機械学習,クラウドマスク,マルチソースデータによる降雨量の推定精度向上:ベトナムの中央部の4つの沿岸省のケーススタディ

科学分野:

• 水文学と遠隔検知について
• 環境科学における機械学習の応用

背景:

• 雨量の正確な推定は,沿岸地域の水資源管理と災害防止に不可欠です.
• 既存の降雨製品には,特に複雑な地形では,精度とデータ統合の課題がしばしばあります.

研究 の 目的:

• 降雨の分類と推定を強化するための新しい機械学習フレームワーク (LGBM-3SC-CF) の開発と検証.
• ベトナム中央部の4つの沿岸省の降雨データの精度を向上させるため,複数のソースの衛星と地上からの観測を使用します.

主な方法:

• マルチソースデータの統合:ヒマワリ-8,ERA5,ASTERDEM,雨量データ.
• 新しいクラウドマスク技術による3段階の分類アーキテクチャの開発.
• クラス不均衡のデータバランスと,気象学的要因に基づく特徴選択の適用.

主要な成果:

• LGBM-3SC-CF製品は,IMERG,GSMaP,PERSIANN-CCSと比較して優れたパフォーマンスを示しました.
• 0.55の高いクリティカル・サクセス・インデックス (CSI) と0.74の検出確率 (POD) を達成しました.
• 平均絶対誤差 (MAE) 2.66 mm/h,根平均二乗誤差 (RMSE) 5.48 mm/h を含む,低誤差メトリクスを示した.

結論:

• LGBM-3SC-CFのフレームワークは,中央ベトナムにおける降雨量の推定のための堅牢で正確なソリューションを提供します.
• この研究は,ほぼリアルタイムの降雨量推定モデルを開発するための方法論的基礎を築いています.
• この調査結果は,水文学的モニタリングを改善するために,高度な機械学習による多様なデータソースの統合の可能性を強調しています.