論文の概要: High-resolution global irrigation prediction with Sentinel-2 30m data
- arxiv url: http://arxiv.org/abs/2012.07658v1
- Date: Wed, 9 Dec 2020 17:26:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 02:10:31.198972
- Title: High-resolution global irrigation prediction with Sentinel-2 30m data
- Title（参考訳）: Sentinel-2 30mデータによる高分解能大域灌水予測
- Authors: Weixin (Angela) Wu, Sonal Thakkar, Will Hawkins, Hossein Vahabi,
Alberto Todeschini
- Abstract要約: 地球規模の灌水利用の正確かつ正確な理解は、様々な気候科学の取り組みに不可欠である。
我々は,世界中の農地の30万分解能灌水予測を生成するために,新しい灌水モデルとpythonパッケージ(irrigation30)を開発した。
本モデルでは, ランダムにサンプリングされた小標本群において, 97%以上の一貫性スコアと92%の精度を達成できた。
- 参考スコア（独自算出の注目度）: 0.8137198664755597
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An accurate and precise understanding of global irrigation usage is crucial
for a variety of climate science efforts. Irrigation is highly
energy-intensive, and as population growth continues at its current pace,
increases in crop need and water usage will have an impact on climate change.
Precise irrigation data can help with monitoring water usage and optimizing
agricultural yield, particularly in developing countries. Irrigation data, in
tandem with precipitation data, can be used to predict water budgets as well as
climate and weather modeling. With our research, we produce an irrigation
prediction model that combines unsupervised clustering of Normalized Difference
Vegetation Index (NDVI) temporal signatures with a precipitation heuristic to
label the months that irrigation peaks for each cropland cluster in a given
year. We have developed a novel irrigation model and Python package
("Irrigation30") to generate 30m resolution irrigation predictions of cropland
worldwide. With a small crowdsourced test set of cropland coordinates and
irrigation labels, using a fraction of the resources used by the
state-of-the-art NASA-funded GFSAD30 project with irrigation data limited to
India and Australia, our model was able to achieve consistency scores in excess
of 97\% and an accuracy of 92\% in a small geo-diverse randomly sampled test
set.
- Abstract（参考訳）: 地球規模の灌水利用の正確かつ正確な理解は、様々な気候科学の取り組みに不可欠である。
灌水は非常にエネルギー集約的であり、人口増加が現在のペースで進むにつれ、作物の需要と水利用の増加は気候変動に影響を及ぼすだろう。
精密灌水データは、特に発展途上国における水利用のモニタリングと農業収量最適化に役立つ。
降水データと連動した灌水データは、気候や気象のモデリングだけでなく、水収支の予測にも利用できる。
そこで本研究では,NDVI (Normalized Difference Vegetation Index) の時間的シグネチャの教師なしクラスタリングと降水ヒューリスティックを組み合わせて,1年ごとに各作物群集がピークとなる月をラベル付けした灌水予測モデルを構築した。
世界の作物の30m分解能灌水予測のための新しい灌水モデルとPythonパッケージ(Irrigation30)を開発した。
インドとオーストラリアに限って、NASAが出資したGFSAD30プロジェクトによって使用される資源のごく一部をクラウドソーシングした小規模の農地座標と灌水ラベルを用いて、我々のモデルは、小さなジオディバースランダムサンプリングテストセットにおいて、97 %以上の一貫性と92 %の精度で、一貫性のスコアを達成できた。
関連論文リスト
- Implementing a GRU Neural Network for Flood Prediction in Ashland City, Tennessee [0.0]
テネシー州アシュランド市は上流の水位の増加により洪水の影響を受けやすい。
本研究では, 流域内のUSGS計10ヶ所から30分間隔で水位データを用いて, 都市における強靭な洪水予測モデルを構築した。
このモデルは、アシュランド市における洪水予報に有効なツールであり、災害対策や対応活動の強化に有効であることが判明した。
論文 参考訳（メタデータ） (2024-05-16T18:14:59Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Integrating machine learning paradigms and mixed-integer model
predictive control for irrigation scheduling [0.20999222360659603]
農業部門は水資源の保全と収穫量の最適化において大きな課題に直面している。
従来の灌水スケジューリング手法は、大規模な灌水システムのニーズを満たすのに不十分であることがしばしば証明される。
本稿では,機械学習の3つのパラダイムを活用して,灌水スケジュールを最適化する予測灌水スケジューラを提案する。
論文 参考訳（メタデータ） (2023-06-14T19:38:44Z) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳（メタデータ） (2023-03-21T03:15:29Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - A multiscale spatiotemporal approach for smallholder irrigation
detection [0.0]
本稿では,植生の多次元衛星画像を利用した灌水検出手法を提案する。
本手法は,エチオピア高地,ティグレイ,アムハラの2つの州において,小規模の灌水量を検出するために適用された。
論文 参考訳（メタデータ） (2022-02-09T02:50:42Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳（メタデータ） (2020-07-07T12:44:17Z) - Data Pre-Processing and Evaluating the Performance of Several Data
Mining Methods for Predicting Irrigation Water Requirement [2.2108425580353774]
近年の干ばつや人口増加は、利用可能な限られた水資源の使用に対する前例のない需要を植え付けている。
灌水地域の水管理を改善するためには,将来的な水需要の予測モデルが必要である。
データマイニングはそのようなモデルを構築するのに効果的に利用できる。
論文 参考訳（メタデータ） (2020-03-01T05:42:04Z)
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。