論文の概要: Meteorology-driven Causal Nowcasting of Fugitive Landfill Emissions Enables Proactive Public Health Response

• arxiv url: http://arxiv.org/abs/2608.14254v1
• Date: Fri, 14 Aug 2026 12:32:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.381265
• Title: Meteorology-driven Causal Nowcasting of Fugitive Landfill Emissions Enables Proactive Public Health Response
• Title（参考訳）: 生活習慣病の予防的対応をめざし, 気象にかかわる廃棄物埋立処分の事例報告
• Abstract要約: 本研究は, 欧州の長期埋立処分場における高濃度硫化水素の気象要因を, 定期的なモニタリングデータから直接同定できることを示唆する。 CAIRNは、内部メモリをこれらの測定時間スケールにマッチさせる機械学習フレームワークである。 Causal-Anchored Inference for Receptor Nowcastingは、エミッションエピソードが広がるにつれて、コミュニティへの影響を見積もることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fugitive emissions from waste sites increasingly expose communities to toxic and odorous gases, yet public-health responses remain largely retrospective, with episodes investigated only after residents have been exposed. Here we show that the meteorological drivers of elevated hydrogen sulphide (HS) at a long-monitored European landfill, and the timescales over which they act, can be identified directly from routine monitoring data. We introduce CAIRN (Causal-Anchored Inference for Receptor Nowcasting), a machine-learning framework whose internal memory is matched to these measured timescales: a fast component tracking hour-scale wind-borne transport and a slow component tracking multi-hour weather changes. Trained to predict gas measurements, CAIRN operates using only routine weather variables and the calendar, without hand-engineered features. Its behaviour is consistent with the identified transport mechanisms, and the framework transfers unchanged to a second monitoring station and to co-emitted methane. Combining four such nowcasters produces a site-level, tiered alert aligned with WHO odour guidance that closely reproduces the alert generated by a direct sensor network and tracks an independent record of community odour complaints. Weather-driven nowcasting can therefore estimate community impact as an emission episode unfolds, providing public-health authorities with a validated, graded trigger for intervention and enabling exposure to be reduced during events rather than after them.
• Abstract（参考訳）: 廃棄物処理場から排出される排ガスは、有害で臭気のあるガスにコミュニティを露出する傾向にあるが、住民が暴露された後にのみ調査されるため、公衆衛生への反応は概ね振り返りが続いている。 ここでは, 長期にわたる欧州埋立処分場における高濃度硫化水素 (HS) の気象要因と, それらが作用する時間スケールを, 定期的なモニタリングデータから直接同定できることを示す。 CAIRN(Causal-Anchored Inference for Receptor Nowcasting)は、内部記憶がこれらの測定時間スケールと一致する機械学習フレームワークである。 ガスの測定を予測するために訓練されたCAIRNは、ハンドエンジニアリング機能なしで、通常の気象変数とカレンダーのみを使用して運用されている。 その挙動は同定された輸送機構と一致しており、フレームワークは第2の監視ステーションと共放出メタンに変化しない。 これら4つのカウンセラーを組み合わせることで、WHOの臭気ガイダンスと整合したサイトレベルのアラートが作成され、直接センサーネットワークによって発生した警報を密に再現し、コミュニティの臭気苦情の独立した記録を追跡する。 そのため、気象による放送は、エミッションのエピソードが広がるにつれて、コミュニティへの影響を見積もることができ、公衆衛生当局に介入のための検証済みのグレードされたトリガーを提供し、その後ではなくイベント中に露出を減らすことができる。

関連論文リスト

• EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting [50.31500063307306]
  マルチスペクトル地球観測予測のためのビデオ拡散変換器であるEO-WMを紹介する。 EO-WMは、気象基準線、気象異常、累積的な物理的ストレス信号を通して気象的な強制力を表す物理的に情報を得た条件付けフレームワークを組み込んでいる。 実験の結果、EO-WMは予測正規化植生指数(NDVI)の減少振幅を相対5.63%減少させ、方向のヒット率を相対7.80%向上させることがわかった。
  論文  参考訳（メタデータ） (2026-06-25T16:53:30Z)
• Bi Directional Feedback Fusion for Activity Aware Forecasting of Indoor CO2 and PM2.5 [29.9983891051718]
  二酸化炭素 (CO2) や微粒子物質 (PM2.5) などの主要な汚染物質の将来の濃度を予測することは依然として困難である。 従来のデータ駆動モデルは、過去のセンサーの軌跡に依存しており、しばしば行動誘発放出のスパイクや急激な集中シフトを予測できない。 室内環境の進化と行動誘導型埋め込みを共同でモデル化した,双方向の双方向フィードバック融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-06T01:21:44Z)
• 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)
• 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)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• Large Scale Masked Autoencoding for Reducing Label Requirements on SAR Data [5.235143203977019]
  本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。 この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。 本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
  論文  参考訳（メタデータ） (2023-10-02T00:11:47Z)
• 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)
• Forecasting Particle Accelerator Interruptions Using Logistic LASSO Regression [62.997667081978825]
  インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。 このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。 このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• Detecting Elevated Air Pollution Levels by Monitoring Web Search Queries: Deep Learning-Based Time Series Forecasting [7.978612711536259]
  以前の研究は、地上モニターや気象データから収集した汚染物質濃度を長期予測のモデルに頼っていた。 本研究では,主要な検索エンジンからほぼリアルタイムで公開されているWeb検索データを用いて,観測された汚染レベルを推定するモデルを開発し,検証することを目的とする。 従来型の教師付き分類法と最先端の深層学習法を併用して,米国の都市レベルで大気汚染レベルの上昇を検出する機械学習モデルを開発した。
  論文  参考訳（メタデータ） (2022-11-09T23:56:35Z)
• HazeDose: Design and Analysis of a Personal Air Pollution Inhaled Dose Estimation System using Wearable Sensors [6.284628903370058]
  我々はこのパラダイムを、個人の大気汚染をパーソナライズするHazeDoseシステムに拡張する。 ユーザはモバイルアプリケーションを通じて、パーソナライズされた大気汚染の暴露情報を視覚化できる。 1つのアルゴリズムは、代替ルートシナリオの実行時間と量削減のバランスをとるために導入された。
  論文  参考訳（メタデータ） (2020-05-28T02:35:13Z)

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。