論文の概要: Urban Heat MiniCubes: An AI-Ready dataset for urban heat research
- arxiv url: http://arxiv.org/abs/2606.11534v1
- Date: Wed, 10 Jun 2026 00:34:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.225592
- Title: Urban Heat MiniCubes: An AI-Ready dataset for urban heat research
- Title（参考訳）: Urban Heat MiniCubes: 都市熱研究のためのAI対応データセット
- Authors: Jonathan Starfeldt, Maria J. Molina, Alexander Kerr, Adam Yang, Thomas R. H. Holmes, Christopher R. Hain,
- Abstract要約: Cube Heat Mini-Cubes"は、都市熱研究における機械学習応用のための公開データセットである。
このデータセットは2022-2023年の西半球48都市に対して90×90kmの格子状データキューブを提供する。
- 参考スコア（独自算出の注目度）: 35.306432670332065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Urban heat is amplified by impermeable surfaces and heterogeneous built environments, yet street-level variability remains difficult to quantify because multi-sensor observations are rarely available in consistent, analysis-ready form at the necessary spatiotemporal scales. We present "Urban Heat MiniCubes," a publicly available, FAIR-oriented dataset designed for machine learning applications in urban heat research. The dataset provides harmonized 90 x 90 km gridded data cubes for 48 cities in the Western Hemisphere spanning 2022-2023, with variables reprojected and collocated to a common grid to reduce preprocessing (e.g., reprojection, resampling, and spatiotemporal alignment). Urban Heat MiniCubes includes two complementary modalities: (i) higher-spatial-resolution, lower-frequency observations from Landsat 8/9 (e.g., surface reflectances) and Sentinel-1 (e.g., synthetic aperture radar backscatter), and (ii) higher-temporal-frequency, coarser observations from GOES-R (e.g., longwave infrared brightness temperatures) and a microwave land surface temperature product. We document variables and metadata and provide technical assessment using inter-variable analyses and autoencoder-based reconstruction-error summaries across pixel classes (e.g., water and cloud). Potential use cases and limitations are also discussed.
- Abstract（参考訳）: 都市熱は不透過性表面と不均一な構築環境によって増幅されるが、街路レベルの変動は、必要な時空間スケールで一貫した分析可能な形ではめったに得られないため、定量化が困難である。
本稿では,都市熱研究における機械学習応用のためのFAIR指向データセットである"Urban Heat MiniCubes"を紹介する。
このデータセットは、2022-2023年にまたがる西半球48都市で90×90kmの格子状データキューブを調和させ、前処理(例えば、再投影、再サンプリング、時空間アライメント)を減らすために、変数を共通のグリッドに再プロジェクションし、コロケーションする。
都市熱ミニキューブには2つの相補的なモードがある。
(i)ランドサット8/9(eg,表面反射率)とセンチネル-1(eg,合成開口レーダ後方散乱)の高分解能低周波観測、及び
(II)GOES-R(例えば、長波長赤外輝度温度)およびマイクロ波地表面温度生成物からの高時間・粗大な観測。
変数とメタデータを文書化し、変数間解析とオートエンコーダに基づく再構成エラー要約を用いて、ピクセルクラス(例えば、水と雲)間で技術評価を行う。
潜在的なユースケースや制限についても論じる。
関連論文リスト
- GPU-Accelerated Deep Learning for Heatwave Prediction and Urban Heat Risk Assessment [0.0]
本稿では,次世代の都市熱環境予測のためのGPUに基づくディープラーニングフレームワークを提案する。
提案手法は, 都市熱分析の実践的基盤として利用することができる。
論文 参考訳（メタデータ） (2026-05-14T21:13:09Z) - Resolution Revolution: A Physics-Guided Deep Learning Framework for Spatiotemporal Temperature Reconstruction [5.6087513714958686]
現在の技術では、時給2kmで観測できるが、100mでは16日おきにしか観測できない。
本稿では、2つのデータソースを統合した温度データ再構成のための物理誘導型ディープラーニングフレームワークを提案する。
提案フレームワークは、毎年恒例の温度サイクルを組み込んだ畳み込みニューラルネットワークを使用し、粗い地球系のモデル出力を衛星から観測された微細な温度値に増幅する線形項を含む。
論文 参考訳（メタデータ） (2025-07-14T03:03:25Z) - 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) - Deep Depth Estimation from Thermal Image: Dataset, Benchmark, and Challenges [5.946838062187346]
この原稿は、ステレオRGB、ステレオNIR、ステレオサーマル、ステレオLiDARデータ、半密度深度基底真理からなる大規模なマルチスペクトルステレオ(MS$2$)データセットを提供する。
MS$2$データセットには、さまざまな場所でキャプチャされた162Kの同期マルチモーダルデータペアが含まれている。
論文 参考訳（メタデータ） (2025-03-28T00:46:55Z) - Multi-Modal Learning-based Reconstruction of High-Resolution Spatial
Wind Speed Fields [46.72819846541652]
本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。
この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
論文 参考訳（メタデータ） (2023-12-14T13:40:39Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - District-scale surface temperatures generated from high-resolution
longitudinal thermal infrared images [1.3680120601947403]
データセットには、平均して10秒間隔で収集された1,365,921枚の熱画像が含まれている。
マルチモーダルプラットフォームを備えた屋上赤外線サーモグラフィ観測所がシンガポールに配備された。
論文 参考訳（メタデータ） (2023-05-03T08:36:06Z) - Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文 参考訳（メタデータ） (2022-06-28T12:43:38Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Real-time Tropical Cyclone Intensity Estimation by Handling Temporally
Heterogeneous Satellite Data [33.528810128372704]
本稿では,GAN(Generative Adversarial Network)と畳み込みニューラルネットワーク(CNN)を組み合わせた新しいフレームワークを提案する。
実験結果から,ハイブリッドGAN-CNNフレームワークは最先端モデルに匹敵する精度を実現することが示された。
論文 参考訳（メタデータ） (2020-10-28T13:40:07Z)
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。