論文の概要: PBLH Estimation from Satellite Radiances via a Dual-Encoder Transformer

• arxiv url: http://arxiv.org/abs/2609.28286v1
• Date: Wed, 23 Sep 2026 15:33:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.097658
• Title: PBLH Estimation from Satellite Radiances via a Dual-Encoder Transformer
• Title（参考訳）: デュアルエンコーダ変換器による衛星放射線からのPBLH推定
• Abstract要約: 衛星観測から惑星境界層の高さを推定することは、困難な回帰問題である。 我々は,大規模データセットであるMetOpラジダスとERA5Hラベルを組み合わせて構築する。 マスク・インプット・ハンドリングを施したデュアルエンコーダ・トランスフォーマーにより、すべての気象条件下で動作させることができる。
• 参考スコア（独自算出の注目度）: 7.866442514811511
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the Planetary Boundary Layer Height (PBLH) from satellite observations is a challenging regression problem due to the indirect relationship between top-of-atmosphere radiances and near-surface atmospheric structure. Progress has been limited both by the lack of architectures capable of handling the multimodal, spatially incomplete nature of satellite overpasses, and by the scarcity of suitable datasets. In this paper, we build upon the large-scale dataset pairing MetOp radiances with ERA5 PBLH labels that we introduced in our previous work, making three contributions. First, we establish a benchmark across eight approaches spanning pixel-wise regression, swath-wise sequence models, and convolutional and Transformer models operating on the full orbital passage. Second, we quantify what the resulting model actually relies on, using grouped Shapley decomposition over the input blocks. Third, we present the best-performing architecture found: a dual-encoder Transformer whose masked-input handling lets it operate in all weather conditions. The proposed model achieves MAE = 155.8 m on the held-out global test set, outperforming all baselines on every evaluation subset. On 30 out-of-distribution granules acquired on two days overlapping the TEAMx observational campaign, it achieves MAE = 165.3 m, outperforming a pixel-wise baseline trained on the same data (MAE = 197 m).
• Abstract（参考訳）: 衛星観測からプラネタリー境界層高度(PBLH)を推定することは、大気圏上層と大気圏近傍の大気構造との間の間接的な関係のため、困難な回帰問題である。 進歩は、衛星通過のマルチモーダルで空間的に不完全な性質を扱うことのできるアーキテクチャの欠如と、適切なデータセットの不足によって制限されてきた。 本稿では,本論文で紹介した大規模データセットとERA5 PBLHラベルを組み合わせ,3つのコントリビューションを行った。 まず、ピクセルワイド回帰、スワスワイドシーケンスモデル、および全軌道通過で動作する畳み込みおよびトランスフォーマーモデルにまたがる8つのアプローチにまたがるベンチマークを確立する。 次に、入力ブロック上のグループ化されたShapley分解を用いて、結果モデルが実際に依存するものを定量化する。 第3に、最も優れたアーキテクチャを提示する:デュアルエンコーダ変換器で、マスクインプット処理により、すべての気象条件下で動作することができる。 提案したモデルは、ホールドアウトされたグローバルテストセットでMAE = 155.8mを達成し、すべての評価サブセットのベースラインを上回ります。 TEAMx観測キャンペーンの2日間で獲得された30個の分布外顆粒は、MAE = 165.3 mに達し、同じデータ(MAE = 197 m)で訓練されたピクセル単位のベースラインを上回っている。

関連論文リスト

• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• Phase-Preserving Trimodal Transformer for Tropical Forest Biomass Estimation Using Optical and PolInSAR Data [0.3499870393443268]
  Trimodal Coherent Co-attention Transformer (TCCT) は物理情報を用いたディープラーニングアーキテクチャである。 TCCTは、光面反射率(Landsat-5)と、PバンドとLバンドの複雑な値のポラリメトリックSAR干渉計(PolInSAR)データを融合する。 また, Above-Ground Biomass (AGB) に換算すると, 50 Mg/ha以上の密林地域での相対RMSEは4.51%であった。
  論文  参考訳（メタデータ） (2026-07-04T02:32:51Z)
• Multi-Modal Conditioned High-Resolution Transformer for Urban Electromagnetic Field Map Prediction Download PDF [3.3172899945646965]
  都市環境における電磁界強度の予測はセルネットワーク計画に不可欠である。 建築レイアウト画像とアンテナ構成から500のEMFマップを生成する多条件高密度予測フレームワークを提案する。 我々の最良のモデルは、0.0461のMAE、プレーンなUNetベースラインに対する25.2%の改善、HRFormerのみのベースラインに対する31.8%を達成しています。
  論文  参考訳（メタデータ） (2026-06-26T03:06:23Z)
• MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
  本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。 MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。 HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
  論文  参考訳（メタデータ） (2026-06-22T10:14:06Z)
• Cross-Modal Hierarchical Fusion for from Multi-Sensor Ground Observation [2.538209532048867]
  AtmoFuseNetは、マルチビューのスカイカメラ画像をミリ波の雲のレーダーと加速度計の観測で融合し、雲の状態と風の4D推定を生成するフレームワークである。 半乾燥地からの衝突観測では、AtmoFuseNetは0.026 g m-3 の液体水量 MAE と 1.18 ms-1 の風速 MAE に達する。
  論文  参考訳（メタデータ） (2026-05-31T14:17:43Z)
• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
  地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。 本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。 本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。 結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T11:40:39Z)

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。