Fully Convolutional Networks for Dense Water Flow Intensity Prediction in Swedish Catchment Areas

要約

タイトル：スウェーデン流域での密度の高い水流強度予測のための完全畳み込みネットワーク

要約：
– 気候変動は、豪雨や干ばつなどの極端な気象現象を引き起こすため、正確な流れの予測モデルが重要になる。
– この研究では、地球空間データ（標高、土壌マップ、衛星画像）から得られる流域の物理的特性と、過去の降雨量と気温変化に関する時間情報に基づく機械学習アプローチを提案する。
– 完全畳み込みニューラルネットワークモデルを使用して、スペースタイム(空間と時間の)入力を受け取り、翌日の空間入力の各座標における水流強度を予測する。
– 従来は、時間帯毎に限定された場所での流れの強度の予測が行われていたが、本研究では初めて密度の高い予測が可能となった。
– モデルの評価と検証は行われ、実験的に設計選択を正当化している。
– コードと前処理済みデータは、https://github.com/aleksispi/fcn-water-flow で公開されています。

要約(オリジナル)

Intensifying climate change will lead to more extreme weather events, including heavy rainfall and drought. Accurate stream flow prediction models which are adaptable and robust to new circumstances in a changing climate will be an important source of information for decisions on climate adaptation efforts, especially regarding mitigation of the risks of and damages associated with flooding. In this work we propose a machine learning-based approach for predicting water flow intensities in inland watercourses based on the physical characteristics of the catchment areas, obtained from geospatial data (including elevation and soil maps, as well as satellite imagery), in addition to temporal information about past rainfall quantities and temperature variations. We target the one-day-ahead regime, where a fully convolutional neural network model receives spatio-temporal inputs and predicts the water flow intensity in every coordinate of the spatial input for the subsequent day. To the best of our knowledge, we are the first to tackle the task of dense water flow intensity prediction; earlier works have considered predicting flow intensities at a sparse set of locations at a time. An extensive set of model evaluations and ablations are performed, which empirically justify our various design choices. Code and preprocessed data have been made publicly available at https://github.com/aleksispi/fcn-water-flow.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI