論文の概要: Towards Drone-based Mapping of Volcanic Gases using Gas Tomography

• arxiv url: http://arxiv.org/abs/2605.27180v2
• Date: Mon, 01 Jun 2026 14:09:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 18:24:16.54219
• Title: Towards Drone-based Mapping of Volcanic Gases using Gas Tomography
• Title（参考訳）: ガストモグラフィーによる火山ガスのドローンマッピングに向けて
• Authors: Marius Schaab, Niklas Karbach, Antonia Rabe, Thomas Wiedemann, Patrick Hinsen, Dmitriy Shutin, Thorsten Hoffmann, Achim J. Lilienthal,
• Abstract要約: 火山は大量の二酸化炭素を放出し、直接人命に影響を与える。火山ガスの放出をマッピングすることは、火山が気候や環境に与える影響を予測し理解するのに役立ちます。 ドローンによるガス検知は、火山モニタリングのリスクを著しく低減するが、ローターが検知する前にガス配管を分散させるため、ガス測定の技術的制限に直面している。 風による対流を補うためにラグランジアンモデルを組み込んだ新しいモデルベースガストモグラフィー再構成手法を提案する。その結果のガス分布図は,手動で収集したその場測定値と一致し,モデルベースガストモグラフィーが降水制限を効果的に克服し,正確なマッピングを可能にすることを確認する。
• 参考スコア（独自算出の注目度）: 8.03932710640614
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Volcanoes emit large amounts of CO2, directly influencing human lives. Mapping volcanic gas emissions helps to forecast eruptions and understand the impact of volcanoes on climate and the environment. Drone-based gas sensing significantly reduces risks in volcanic monitoring but faces technical limitations when measuring gas, as rotor downwash disperses the gas plume before detection. Gas Tomography using remote gas sensing addresses this challenge. At the Salinelle dei Cappuccini mud volcanoes, we demonstrate that while drone-mounted in-situ sensors failed to detect CO2 emissions due to aerodynamic disturbance, open-path sensing successfully enabled remote gas distribution mapping. We present a novel model-based gas tomographic reconstruction approach that incorporates a Lagrangian model to compensate for wind-induced advection. The resulting gas distribution maps align with manually collected in-situ measurements, confirming that model-based gas tomography effectively overcomes downwash limitations and enables accurate mapping of volcanic emissions.
• Abstract（参考訳）: 火山は大量の二酸化炭素を放出し、直接人間の生活に影響を与える。 火山ガスの放出をマッピングすることは、噴火を予測し、火山が気候や環境に与える影響を理解するのに役立つ。 ドローンによるガス検知は、火山モニタリングのリスクを著しく低減するが、ローターが検知する前にガス配管を分散させるため、ガス測定の技術的制限に直面している。 リモートガスセンサを用いたガストモグラフィーはこの課題に対処する。 サリネル・デイ・カプッチニ火山(英語版)では、空力障害によるCO2排出の検知にドローン搭載のin-situセンサーが失敗したが、オープンパス検出により遠隔ガス分布のマッピングに成功した。 風による対流を補うためにラグランジアンモデルを組み込んだ新しいモデルに基づくガストモグラフィー再構成手法を提案する。 得られたガス分布図は、手動で収集したその場測定と一致し、モデルに基づくガストモグラフィーが降水量制限を効果的に克服し、火山ガスの正確なマッピングを可能にすることを確認した。

関連論文リスト

• XIT: Exploration and Exploitation Informed Trees for Active Gas Distribution Mapping in Unknown Environments [8.609848670085038]
  移動式ロボットガス分布マッピング(GDM)は、危険ガス放出に対する緊急対応において重要な状況認識を提供する。 XIT(Exploration-Exploitation Informed Trees)は,探索と利用のバランスをとるサンプリングベースプランナである。 XITは、現在のガス後部から派生したアッパー信頼境界(UCB)情報フィールドからサンプルのバッチを抽出し、ガス濃度と不確実性に対して旅行の努力をオフにするコストで木を拡大する。
  論文  参考訳（メタデータ） (2026-02-14T12:11:48Z)
• Large-Scale Autonomous Gas Monitoring for Volcanic Environments: A Legged Robot on Mount Etna [9.60663258276636]
  荒削りな火山の地形における限られた移動性は、車輪付きシステムが信頼できるその場でのガス測定を行うのを妨げている。 本稿では,4重極質量分析装置を備えた4重極式ANYmalを用いて,自律型火山ガス分析のための脚付きロボットシステムを提案する。 当社のモジュール型自律スタックは、ミッションプランニングインターフェース、グローバルプランナー、ローカライゼーションフレームワーク、地形対応のローカルナビゲーションを統合しています。
  論文  参考訳（メタデータ） (2026-01-12T09:37:07Z)
• 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)
• Transforming volcanic monitoring: A dataset and benchmark for onboard volcano activity detection [22.89051044840758]
  本研究では,世界中の多様な火山を包含する,火山活動と噴火検出のために設計された新しいデータセットを提案する。 このデータセットは、火山性異常や非火山性異常を識別するためのバイナリアノテーションを提供し、温度異常、噴火、火山灰の放出などの現象をカバーしている。 今後の研究のベースラインを確立するために,最先端モデルを用いた総合ベンチマークを提案する。 実験台としてIntel Movidius Myriad X VPUを用いて, 直接火山活動検出の可能性を示す。
  論文  参考訳（メタデータ） (2025-10-27T00:42:16Z)
• Uncertainty assessment in satellite-based greenhouse gas emissions estimates using emulated atmospheric transport [0.11515105534512099]
  大気中輸送の「フットプリント」と温室効果ガスモル分率測定を推定するためのアンサンブルに基づくパイプラインを提案する。 このアプローチは2016年にブラジルのGOSAT(Greenhouse Gases Observing Satellite)観測で実証された。 その結果,大気中の輸送フットプリントとメタンモル分画の両面において,アンサンブル拡散が低信頼な空間的および時間的予測を浮き彫りにすることがわかった。
  論文  参考訳（メタデータ） (2025-10-07T10:14:25Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• 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)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Estimation of Air Pollution with Remote Sensing Data: Revealing Greenhouse Gas Emissions from Space [1.9659095632676094]
  地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。 本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-08-31T14:58:04Z)

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。