広範に配置されたビデオセンサーは降雨情報を持続的に記録しており、ビデオセンサーに基づく高時空間分解能の降雨データ推定は、現在最も有望な降雨推定手法の一つとなっています。しかし、センサー機器やビデオシーンなどの複雑で多様なため、各ビデオセンサーが逆推定する降雨データの質が不均一であり、その処理が必要であり、逆推定データの品質を保証する必要があります。地理学の第一法則に着想を得て、ビデオセンシングネットワークにおけるノード間の時空間情報を制約条件とし、ビデオノード協調型の降雨逆推定精度制御モデル（Precision Control Model、PCM）を提案しました。PCMモデルは、ビデオノード間の降雨情報の相互検証方式により、降雨事象の時空間的一致性、状況的一致性及び相関性などの特徴に基づき、降雨逆推定の多粒度フィルタリング手法を構築し、高精度な降雨事象の表現を実現することを目指しています。実験結果は、多様な降雨シナリオにおいてPCMモデルが降雨逆推定の精度と安定性を効果的に向上させることを示しています。降雨強度（Rainfall Intensity、RI）の相対誤差の平均は、中小雨シナリオで約14.85％、大雨シナリオで約19.90％低減しました；RIの相対誤差の標準偏差は、中小雨シナリオで約40.87％、大雨シナリオで約40.96％低減し、高品質な降雨データの生成に貢献可能です。

降雨逆推定;ビデオセンサー;ノード協調;精度制御;時空間制約