論文の概要: Enhancing Poaching Predictions for Under-Resourced Wildlife Conservation
Parks Using Remote Sensing Imagery
- arxiv url: http://arxiv.org/abs/2011.10666v1
- Date: Fri, 20 Nov 2020 22:06:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 06:42:43.564062
- Title: Enhancing Poaching Predictions for Under-Resourced Wildlife Conservation
Parks Using Remote Sensing Imagery
- Title(参考訳): リモートセンシング画像を用いた未資源野生生物保護公園の密猟予測の強化
- Authors: Rachel Guo, Lily Xu, Drew Cronin, Francis Okeke, Andrew Plumptre,
Milind Tambe
- Abstract要約: 本稿では,公園の機能を抽出するためのリモートセンシングデータの利用について紹介する。
公開データのみを用いて,公園の専門家による予測に匹敵する予測性能を回復する。
- 参考スコア(独自算出の注目度): 28.53118931015838
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Illegal wildlife poaching is driving the loss of biodiversity. To combat
poaching, rangers patrol expansive protected areas for illegal poaching
activity. However, rangers often cannot comprehensively search such large
parks. Thus, the Protection Assistant for Wildlife Security (PAWS) was
introduced as a machine learning approach to help identify the areas with
highest poaching risk. As PAWS is deployed to parks around the world, we
recognized that many parks have limited resources for data collection and
therefore have scarce feature sets. To ensure under-resourced parks have access
to meaningful poaching predictions, we introduce the use of publicly available
remote sensing data to extract features for parks. By employing this data from
Google Earth Engine, we also incorporate previously unavailable dynamic data to
enrich predictions with seasonal trends. We automate the entire
data-to-deployment pipeline and find that, with only using publicly available
data, we recuperate prediction performance comparable to predictions made using
features manually computed by park specialists. We conclude that the inclusion
of satellite imagery creates a robust system through which parks of any
resource level can benefit from poaching risks for years to come.
- Abstract(参考訳): 不法な野生生物の密猟は生物多様性の喪失を促している。
密猟と戦うため、レンジャーズは不法密猟活動のために保護地域をパトロールした。
しかし、レンジャーはしばしばそのような大きな公園を包括的に探すことができない。
したがって、最も密猟リスクの高い地域を特定するのに役立つ機械学習アプローチとして野生生物保護アシスタント(paws)が導入された。
PAWSは世界中の公園にデプロイされているので、多くの公園はデータ収集のリソースが限られているので、機能セットが不足していることに気付きました。
未資源の公園が有意義な密猟予測にアクセスできるようにするため,公園の特徴を抽出するために公開されているリモートセンシングデータを導入した。
Google Earth Engineのこれらのデータを利用することで、以前は利用できなかった動的データを組み込んで、季節的トレンドによる予測を強化します。
我々は、データからデプロイまでのパイプライン全体を自動化し、公開データのみを使用することで、公園の専門家が手作業で計算した機能を使った予測に匹敵する予測性能を回復する。
衛星画像を含めることで、あらゆる資源レベルの公園が今後数年間のリスクを回避できる堅牢なシステムが得られると結論付けている。
関連論文リスト
- SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳(メタデータ) (2023-11-02T02:00:27Z) - An empirical study of automatic wildlife detection using drone thermal
imaging and object detection [6.179033141934765]
遠隔操縦航空機システム(RPASまたはドローン')や熱画像技術の最近の進歩は、野生生物のデータを収集するための新しいアプローチを生み出している。
ドローンによる野生生物検出に関する総合的なレビューと実証研究を行っている。
論文 参考訳(メタデータ) (2023-10-17T13:22:59Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳(メタデータ) (2023-08-02T23:39:24Z) - Park visitation and walkshed demographics in the United States [0.0]
本研究では,公園の歩行者群集の人口構成を年次訪問予測に活用する能力について検討した。
以上の結果から,公園の遊歩道の人口構成は,来園予測にはほとんど役に立たないことが示唆された。
論文 参考訳(メタデータ) (2023-05-20T10:39:07Z) - Multi-time Predictions of Wildfire Grid Map using Remote Sensing Local
Data [0.0]
本稿では,米国西部の10か所で収集されたローカルデータをローカルエージェントで共有する分散学習フレームワークを提案する。
提案モデルには,動的オンライン推定や時系列モデリングなど,予測評価における特徴的ニーズに対処する特徴がある。
論文 参考訳(メタデータ) (2022-09-15T22:34:06Z) - 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) - DeepVerge: Classification of Roadside Verge Biodiversity and
Conservation Potential [0.11744028458220425]
イギリスの草原の半分は、国の50,000kmの道路で見られる。
91種が絶滅危惧種かほぼ絶滅危惧種であった。
DeepVergeは、正の指標種を検出することで、道路側縁のセクションを自動的に調査することができる。
論文 参考訳(メタデータ) (2022-06-09T04:42:04Z) - Ranked Prioritization of Groups in Combinatorial Bandit Allocation [62.24280332575472]
我々は,種々に対する報酬を交換する新たな盗賊的目標を提案する。
この目的をリプシッツ連続報酬関数の重み付き線型和として表すことができる。
論文 参考訳(メタデータ) (2022-05-11T17:40:29Z) - Dual-Mandate Patrols: Multi-Armed Bandits for Green Security [63.968505658379705]
野生生物や森林を保護するため、グリーン・セキュリティ・ドメインの保全努力は、守備隊の限られた利用範囲によって制限されている。
我々はこの問題を多武装の盗賊として定式化し、それぞれの行動がパトロール戦略を表す。
我々のアルゴリズムであるLIZARDは、カンボジアの現実世界の密猟データの性能を向上させることを示す。
論文 参考訳(メタデータ) (2020-09-14T16:40:44Z) - Game Theory on the Ground: The Effect of Increased Patrols on Deterring
Poachers [27.52979853114279]
実世界の密猟データに測定可能な抑止効果を示す。
1つの地域でのパトロールの増加は次のタイミングで密猟を阻止するが、密猟者は隣の地域に移動する。
本研究は,現実的なゲーム理論における敵のモデル化方法についてのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-06-22T16:40:10Z)
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。