論文の概要: A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery

• arxiv url: http://arxiv.org/abs/2005.08702v2
• Date: Fri, 24 Jul 2020 13:56:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 12:59:07.006264
• Title: A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery
• Title（参考訳）: 中高分解能衛星画像を用いた閉鎖林外樹木のグローバル同定法
• Authors: John Brandt, Fred Stolle
• Abstract要約: 密集した閉鎖性林の外の伐採された木は、炭素の隔離、生活支援、生態系の整合性維持、気候変動の適応と緩和に重要である。 クローズド・キャノピー林内の樹木とは対照的に,世界規模で散在する樹木の空間的広さと分布についてはあまり分かっていない。 中高分解能光・レーダ画像を用いて,3メートル以上の天蓋径の樹木を同定する一貫した手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scattered trees outside of dense, closed-canopy forests are very important for carbon sequestration, supporting livelihoods, maintaining ecosystem integrity, and climate change adaptation and mitigation. In contrast to trees inside of closed-canopy forests, not much is known about the spatial extent and distribution of scattered trees at a global scale. Due to the cost of high-resolution satellite imagery, global monitoring systems rely on medium-resolution satellites to monitor land use. Here we present a globally consistent method to identify trees with canopy diameters greater than three meters with medium-resolution optical and radar imagery. Biweekly cloud-free, pan-sharpened 10 meter Sentinel-2 optical imagery and Sentinel-1 radar imagery are used to train a fully convolutional network, consisting of a convolutional gated recurrent unit layer and a feature pyramid attention layer. Tested across more than 215,000 Sentinel-1 and Sentinel-2 pixels distributed from -60 to +60 latitude, the proposed model exceeds 75% user's and producer's accuracy identifying trees in hectares with a low to medium density (less than 40%) of tree cover, and 95% user's and producer's accuracy in hectares with dense (greater than 40%) tree cover. The proposed method increases the accuracy of monitoring tree presence in areas with sparse and scattered tree cover (less than 40%) by as much as 20%, and reduces commission and omission error in mountainous and very cloudy regions by nearly half. When applied across large, heterogeneous landscapes, the results demonstrate potential to map trees in high detail and accuracy over diverse landscapes across the globe. This information is important for understanding current land cover and can be used to detect changes in land cover such as agroforestry, buffer zones around biological hotspots, and expansion or encroachment of forests.
• Abstract（参考訳）: 密集した閉鎖性林の外の伐採された木は、炭素の隔離、生活支援、生態系の整合性維持、気候変動の適応と緩和に非常に重要である。 閉鎖林内の樹木とは対照的に、地球規模で散在する樹木の空間的範囲や分布についてはあまり知られていない。 高解像度衛星画像のコストのため、地球規模の監視システムは土地利用を監視するために中解像度衛星に依存している。 ここでは,3メートル以上の天蓋径の樹木を高解像度の光学・レーダ画像で同定する一貫した手法を提案する。 隔週で雲のない10メートルのセンチネル-2光学画像とセンチネル-1レーダー画像を使用して、畳み込みゲートリカレントユニット層と特徴ピラミッドアテンション層からなる完全畳み込みネットワークを訓練する。 提案モデルは-60度から+60度まで分布する215,000のセンチネル-1とセンチネル-2ピクセルでテストされ、ヘクタールの樹冠密度 (40%未満) の低中密度の樹冠と、密度 (40%以上) のヘクタールの樹冠と生産者の精度 (95%) を75%超えた。 提案手法は,疎水・散布木被覆面積(40%未満)における樹木の分布モニタリングの精度を最大20%向上させ,山間部および非常に曇り地における照準誤差と欠落誤差を約半分削減する。 大規模で異質な景観に適用すると、この結果は世界中の多様な景観に対して、高精細で精度の高い樹木を地図化できる可能性を示している。 この情報は現在の土地被覆を理解するのに重要であり、林業、生物ホットスポット周辺の緩衝帯、森林の拡大や侵食などの土地被覆の変化を検出するのに使うことができる。

関連論文リスト

• PlantCamo: Plant Camouflage Detection [60.685139083469956]
  本稿では,植物カモフラージュ検出(PCD)の課題を紹介する。 この問題に対処するため,カモフラージュ植物を用いた1,250枚の画像からなるPlantCamoデータセットを導入した。 提案したデータセット上で20以上の最先端CODモデルを用いて大規模なベンチマーク研究を行う。 マルチスケールのグローバル機能拡張と改良により,PCNetはパフォーマンスを上回りました。
  論文  参考訳（メタデータ） (2024-10-23T06:51:59Z)
• First Mapping the Canopy Height of Primeval Forests in the Tallest Tree Area of Asia [6.826460268652235]
  我々は,世界規模の巨大木の分布領域を,世界初となる天蓋の高さマップを開発した。 このマッピングは、より個人的でコミュニティレベルの巨大な木を見つけるために不可欠です。
  論文  参考訳（メタデータ） (2024-04-23T01:45:55Z)
• Estimation of forest height and biomass from open-access multi-sensor satellite imagery and GEDI Lidar data: high-resolution maps of metropolitan France [0.0]
  本研究は、森林パラメータの局所マップを作成するために以前開発された機械学習アプローチを用いている。 我々はGEDI Lidarミッションを基準高度データとして,Sentinel-1,Sentinel-2,ALOS-2 PALSA-2の衛星画像を用いて森林高度を推定した。 高さマップは、アロメトリック方程式を用いて体積と地上のバイオマス(AGB)に導かれる。
  論文  参考訳（メタデータ） (2023-10-23T07:58:49Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
  本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。 地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。 また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
  論文  参考訳（メタデータ） (2023-04-14T15:52:57Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Detecting Deforestation from Sentinel-1 Data in the Absence of Reliable Reference Data [3.222802562733787]
  信頼性のある基準データがない場合に森林破壊検出のための新しい手法を提案し,評価する。 この方法は、研究領域で96.5%の変化検出感度(生産者の精度)を実現する。 その結果, センチネル-1のデータは, 地球規模の森林破壊モニタリングのタイムラインを前進させる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-24T15:08:02Z)
• A high-resolution canopy height model of the Earth [22.603549892832753]
  我々は,2020年に初めて,地上10mのキャノピー高さマップを提出した。 我々は,地球上の任意の場所でSentinel-2画像から天蓋の高さを推定する確率論的深層学習モデルを開発した。 我々のモデルは、一貫した不確実性のあるグローバルマッピングを可能にし、継続的なモニタリングをサポートし、変化を検出し、意思決定に通知する。
  論文  参考訳（メタデータ） (2022-04-13T10:34:32Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。