論文の概要: Spatiotemporal downscaling and nowcasting of urban land surface temperatures with deep neural networks
- arxiv url: http://arxiv.org/abs/2605.13566v1
- Date: Wed, 13 May 2026 14:05:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:28.094263
- Title: Spatiotemporal downscaling and nowcasting of urban land surface temperatures with deep neural networks
- Title（参考訳）: 深部ニューラルネットワークを用いた都市地表面温度の時空間下降と流速
- Authors: Solomiia Kurchaba, Angela Meyer,
- Abstract要約: 土地表面温度(LST)は、都市気候や生態学研究など、様々な用途において重要な変数である。
我々は、静止衛星と極軌道衛星の観測を組み合わせ、高空間分解能と高時間分解能のLST場を提供する。
本稿では,15分から75分以内の予測リード時間で,低スケールのLSTフィールドをトレーニングしたConv-LSTMアーキテクチャに基づくLST nowcastingモデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Land Surface Temperature (LST) is a key variable for various applications, such as urban climate and ecology studies. Yet, existing satellite-derived LST products provide either high spatial or high temporal resolution, resulting in a fundamental trade-off between the two. To address this trade-off, we combine observations from a geostationary and a polar orbiting satellite and provide LST fields at high spatial and high temporal resolution (1 km at 15-min intervals). We demonstrate their application for intraday forecasting of LSTs. To estimate LST fields at high spatiotemporal resolution, a U-Net model is trained to map LST fields from SEVIRI/MSG (3 km and 15 min resolution) to LST fields from Terra/Aqua MODIS (1 km, 4 overpasses per day) that are collocated in space and time. The presented model has been trained on LSTs across large European cities with a population exceeding 1 million inhabitants, and achieves an RMSE = $1.92$°C and near-zero bias MBE = $0.01$°C on the hold-out test set. As a second step, we present an LST nowcasting model based on ConvLSTM architecture, trained across downscaled LST fields with forecast lead times of 15 to 75 minutes. The nowcasting model outperforms a persistence and a Climatological Rolling Median benchmarks, with RMSEs of $0.57$ to $1.15$°C for the considered lead times and biases ranging from $-0.1$ to $0.14$°C. An additional validation conducted against independent MODIS overpasses confirms robust performance. Our LST forecast model at high spatiotemporal resolution is directly applicable to operational satellite-based LST monitoring.
- Abstract（参考訳）: 土地表面温度(LST)は、都市気候や生態学研究など、様々な用途において重要な変数である。
しかし、既存の衛星由来のLST製品は高空間分解能または高時間分解能を提供するため、両者の間には根本的なトレードオフが生じる。
このトレードオフに対処するため、静止衛星と極軌道衛星の観測を組み合わせ、高空間分解能かつ高時間分解能のLST場を15分間隔で1kmで提供する。
LSTの日内予測への応用を実証する。
高時空間分解能でLST場を推定するために、空間と時間で衝突するTerra/Aqua MODIS (1 km, 4 overpasses per day) からSEVIRI/MSG(3 km, 15 min)からLST場にLST場をマッピングするU-Netモデルを訓練する。
提案されたモデルは、人口が100万人以上のヨーロッパの大都市でLSTで訓練され、RMSE = $1.92$°C とほぼゼロのバイアス MBE = $0.01$°C をホールドアウトテストセットで達成している。
第2のステップとして、予測リード時間15分から75分で、ダウンスケールのLSTフィールドでトレーニングされたConvLSTMアーキテクチャに基づくLST nowcastingモデルを提案する。
Nowcastingモデルは永続性とClimatological Rolling Medianベンチマークより優れており、RMSEは0.57$から1.15$°Cであり、リードタイムとバイアスは-0.1$から$0.14$°Cである。
独立したMODISオーバーパスに対する追加の検証では、堅牢なパフォーマンスが確認されている。
高時空間分解能でのLST予測モデルは、運用衛星によるLSTモニタリングに直接適用できる。
関連論文リスト
- Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。
ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
論文 参考訳（メタデータ） (2026-05-07T20:25:28Z) - ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。
我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
論文 参考訳（メタデータ） (2025-09-16T08:52:13Z) - WGAST: Weakly-Supervised Generative Network for Daily 10 m Land Surface Temperature Estimation via Spatio-Temporal Fusion [3.344876133162209]
筆者らは,MODIS,Landsat 8,Sentinel-2のSSupervise-Temporal Fusionによる1日10mLST分解能の弱い遺伝的ネットワークWGASTを提案する。
特徴抽出、融合、LST再構成、ノイズ抑制の4段階からなる、条件付き生成対向アーキテクチャを採用する。
実験により、WGASTは定量評価と定性評価の両方において既存の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2025-08-08T17:49:46Z) - 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) - FuseTen: A Generative Model for Daily 10 m Land Surface Temperature Estimation from Spatio-Temporal Satellite Observations [3.344876133162209]
都市熱波、干ばつ、陸熱波は、気候変動の文脈において、ますます困難を増している。
これらの現象を評価し理解するための最も重要な変数の1つはランドサーフェス温度(LST)である。
本研究では,ランドサット8号とテラMODIS号の時空間観測により,毎日10mの空間分解能でLST観測を行うFuseTenを提案する。
論文 参考訳（メタデータ） (2025-07-30T23:04:16Z) - Daily Land Surface Temperature Reconstruction in Landsat Cross-Track Areas Using Deep Ensemble Learning With Uncertainty Quantification [5.6087513714958686]
複雑な都市部におけるランドサットのLSTを再構築するための,年間気温サイクルとプロセスを統合するアンサンブル学習手法であるDELAGを提案する。
デラグはニューヨーク市、ロンドン、香港で3つの地域から研究エリアとしてLSTの再建に成功した。
以上の結果から,DLAGによる再建が成功し,正確な空気温度を推定するためのLST再建の広範な応用が明らかとなった。
論文 参考訳（メタデータ） (2025-02-20T10:35:01Z) - Deep Learning for Spatio-Temporal Fusion in Land Surface Temperature Estimation: A Comprehensive Survey, Experimental Analysis, and Future Trends [3.344876133162209]
地表面温度(LST)は重要な環境過程を理解する上で重要な役割を果たしている。
衛星センサーはしばしば空間分解能と時間分解能のトレードオフに直面している。
時空間融合(STF)は、2つの衛星データソースを統合する強力な方法として登場した。
論文 参考訳（メタデータ） (2024-12-21T13:53:15Z) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - 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) - Generating gapless land surface temperature with a high spatio-temporal
resolution by fusing multi-source satellite-observed and model-simulated data [7.166180462786921]
本研究では,60m空間分解能と半時間時間時間分解能で空隙のないLSTをマッピングするために,衛星観測とLSMシミュレーションによるLSTデータの統合温度融合フレームワークを提案する。
都市支配地域(中国の武漢市)と自然支配地域(中国の平河流域)で評価を行った。
論文 参考訳（メタデータ） (2021-11-29T02:28:47Z)
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。