論文の概要: Cloud technologies as a tool of creating Earth Remote Sensing
educational resources
- arxiv url: http://arxiv.org/abs/2007.10774v1
- Date: Tue, 21 Jul 2020 13:16:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 20:58:42.538417
- Title: Cloud technologies as a tool of creating Earth Remote Sensing
educational resources
- Title（参考訳）: 地球リモートセンシング教育資源構築ツールとしてのクラウド技術
- Authors: Ihor Kholoshyn, Olga Bondarenko, Olena Hanchuk, Iryna Varfolomyeyeva
- Abstract要約: 本稿は、航空宇宙画像を用いた教育資源形成の基礎として、ESRの主な情報源を分析している。
この記事では、800以上の航空宇宙画像とダイナミックモデルをカバーする、そのようなデータベースの例を示す。
- 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: This article is dedicated to the Earth Remote Sensing (ERS), which the
authors believe is a great way to teach geography and allows forming an idea of
the actual geographic features and phenomena. One of the major problems that
now constrains the active introduction of remote sensing data in the
educational process is the low availability of training aerospace pictures,
which meet didactic requirements. The article analyzes the main sources of ERS
as a basis for educational resources formation with aerospace images: paper,
various individual sources (personal stations receiving satellite information,
drones, balloons, kites and balls) and Internet sources (mainstream sites,
sites of scientific-technical organizations and distributors, interactive
Internet geoservices, cloud platforms of geospatial analysis). The authors
point out that their geospatial analysis platforms (Google Earth Engine, Land
Viewer, EOS Platform, etc.), due to their unique features, are the basis for
the creation of information thematic databases of ERS. The article presents an
example of such a database, covering more than 800 aerospace images and dynamic
models, which are combined according to such didactic principles as high
information load and clarity.
- Abstract（参考訳）: 地球リモートセンシング(アースリモートセンシング、アースリモートセンシング、アースリモートセンシング、アースリモートセンシング、アースリモートセンシング)は、地理学を教える素晴らしい方法であり、実際の地理的特徴や現象のアイデアを形成することができると考えている。
教育プロセスにおけるリモートセンシングデータの積極的な導入を制約している主要な問題の1つは、ディダクティックな要件を満たす訓練用航空宇宙画像の可用性の低下である。
論文は、航空宇宙画像を用いた教育資源形成の基盤としてersの主なソースを分析している: 紙、様々な個別ソース(衛星情報、ドローン、気球、kit、ボールを受け取る個人局)、インターネットソース(メインストリームサイト、科学技術的組織と配信業者のサイト、インタラクティブインターネットジオサービス、地理空間分析のクラウドプラットフォーム)。
著者らは、彼らの地理空間分析プラットフォーム(google earth engine, land viewer, eos platformなど)は、そのユニークな特徴から、erの情報テーマデータベースの作成の基礎であると指摘した。
この記事はこのようなデータベースの例を示し、800以上の航空宇宙画像と動的モデルについて紹介する。
関連論文リスト
- Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2024-10-22T01:08:21Z) - Towards Vision-Language Geo-Foundation Model: A Survey [65.70547895998541]
Vision-Language Foundation Models (VLFMs) は、様々なマルチモーダルタスクにおいて顕著な進歩を遂げている。
本稿では, VLGFMを網羅的にレビューし, この分野の最近の展開を要約し, 分析する。
論文 参考訳（メタデータ） (2024-06-13T17:57:30Z) - Deep Learning for Satellite Image Time Series Analysis: A Review [5.882962965835289]
本稿では,SITSデータから環境,農業,その他の地球観測変数をモデル化する最先端の手法について,深層学習法を用いて概説する。
論文 参考訳（メタデータ） (2024-04-05T07:44:17Z) - A2CI: A Cloud-based, Service-oriented Geospatial Cyberinfrastructure to Support Atmospheric Research [5.706655778525718]
大気研究を支援する地理空間型サイバーインフラクチャーを開発したNSFが出資したプロジェクトの結果を報告する。
まず、サービス指向システムフレームワークを紹介し、クラウドコンピューティングの原則に従って、データ発見モジュール、データ管理モジュール、データ統合モジュール、データ分析および可視化モジュールの実装の詳細を説明します。
論文 参考訳（メタデータ） (2024-03-15T08:28:38Z) - GeoGalactica: A Scientific Large Language Model in Geoscience [95.15911521220052]
大規模言語モデル(LLM)は、自然言語処理(NLP)における幅広いタスクを解く一般的な知識と能力で大きな成功を収めている。
我々は、LLMを地学に特化させ、さらに、地学の膨大なテキストでモデルを事前訓練し、また、カスタム収集した指導チューニングデータセットで得られたモデルを教師付き微調整(SFT)する。
我々はGeoGalacticaを65億のトークンを含む地球科学関連のテキストコーパスで訓練し、最大の地球科学固有のテキストコーパスとして保存する。
次に、100万対の命令チューニングでモデルを微調整する。
論文 参考訳（メタデータ） (2023-12-31T09:22:54Z) - Deep Learning for Spatiotemporal Big Data: A Vision on Opportunities and
Challenges [4.497634148674422]
一時的ビッグデータは、これまで不可能だった問題を解決する新たな機会を育むことができる。
ビッグデータの特徴は、ディープラーニング技術に新たな課題をもたらす。
論文 参考訳（メタデータ） (2023-10-30T19:12:51Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳（メタデータ） (2022-04-24T15:23:25Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳（メタデータ） (2022-01-09T20:13:27Z) - Utilizing Satellite Imagery Datasets and Machine Learning Data Models to
Evaluate Infrastructure Change in Undeveloped Regions [0.0]
本研究の目的は、鉄道などの大規模インフラプロジェクトを対象とした自動監視により、建設の方向性を定義し予測するための信頼性の高い指標を決定することである。
利用可能な衛星データを用いて3Dメッシュとデジタル表面モデル(DSM)を作成することにより、輸送経路を効果的に予測できることを期待する。
論文 参考訳（メタデータ） (2020-09-01T02:11:14Z) - Using Photo Modeling Based 3DGRSL to Promote the Sustainability of
Geo-Education, a case study from China [0.0]
本研究では,地理教育のための3次元ジオリソース共有ライブラリ(3DGRSL)を構築した。
セシウムエンジンとデータ指向分散アーキテクチャを使用して、多くの大学に教育資源を提供している。
Browser/Server (B/S) アーキテクチャにより、携帯電話、タブレット、VR、PC、屋内、屋外、フィールドのマルチ端末およびマルチシナリオアクセスを実現することができる。
論文 参考訳（メタデータ） (2020-04-12T03:22:48Z)
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。