文献

J-GLOBAL ID：202202234719961949   整理番号：22A0202486

異種データソースを統合する降雨量推定のための機械学習アプローチ【JST・京大機械翻訳】

A Machine Learning Approach for Rainfall Estimation Integrating Heterogeneous Data Sources

著者 (6件)： Guarascio Massimo (ICAR-CNR, Rende, Italy) ,  Folino Gianluigi (ICAR-CNR, Rende, Italy) ,  Chiaravalloti Francesco (IRPI-CNR, Rende, Italy) ,  Gabriele Salvatore (IRPI-CNR, Rende, Italy) ,  Procopio Antonio (IRPI-CNR, Rende, Italy) ,  Sabatino Pietro (ICAR-CNR, Rende, Italy)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4200111.1-11  発行年： 2022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： 個々の点における正確な降雨推定を提供することは,洪水や地滑りのような厳しい降雨事象に由来するリスクを緩和するために,挑戦的な問題である。雨量計(RGs)と呼ばれるセンサの高密度ネットワークが,これらの点における降水強度の直接測定を得るために通常用いられる。これらの測定は,通常,関心領域全体にわたって降水場を推定するための空間補間法を用いて補間される。しかし,これらの方法は計算的に高価であり,未知の点における関心の変数の推定を改善するために,さらなる情報を統合する必要がある。これらの問題を克服するために,本研究は,降雨推定のためのアンサンブル法に基づいた分類器を利用する機械学習ベースの方法論を提案し,異なるリモートセンシング測定から情報を統合することができる。提案した手法は,RGsが利用できない降雨の正確な推定を提供し,RGsの高い定量的精度とレーダと衛星によって保証された空間パターン認識の両方を利用する不均一データ源の統合を可能にし,補間法よりも計算的に安価である。イタリア地域,Calabriaに関する実データについて実施した実験結果は,降雨推定の分野でよく認識された方法,外部ドリフト(KED)によるKrigingと比較して,検出確率(0.58対0.48)と平均二乗誤差(0.11対0.15)の両方に関して,顕著な改善を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *降雨 ,  降水 ,  洪水 ,  レーダ ,  ネットワーク ,  地滑り ,  *降雨量 ,  内挿法 ,  ドリフト ,  雨量計 ,  リモートセンシング ,  降水強度 ,  *機械学習
準シソーラス用語： 平均二乗誤差 ,  低価格 , 【Automatic Indexing@JST】

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (6件)： 異種データ ,  ソース ,  統合 ,  降雨量 ,  推定 ,  機械学習