
最後に, 学習知識を微粒な数値SSTデータと整列させ, 事前学習したLLMを用いてSSTパターンをモデル化し, 正確な予測を行う。
論文 参考訳（メタデータ） (2025-07-31T02:06:03Z) - ClimateBench-M: A Multi-Modal Climate Data Benchmark with a Simple Generative Method [61.76389719956301]
我々は、ERA5の時系列気候データ、NOAAの極度の気象イベントデータ、NASAの衛星画像データを調整するマルチモーダル気候ベンチマークであるClimateBench-Mに貢献する。
また,各データモダリティの下では,天気予報,雷雨警報,作物の分断作業において,競争性能を向上できる簡易かつ強力な生成手法を提案する。
論文 参考訳（メタデータ） (2025-04-10T02:22:23Z) - ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution [6.919867656801517]
ClimDetectは、目標の気候変動指標変数と組み合わせた1日当たりの1.17万の気候スナップショットからなる標準化データセットである。
このデータセットは、CMIP6気候モデルシミュレーションと実世界の観測アシミュレートされた再分析データセットの両方から算出される。
私たちはまた、気候変動検出タスクのためにこれまで試みられていない新しいアプローチである、気候変動データへのビジョントランスフォーマー(ViT)の適用についても検討しています。
論文 参考訳（メタデータ） (2024-08-28T17:58:53Z) - 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) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳（メタデータ） (2020-11-03T21:22:42Z)
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。