Simulation of regional rainfall observation using urban surveillance camera networks
Notice bibliographique
Résumé
Abstract Widespread surveillance cameras show excellent potential for high spatial and temporal resolution rainfall observation. As the accuracy of surveillance camera-based rain gauges (SRGs) continues to improve, surveillance camera-based rainfall observation networks (SRN) have received increasing attention worldwide. Limited by the availability of surveillance data, there is little investigation into the performance of SRNs. In this study, a simulated SRN construction model is proposed, which employs meteorology and geography research as a priori knowledge and the state-of-the-art achievements of SRG as the basis, bringing the simulated SRNs closer to their practical performance. Regional rainfall observations from SRNs were compared with those from ground gauge network (GRN), real-time and calibrated radars. The experimental results show that (1) SRNs can significantly improve correlation with real-time and calibrated radar observations over GRN; (2) an SRN consisting of 700 SRGs whose estimation accuracy is higher than 80% or 500 SRGs whose estimation is accuracy higher than 90% could achieve a comparable precision performance to that of GRN; (3) as the number of SRGs reaches 900 (the spatial density of SRGs is about 0.47 per km2), the performance of the SRNs tend to be stable. Although increasing the number of cameras helps alleviate the problem of insufficient accuracy of a single SRG during heavy/violent rainfall, excessive cameras may reduce the accuracy due to the inherent measurement errors of SRG. Therefore, developing a robust SRG filtering strategy to find the optimal number of SRGs is essential. Our research provides an important reference for researchers who are holding a sceptical view of the availability of surveillance camera rainfall networks while shedding light on building a new low-cost and high-resolution SRN based on the existing surveillance camera resources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».