論文の概要: Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations

• arxiv url: http://arxiv.org/abs/2012.12101v1
• Date: Mon, 7 Dec 2020 16:23:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 21:11:33.330847
• Title: Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations
• Title（参考訳）: 放射伝達シミュレーションによる機械学習手法によるセンチネル2とランドサット8による作物の一次生産性の推定
• Authors: Aleksandra Wolanin, Gustau Camps-Valls, Luis G\'omez-Chova, Gonzalo Mateo-Garc\'ia, Christiaan van der Tol, Yongguang Zhang, Luis Guanter
• Abstract要約: 我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
• 参考スコア（独自算出の注目度）: 58.17039841385472
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Satellite remote sensing has been widely used in the last decades for agricultural applications, {both for assessing vegetation condition and for subsequent yield prediction.} Existing remote sensing-based methods to estimate gross primary productivity (GPP), which is an important variable to indicate crop photosynthetic function and stress, typically rely on empirical or semi-empirical approaches, which tend to over-simplify photosynthetic mechanisms. In this work, we take advantage of all parallel developments in mechanistic photosynthesis modeling and satellite data availability for advanced monitoring of crop productivity. In particular, we combine process-based modeling with the soil-canopy energy balance radiative transfer model (SCOPE) with Sentinel-2 {and Landsat 8} optical remote sensing data and machine learning methods in order to estimate crop GPP. Our model successfully estimates GPP across a variety of C3 crop types and environmental conditions even though it does not use any local information from the corresponding sites. This highlights its potential to map crop productivity from new satellite sensors at a global scale with the help of current Earth observation cloud computing platforms.
• Abstract（参考訳）: 衛星リモートセンシングは、過去数十年間、植生状態の評価とその後の収量予測のために、農業用途に広く利用されてきた。 作物の光合成機能やストレスを示す重要な変数であるgpp(gross primary productivity)を推定するための既存のリモートセンシングベースの手法は、通常経験的あるいは半経験的アプローチに依存しており、光合成機構を単純化する傾向がある。 本研究では,機械式光合成モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 特に,プロセスベースモデリングと土壌-キャノピーエネルギー収支放射伝達モデル(scope)とセンチネル-2 {and landsat 8}光学リモートセンシングデータと機械学習手法を組み合わせて作物gppを推定する。 本モデルでは, 地域情報を使用しなくても, 様々なC3作物の種類や環境条件でGPPを推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーからの作物の生産性を世界規模でマッピングする可能性を強調している。

関連論文リスト

• Towards more efficient agricultural practices via transformer-based crop type classification [0.0]
  メキシコのセンチネル1号と2号の衛星画像から、作物を正確に分類することができる。 本稿では,メキシコのジャリスコにおいて,正確なマルチクラス作物分類を目標として,この手法をさらに発展させることを提案する。
  論文  参考訳（メタデータ） (2024-11-04T21:38:02Z)
• Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
  このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。 我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
  論文  参考訳（メタデータ） (2024-03-27T08:42:47Z)
• PlantPlotGAN: A Physics-Informed Generative Adversarial Network for Plant Disease Prediction [2.7409168462107347]
  リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。 その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-10-27T16:56:28Z)
• SSL-SoilNet: A Hybrid Transformer-based Framework with Self-Supervised Learning for Large-scale Soil Organic Carbon Prediction [2.554658234030785]
  本研究は,自己指導型コントラスト学習を通じて,マルチモーダル特徴間の地理的関連を学習することを目的とした,新しいアプローチを提案する。 提案手法は、2つの異なる大規模データセットに対して厳密なテストを行っている。
  論文  参考訳（メタデータ） (2023-08-07T13:44:44Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• Inference over radiative transfer models using variational and expectation maximization methods [9.73020420215473]
  本稿では,生物物理パラメータの点推定だけでなく,その共同分布を推定するための2つの計算手法を提案する。 そのうちの1つは変分オートエンコーダアプローチに基づいており、もう1つはモンテカルロ予想最大化スキームに基づいている。 本研究では,地球生物圏の定量化のための3つの重要な生体物理パラメータの分布をモデル化し,推定するための2つの手法の性能解析を行った。
  論文  参考訳（メタデータ） (2022-04-07T10:33:51Z)
• A Deep Learning Generative Model Approach for Image Synthesis of Plant Leaves [62.997667081978825]
  我々は,高度深層学習(DL)技術を用いて,人工葉画像の自動生成を行う。 我々は、現代の作物管理のためのAIアプリケーションのためのトレーニングサンプルのソースを処分することを目指している。
  論文  参考訳（メタデータ） (2021-11-05T10:53:35Z)
• 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)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)

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。