論文の概要: Meteosat Third Generation imagery improves CNN-based SSI retrieval

• arxiv url: http://arxiv.org/abs/2607.28093v1
• Date: Thu, 30 Jul 2026 12:05:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.547614
• Title: Meteosat Third Generation imagery improves CNN-based SSI retrieval
• Title（参考訳）: Meteosat第3世代画像はCNNベースのSSI検索を改善する
• Abstract要約: 我々は10分間の表面太陽光を検索するための多次元・多次元畳み込みニューラルネットワークアーキテクチャを提案する。 以上の結果から,高分解能MTG/FCI画像がCNNに基づくSSI検索を改善することが示唆された。 これらの結果は,機械学習によるSSI検索において,空間分解能の向上だけでは明らかな限界に対処できないことを示唆している。
• 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: Accurate Surface Solar Irradiance (SSI) estimation is increasingly important for photovoltaic energy monitoring and forecasting. The recently introduced Meteosat Third Generation (MTG) satellite constellation provides imaging data with higher spatial resolution compared to the Meteosat Second Generation (MSG) satellite constellation, but its benefits for machine-learning-based SSI retrieval have not been well established. In this work, we introduce a multi-imager and multi-resolution convolutional neural network architecture for 10-minute SSI retrieval over Northern Europe (Estonia) using MSG/SEVIRI and MTG/FCI satellite imagery together with solar-geometry and clear-sky irradiance features. Model performance is evaluated against ground-based pyranometer measurements from eight Estonian meteorological stations using site-based cross-validation and multiple training seeds. Model performance is also compared with the SARAH-3 physics-based satellite SSI product. The hybrid SEVIRI-FCI model significantly outperformed the SEVIRI-only model under overcast and cloudy conditions, reducing RMSE by 8.2 W m$^{-2}$ and 5.7 W m$^{-2}$, respectively. However, under partly cloudy or clear skies, no statistically significant difference in RMSE was observed between the SEVIRI-FCI hybrid and the SEVIRI-only models. Compared with physics-based SARAH-3, the hybrid model yielded skill scores of 35 % under overcast conditions, 21 % under cloudy conditions, and 20 % overall. Furthermore, both models underperformed SARAH-3 in clear-sky conditions. These results show that higher-resolution MTG/FCI imagery improves CNN-based SSI retrieval when clouds dominate irradiance variability, but also indicate that higher spatial resolution alone is insufficient to address clear-sky limitations in machine-learning-based SSI retrieval.
• Abstract（参考訳）: 正確な表面太陽放射率(SSI)の推定は、太陽光発電のエネルギーモニタリングと予測においてますます重要になっている。 最近導入されたMeteosat Third Generation (MTG)衛星コンステレーションは、Meteosat Second Generation (MSG)衛星コンステレーションよりも空間分解能の高い画像データを提供するが、機械学習に基づくSSI検索の利点は十分に確立されていない。 本研究では,MSG/SEVIRIとMTG/FCI衛星画像を用いた北ヨーロッパ(エストニア)での10分間のSSI検索のための多次元・多次元畳み込みニューラルネットワークアーキテクチャを提案する。 サイトベースクロスバリデーションと複数のトレーニング種を用いて,エストニアの8つの気象観測所の地中ピラノメーター測定結果と比較した。 モデル性能は、SARAH-3物理ベースの衛星SSI製品と比較される。 ハイブリッドSEVIRI-FCIモデルは、オーバーキャストおよび曇り条件下でのSEVIRIのみのモデルよりも有意に優れ、RMSEは8.2Wm$^{-2}$と5.7Wm$^{-2}$に減少した。 しかし、部分的に曇りや澄んだ空の下では、SEVIRI-FCIハイブリッドとSEVIRI-onlyモデルの間でRMSEの統計的に有意な差は見られなかった。 SARAH-3と比較すると, オーバーキャスト条件下では35%, 曇り条件下では21%, 総合で20%のスキルスコアが得られた。 さらに、どちらのモデルもクリアスキー条件下でのSARAH-3の性能は劣っていた。 これらの結果から,高分解能MTG/FCI画像は,CNNによるSSI検索において,雲が照度変動を支配している場合に改善するが,空間分解能だけでは機械学習によるSSI検索の明確な限界に対処できないことが示唆された。

関連論文リスト

• Deep Learning Super Resolution for Satellite Cloud Mask Downscaling [1.483523247491443]
  本研究は,SEVIRIクラウドマスク製品のスケールダウンを正確に行うための2つのDeep Learning手法を提案する。 SEVMOD-CMと呼ばれる新しいクロスセンサークラウドマスクデータセットは、空間的および時間的にMODISとSEVIRIの衛星観測をマッチングすることによって作成される。 実験により,リモートセンシングコミュニティにおいて提案したモデルとデータセットの価値が示された。
  論文  参考訳（メタデータ） (2026-08-25T15:34:18Z)
• ORBITALIF: An Efficient Spiking Federated Learning Framework for Onboard Cloud Removal [46.13568040085732]
  低軌道(LEO)衛星は、災害監視や環境監視などの用途において、高解像度で大規模な地球観測を可能にする。 従来のクラウド除去パイプラインでは、処理のためにクラウドイメージを地上局にダウンロードすることは、限られたコンタクトウィンドウ、制限された衛星-地上帯域、高いレイテンシに悩まされている。 オービタルアパシー・インテリティー・アンド・ファイア(OrbitALIF)という,星座をまたいだ雲除去のための新しい衛星統合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-25T05:11:19Z)
• Deep Learning for Soil Moisture Estimation: Fusing Satellite Data with Optimally-Lagged Meteorological Features [3.746889836344766]
  本研究では,気象変数と土壌水分との時間差を最適に決定するクロス相関関数 (CCF) 法を提案する。 このアプローチはスペイン南東部の7つの農業区画で実証された。
  論文  参考訳（メタデータ） (2026-06-19T14:23:51Z)
• Remote Sensing Image Dehazing: A Systematic Review of Progress, Challenges, and Prospects [18.5046781429395]
  リモートセンシング画像(RSI)は、しばしば迷路、霧、薄い雲によって劣化し、表面反射率を曖昧にし、下流のアプリケーションを妨げる。 本研究は,RSIの脱ハージング,方法論的進化,ベンチマーク評価,物理的整合性解析を統合した最初の体系的,統一的な調査である。
  論文  参考訳（メタデータ） (2026-03-18T14:44:49Z)
• HSIGene: A Foundation Model For Hyperspectral Image Generation [46.745198868466545]
  ハイパースペクトル画像(HSI)は農業や環境モニタリングなど様々な分野で重要な役割を果たしている。 高価な取得コストのため、ハイパースペクトル画像の数は制限され、下流タスクのパフォーマンスが低下する。 遅延拡散に基づく多条件制御をサポートする新しいHSI生成基盤モデルであるHSIGeneを提案する。 実験により,提案モデルでは,デノナイズや超解像といった下流タスクに対して,膨大な量の現実的なHSIを生成することができることが示された。
  論文  参考訳（メタデータ） (2024-09-19T05:17:44Z)
• Surface solar radiation: AI satellite retrieval can outperform Heliosat and generalizes well to other climate zones [0.0]
  SSIの推定は、太陽資源の評価と太陽エネルギー予測に不可欠である。 ヘリオサットのような従来のSSI衛星の探索は物理放射移動モデルに依存している。 本稿では,SSI推定を瞬時に行うための,機械学習に基づく衛星検索について紹介する。
  論文  参考訳（メタデータ） (2024-09-16T08:15:54Z)
• Enhancing Robustness of Human Detection Algorithms in Maritime SAR through Augmented Aerial Images to Simulate Weather Conditions [1.660242118349614]
  本稿では,海中SARにおける人間の検出精度を向上させることを目的として,様々な標高と地質的位置を含む頑健なデータセットを評価する。 その結果, 強化データセットを用いたモデルでは, ヒトのリコールスコアが0.891から0.911の範囲で, YOLOv5lモデルでは3.4%向上した。
  論文  参考訳（メタデータ） (2024-08-25T08:23:06Z)
• 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)
• Advances in Land Surface Model-based Forecasting: A comparative study of LSTM, Gradient Boosting, and Feedforward Neural Network Models as prognostic state emulators [4.852378895360775]
  地表面プロセスのシミュレーションによる実験研究の高速化における3つの代理モデルの効率性を評価する。 以上の結果から, LSTMネットワークは, 予測期間を経た平均モデル全体の精度は高いが, 慎重に調整した場合は, 大陸の長距離予測に優れることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T13:26:05Z)
• Reconstructing Satellites in 3D from Amateur Telescope Images [44.20773507571372]
  本稿では,ハイブリッド画像前処理パイプラインを統合することで,障害を克服する新しい計算イメージングフレームワークを提案する。 我々は,中国の江東宇宙ステーションと国際宇宙ステーションの合成衛星データセットとオンスキー観測の両方にアプローチを検証した。 我々のフレームワークは地球からの高忠実度3D衛星監視を可能にし、宇宙状況認識のためのコスト効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2024-04-29T03:13:09Z)
• Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
  我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。 グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。 我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
  論文  参考訳（メタデータ） (2021-12-21T16:10:45Z)
• A New Backbone for Hyperspectral Image Reconstruction [90.48427561874402]
  3次元ハイパースペクトル画像(HSI)再構成は、スナップショット圧縮画像の逆過程を指す。 空間/スペクトル不変Residual U-Net、すなわちSSI-ResU-Netを提案する。 SSI-ResU-Net は浮動小数点演算の 77.3% 以上で競合する性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T16:20:51Z)
• 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)
• Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
  解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。 ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。 我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
  論文  参考訳（メタデータ） (2021-04-07T01:15:06Z)

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。