文献

J-GLOBAL ID：201702282596077990   整理番号：17A0054677

衛星画像を用いた視覚的学習による激しい雷雨検出【Powered by NICT】

Severe Thunderstorm Detection by Visual Learning Using Satellite Images

著者 (5件)： Zhang Yu (College of Information Sciences and Technology, Pennsylvania State University, State College, PA, USA) ,  Wistar Stephen (AccuWeather Inc., State College, PA, USA) ,  Li Jia (Department of Statistics, Eberly College of Science, Pennsylvania State University, State College, PA, USA) ,  Steinberg Michael A. (AccuWeather Inc., State College, PA, USA) ,  Wang James Z. (College of Information Sciences and Technology, Pennsylvania State University, State College, PA, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 2  ページ： 1039-1052  発行年： 2017年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 莫大な量のデータを活用するための強力なツールとしてのコンピュータは,今日の天気予報における広く利用されている。それにもかかわらず,そのようなデータの利用可能性にもかかわらず,現在の技術はしばしば落下信頼できる詳細な嵐予測を産生するが不足している。毎年,良好な予測が得られれば激しい雷雨は寿命の顕著な損傷と損失,そのうちのいくつかは回避できるを引き起こす。短期予測のための激しい雷雨の視覚的特徴を特定するための歴史的アーカイブからの衛星画像を分析する計算機アルゴリズムを提案した。コンピュータは官能データに基づく数値モデルを解くための天気予報に関与しているが,それらは両方の現在と過去の衛星画像からの視覚パターンに基づく予測におけるコンピテントであった。著者らのシステムでは,気象学者は画像を解釈する方法で衛星画像系列からの重要な視覚嵐証拠を抽出し,要約した。特に,アルゴリズムはこれまでストームに関連雲パッチをモデル化するために,画像列からの局所的雲の動きを抽出し,適合する。2008年からの画像データは,モデルを訓練するために採用されている,2000年から2013年までのアメリカ大陸における歴史的な激しい雷雨の報告はモデリングプロセスにおけるグランドトルースと事前情報として使用されてきた。実験はより正確な激しい雷雨予報を生成するためのアルゴリズムの有用性と可能性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 気象学 ,  *視覚 ,  *画像 ,  天気予報 ,  計算機アルゴリズム ,  アルゴリズム ,  *雷雨 ,  モデリング ,  短期予測 ,  *衛星利用画像
準シソーラス用語： 事前知識 ,  グランドトゥルース ,  画像データ ,  画像列 ,  数値モデル , 【Automatic Indexing@JST】

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (4件)： 衛星画像 ,  視覚 ,  学習 ,  雷雨