Enhancing precipitation detection: A multi-sensor approach using conditional GANs and recurrent networks | ||
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera | |
| dc.conicet.organizacion | Ministerio de Defensa. Secretaria de Planeamiento. Servicio Meteorológico Nacional | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas | |
| dc.conicet.organizacion | Universidad Católica del Uruguay | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Investigación y Desarrollo Estratégico para la Defensa. Ministerio de Defensa. Unidad de Investigación y Desarrollo Estratégico para la Defensa | |
| dc.contributor.author | Negri, Pablo Augusto | |
| dc.contributor.author | Acevedo, Daniel Germán | |
| dc.contributor.author | Ruiz, Juan Jose | |
| dc.contributor.author | González, Sergio Hernán | |
| dc.contributor.author | Vidal, Luciano | |
| dc.contributor.author | Silvarrey, Alejo | |
| dc.contributor.author | Nicora, Maria Gabriela | |
| dc.date.issued | 2025-06 | |
| dc.description.abstract | The advent of automatic precipitation detection with high-frequency data at very low spatial resolution (4 km)renders the satellite infrared brightness temperature (IR-BT) sensor a promising variable. Nevertheless, thisapproach must confront the inherent simplicity of this variable, where there is not always a strong correlationwith convective precipitation, and the very low number of rain events occurring in nature, presenting animbalanced problem. This paper proposes a novel approach to identify rainfall that integrates the IR-BTvariable with lightning activity, defined as the number of detected lightning flashes per unit of time and space.The approach utilizes a recurrent neural network to estimate a binary output and a conditional GAN (cGAN)framework, which enhances the training and performance of this imbalanced problem. Inverse Dice loss, analternative loss function, is employed to enhance the convergence and results of our framework: PD-GAN.Tests have shown that integrating sensors and the proposed architecture leads to positive outcomes, includinga reduction in false alarms and an enhancement in the overlap of positive events. | es |
| dc.description.fil | Fil: Negri, Pablo Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina | |
| dc.description.fil | Fil: Acevedo, Daniel Germán. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigación en Ciencias de la Computación. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigación en Ciencias de la Computación; Argentina | |
| dc.description.fil | Fil: Ruiz, Juan Jose. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina | |
| dc.description.fil | Fil: González, Sergio Hernán. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina | |
| dc.description.fil | Fil: Vidal, Luciano. Ministerio de Defensa. Secretaria de Planeamiento. Servicio Meteorológico Nacional; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina | |
| dc.description.fil | Fil: Silvarrey, Alejo. Universidad Católica del Uruguay; Uruguay | |
| dc.description.fil | Fil: Nicora, Maria Gabriela. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Investigación y Desarrollo Estratégico para la Defensa. Ministerio de Defensa. Unidad de Investigación y Desarrollo Estratégico para la Defensa; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Negri, Pablo Augusto; Acevedo, Daniel Germán; Ruiz, Juan Jose; González, Sergio Hernán; Vidal, Luciano; et al.; Enhancing precipitation detection: A multi-sensor approach using conditional GANs and recurrent networks; Elsevier Science; Pattern Recognition Letters; 200; 6-2025; 150-157 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 0167-8655 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/281861 | |
| dc.journal.ciudad | Amsterdam | es |
| dc.journal.pagination | 150-157 | es |
| dc.journal.pais | Países Bajos | es |
| dc.journal.title | Pattern Recognition Letters | es |
| dc.journal.volume | 200 | es |
| dc.language.iso | eng | es |
| dc.publisher | Elsevier Science | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://linkinghub.elsevier.com/retrieve/pii/S016786552500217X | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1016/j.patrec.2025.05.022 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | REMOTE SENSING | es |
| dc.subject | PRECIPITATION | es |
| dc.subject | GANS | es |
| dc.subject | LIGHTNING | es |
| dc.subject.classification | Meteorología y Ciencias Atmosféricas | es |
| dc.subject.classification | Ciencias de la Tierra y relacionadas con el Medio Ambiente | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | Enhancing precipitation detection: A multi-sensor approach using conditional GANs and recurrent networks | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.24de7f9b-11e5-4bd0-a567-59d455f2ce0c_B.pdf
- Tamaño:
- 2.49 MB
- Formato:
- Adobe Portable Document Format