Fugu-MT 論文翻訳(概要): Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya

論文の概要: Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya

arxiv url: http://arxiv.org/abs/2012.05013v1
Date: Wed, 9 Dec 2020 12:48:06 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 09:19:28.980219
Title: Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya
Title（参考訳）: ヒンドゥー教ヒマラヤにおける氷河モニタリングのための機械学習
Authors: Shimaa Baraka, Benjamin Akera, Bibek Aryal, Tenzing Sherpa, Finu Shresta, Anthony Ortiz, Kris Sankaran, Juan Lavista Ferres, Mir Matin, Yoshua Bengio
Abstract要約: 氷河マッピングは、hkh領域における生態モニタリングの鍵となる。気候変動は、氷河生態系の健康に依存している個人にリスクを与える。本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
参考スコア（独自算出の注目度）: 54.12023102155757
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Glacier mapping is key to ecological monitoring in the hkh region. Climate change poses a risk to individuals whose livelihoods depend on the health of glacier ecosystems. In this work, we present a machine learning based approach to support ecological monitoring, with a focus on glaciers. Our approach is based on semi-automated mapping from satellite images. We utilize readily available remote sensing data to create a model to identify and outline both clean ice and debris-covered glaciers from satellite imagery. We also release data and develop a web tool that allows experts to visualize and correct model predictions, with the ultimate aim of accelerating the glacier mapping process.
Abstract（参考訳）: 氷河マッピングは、hkh領域における生態モニタリングの鍵となる。気候変動は、氷河生態系の健康に依存している個人に危険をもたらす。本研究では,氷河に焦点をあて,生態モニタリングを支援する機械学習に基づくアプローチを提案する。本手法は,衛星画像からの半自動マッピングに基づく。衛星画像から,簡易に利用可能なリモートセンシングデータを用いて,クリーンアイスとデブリに覆われた氷河を識別・概説するモデルを構築した。また、氷河マッピングプロセスを加速する究極の目的として、データをリリースし、専門家がモデル予測を可視化し、修正できるwebツールの開発も行っています。

関連論文リスト

Multi-Sensor Deep Learning for Glacier Mapping [0.0]
氷床の外の氷河は、海面上昇、水資源管理、自然災害、生物多様性、観光に影響を及ぼすことで、我々の社会において重要な役割を担っている。衛星ベースの氷河マッピングアプリケーションは、歴史的に主に手動および半自動検出法に依存してきた。この章では、マルチセンサーのリモートセンシングデータとディープラーニングを組み合わせることで、氷河をより正確に表現し、時間的変化を検出する方法についてレビューする。
論文参考訳（メタデータ） (2024-09-18T14:51:36Z)
Scalable Glacier Mapping using Deep Learning and Open Earth Observation Data Matches the Accuracy of Manual Delineation [0.718723384367814]
Glacier-VisionTransformer-U-Net (GlaViTU) は畳み込み変換型ディープラーニングモデルである。合成開口レーダデータ、すなわち後方散乱と干渉コヒーレンスを追加することで、利用可能なすべての領域の精度が向上する。世界中の氷河の9%をカバーするベンチマークデータセットをリリースしました。
論文参考訳（メタデータ） (2024-01-25T20:41:17Z)
Boundary Aware U-Net for Glacier Segmentation [1.1715858161748574]
大規模で空間的に重複しないクリーンな氷河氷と破片で覆われた氷河氷の分断のために,U-Netの修正版を提案する。破砕した氷河氷のセグメンテーション性能を向上させるために, 新たな自己学習境界認識損失を導入する。我々は、ランドサット7号の画像から、赤、短波赤外、近赤外線の帯が、破片で覆われた氷河の分断に最も寄与していると結論付けた。
論文参考訳（メタデータ） (2023-01-26T22:58:23Z)
LOPR: Latent Occupancy PRediction using Generative Models [49.15687400958916]
LiDARの生成した占有グリッドマップ(L-OGM)は、頑丈な鳥の視線シーンを表現している。本稿では,学習空間内での表現学習と予測という,占有率予測を分離する枠組みを提案する。
論文参考訳（メタデータ） (2022-10-03T22:04:00Z)
GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine Glacier Mapping [5.953569982292301]
氷河の幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制と感受性を理解するのに不可欠である。デブリ被覆氷河(DCG)の正確なマッピングは、スペクトル情報と従来の機械学習技術によって難しいことが知られている。本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
論文参考訳（メタデータ） (2022-04-06T14:39:34Z)
ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
論文参考訳（メタデータ） (2022-02-23T02:14:23Z)
Simulating surface height and terminus position for marine outlet glaciers using a level set method with data assimilation [0.0]
我々は,氷面と終端位置観測を数値的な氷流モデルに統合するためのデータ同化フレームワークを実装した。このモデルはまた、グリーンランド氷床の主要な干潟であるヘルハイム氷河のシミュレーションにも適用されている。
論文参考訳（メタデータ） (2022-01-28T16:45:37Z)
Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
論文参考訳（メタデータ） (2021-04-12T23:14:41Z)
Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
論文参考訳（メタデータ） (2021-04-10T15:00:15Z)
A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文参考訳（メタデータ） (2020-06-05T08:04:37Z)

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。