論文の概要: Conformal PM2.5 Mapping Under Spatial Covariate Shift: Satellite-Reanalysis Fusion for Africa's Green Industrial Transition

• arxiv url: http://arxiv.org/abs/2604.22787v1
• Date: Sun, 05 Apr 2026 02:17:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.182288
• Title: Conformal PM2.5 Mapping Under Spatial Covariate Shift: Satellite-Reanalysis Fusion for Africa's Green Industrial Transition
• Title（参考訳）: 空間共変量シフト下におけるコンフォーマルPM2.5マッピング:アフリカのグリーン産業移行のための衛星・リアナリシス融合
• Authors: Yaw Osei Adjei, Davis Opoku, Ephraim Abotsi, Kwadwo Owusu Amanqua, Oliver Kornyo, Elisha Soglo-Ahianyo, Cephas Anertey Abbey,
• Abstract要約: アフリカの緑の工業化は、大気の質を監視するための信頼性の高いインフラを必要としている。 我々は,29のアフリカ諸国404カ所から2,068,901件の記録に基づいて,衛星再分析PM2.5融合システムについて検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Africa's green industrialization imperative demands reliable infrastructure for monitoring air quality. We present a satellite-reanalysis PM2.5 fusion system trained on 2,068,901 records from 404 monitoring locations in 29 African countries (OpenAQ, 2017-2022), combining LightGBM with leakage-resistant spatial cross-validation and conformal prediction to quantify predictions and their geographic applicability limits. Under 5-fold location-grouped spatial cross-validation, LightGBM achieves RMSE = 30.83 +/- 5.07 ug/m3, MAE = 14.54 +/- 1.66 ug/m3, R2 = 0.134 +/- 0.023, and macro F1 = 0.336 +/- 0.018. This R2 is substantially below random-split benchmarks (>0.90) but reflects true geographic generalisation difficulty rather than model failure. Split conformal prediction targeting 90% marginal coverage reveals severe East Africa degradation (actual PICP = 65.3% vs. nominal 90%), consistent with medium-strength covariate shift (humidity KS = 0.2237, sat_pblh KS = 0.2558). We operationalise these findings through regional reliability flags (High/Medium/Low/Unreliable) and a monitor prioritisation score directing infrastructure expansion toward highest-burden unmonitored populations, directly supporting Africa's green industrial transition and SDGs 3.9, 7.1.2, 9, 11.6.2, and 13.
• Abstract（参考訳）: アフリカの緑の工業化は、大気の質を監視するための信頼性の高いインフラを必要としている。 我々は,29のアフリカ諸国(OpenAQ, 2017-2022)の404カ所の観測地点から2,068,901カ所のPM2.5核融合システムを訓練し,LightGBMと漏洩抵抗型空間的クロスバリデーションとコンフォメーション予測を組み合わせることにより,予測と地理的適用限界の定量化を行う。 光GBMは5倍の位置群空間クロスバリデーションの下でRMSE = 30.83 +/- 5.07 ug/m3、MAE = 14.54 +/- 1.66 ug/m3、R2 = 0.134 +/- 0.023、マクロF1 = 0.336 +/- 0.018を達成する。 このR2はランダムスプリットベンチマーク(>0.90)よりもかなり低いが、モデル失敗よりも真の地理的一般化の難しさを反映している。 90%の限界範囲を対象とする分断共形予測は、東アフリカの深刻な劣化(実際のPICP = 65.3%対名目90%)を示し、中強度共変量シフト(湿度KS = 0.2237, sat_pblh KS = 0.2558)と一致する。 アフリカにおけるグリーン産業移行とSDG3.9, 7.1.2, 9, 11.6.2, 13。

関連論文リスト

• Forecasting Antimicrobial Resistance Trends Using Machine Learning on WHO GLASS Surveillance Data: A Retrieval-Augmented Generation Approach for Policy Decision Support [0.0]
  抗微生物抵抗性(AMR)は、2050年までに年間1000万人が死亡すると予想される世界的な危機である。 本稿では,AMRトレンド予測とエビデンスに基づく政策決定支援のための2成分フレームワークを提案する。 XGBoostは7.07%のMAEと0.854のR-squaredで最高性能を達成し、ナイーブベースラインを83.1%上回った。
  論文  参考訳（メタデータ） (2026-02-26T06:45:08Z)
• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• Toward Onboard AI-Enabled Solutions to Space Object Detection for Space Sustainability [29.817805350971366]
  本稿では,空間物体検出のための視覚センサの実現可能性と有効性について検討する。 Squeeze-and-Excitation (SE) 層, Vision Transformer (ViT) および Generalized Efficient Layer Aggregation Network (GELAN) に基づくモデルを導入する。 実験の結果, 提案モデルでは, 結合閾値0.5(mAP50)の交点平均精度が0.751, 結合閾値0.5から0.95(mAP50:95)の交点平均精度が0.280に達することがわかった。
  論文  参考訳（メタデータ） (2025-05-03T01:56:52Z)
• Graph Transformer-Based Flood Susceptibility Mapping: Application to the French Riviera and Railway Infrastructure Under Climate Change [0.0]
  本研究は, 洪水に起因したフレンチ・リヴィエラへの洪水感受性マッピングのためのグラフトランスフォーマー(GT)アーキテクチャの最初の適用について紹介する。 GTはラプラシアン位置エンコーダ(PE)とアテンション機構を用いた流域トポロジーを取り入れている。 Laplacian PEの次元の減少は部分的なクラスターを示し、空間情報を捉えることができた。
  論文  参考訳（メタデータ） (2025-03-31T14:04:04Z)
• Deep Self-Supervised Disturbance Mapping with the OPERA Sentinel-1 Radiometric Terrain Corrected SAR Backscatter Product [41.94295877935867]
  地表面の乱れのマッピングは、災害対応、資源と生態系の管理、気候適応の取り組みを支援する。 合成開口レーダ(SAR)は、気象や照明条件に関わらず、地上の連続した時系列画像を提供する、外乱マッピングのための貴重なツールである。 NASAのRemote Sensing Analysis (OPERA)プロジェクトは2023年10月にSentinel-1 (RTC-S1)データセットからほぼグローバルな測地線補正SAR後方散乱器をリリースした。 本研究では,地表面の乱れを体系的に解析するために,この新たなデータセットを利用する。
  論文  参考訳（メタデータ） (2025-01-15T20:24:18Z)
• Indoor PM2.5 forecasting and the association with outdoor air pollution: a modelling study based on sensor data in Australia [8.864955783255803]
  本研究は, オーストラリアの24の異なる建物において, 毎時室内微粒子物質(PM2.5)濃度を予測することを目的とする。 室内空気質データは、2019年から2022年までの8都市で91個の監視センサーから収集された。 屋外PM2.5濃度は室内の空気質に大きな影響を与え、特に森林火災などのイベントでは顕著であった。
  論文  参考訳（メタデータ） (2024-05-13T00:51:36Z)
• Distortions in Judged Spatial Relations in Large Language Models [45.875801135769585]
  GPT-4は55%の精度で優れた性能を示し、GPT-3.5は47%、Llama-2は45%であった。 モデルは、ほとんどの場合において最も近い基数方向を同定し、その連想学習機構を反映した。
  論文  参考訳（メタデータ） (2024-01-08T20:08:04Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• High-resolution landscape-scale biomass mapping using a spatiotemporal patchwork of LiDAR coverages [0.0]
  温室効果ガス推定において,森林土壌のバイオマスの微細な評価がますます重要になっている。 ここでは、トレーニングデータの選択、地域的あるいは範囲的な偏見やエラーの調査、複数スケールでのマップパターンなど、一般的な障害に対処する。 我々のモデルは全体として正確であり (% RMSE 13-33%) バイアスが非常に低く (MBE $leq$$pm$5 Mg ha$-1$) 、ほとんどのフィールドオブザーバの変動を説明した。
  論文  参考訳（メタデータ） (2022-05-17T17:53:50Z)

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。