論文の概要: A Google Earth Engine-enabled Python approach to improve identification
of anthropogenic palaeo-landscape features
- arxiv url: http://arxiv.org/abs/2012.14180v1
- Date: Mon, 28 Dec 2020 10:51:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 13:10:28.449680
- Title: A Google Earth Engine-enabled Python approach to improve identification
of anthropogenic palaeo-landscape features
- Title（参考訳）: Google Earth Engine対応Pythonによる人為的パレオ・ランドスケープの特徴の同定
- Authors: Filippo Brandolini, Guillem Domingo Ribas, Andrea Zerboni, Sam Turner
- Abstract要約: 本稿では,パレオ・リバースケープ特徴の同定におけるセンチネル-2衛星データの利用について検討した。
衛星画像のポテンシャルを調査するために多時間的アプローチが採用され、埋もれた水文学的および人類発生学的特徴を検出する。
この研究は、ランドスケープ研究におけるGEE Python APIの最初の応用の1つである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The necessity of sustainable development for landscapes has emerged as an
important theme in recent decades. Current methods take a holistic approach to
landscape heritage and promote an interdisciplinary dialogue to facilitate
complementary landscape management strategies. With the socio-economic values
of the natural and cultural landscape heritage increasingly recognised
worldwide, remote sensing tools are being used more and more to facilitate the
recording and management of landscape heritage. Satellite remote sensing
technologies have enabled significant improvements in landscape research. The
advent of the cloud-based platform of Google Earth Engine has allowed the rapid
exploration and processing of satellite imagery such as the Landsat and
Copernicus Sentinel datasets. In this paper, the use of Sentinel-2 satellite
data in the identification of palaeo-riverscape features has been assessed in
the Po Plain, selected because it is characterized by human exploitation since
the Mid-Holocene. A multi-temporal approach has been adopted to investigate the
potential of satellite imagery to detect buried hydrological and anthropogenic
features along with Spectral Index and Spectral Decomposition analysis. This
research represents one of the first applications of the GEE Python API in
landscape studies. The complete FOSS-cloud protocol proposed here consists of a
Python code script developed in Google Colab which could be simply adapted and
replicated in different areas of the world
- Abstract（参考訳）: 近年、景観の持続可能な発展の必要性が重要なテーマとなっている。
現在の手法は、景観遺産に対する全体論的アプローチを採用し、補完的な景観管理戦略を促進するための学際対話を促進する。
自然と文化の景観遺産の社会経済的価値が世界的に認知されるようになり、リモートセンシングツールは風景遺産の記録と管理を促進するためにますます使われている。
衛星リモートセンシング技術はランドスケープ研究に大きな改善をもたらした。
Google Earth Engineのクラウドベースのプラットフォームが出現したことで、LandsatやCopernicus Sentinelといった衛星画像の迅速な探索と処理が可能になった。
本稿では,古河流域の地形の識別におけるセンチネル-2衛星データの利用について,完新世中期以降の人的搾取の特徴から,po平野で評価した。
スペクトル指数とスペクトル分解分析と共に埋没水文・人為的特徴を検出するための衛星画像の可能性を調べるために、多時期的手法が採用されている。
この研究は、ランドスケープ研究におけるGEE Python APIの最初の応用の1つである。
ここで提案された完全なFOSS-クラウドプロトコルは、Google Colabで開発されたPythonのスクリプトで構成されている。
関連論文リスト
- EcoCropsAID: Economic Crops Aerial Image Dataset for Land Use Classification [0.0]
EcoCropsAIDデータセットは、2014年から2018年の間にGoogle Earthアプリケーションを使って撮影された5,400枚の空中画像の包括的なコレクションである。
このデータセットは、タイの5つの主要な経済作物、米、サトウキビ、キャッサバ、ゴム、ロングランに焦点を当てている。
論文 参考訳（メタデータ） (2024-11-05T03:14:36Z) - Mapping Land Naturalness from Sentinel-2 using Deep Contextual and Geographical Priors [1.4528189330418977]
我々は,現代の人的圧力の連続体に自然の陸地をマッピングするマルチモーダル教師付き深層学習フレームワークを開発した。
我々のフレームワークは、センチネル2データから陸地自然度をマッピングする際のモデルの予測性能を改善する。
論文 参考訳（メタデータ） (2024-06-27T16:17:33Z) - Landslide mapping from Sentinel-2 imagery through change detection [0.12289361708127873]
地すべりは、最も重要で破壊的なジオハザードの1つである。
本稿では,Sentinel-2画像を用いた地すべりのマッピング手法について検討する。
本稿では,DEM(Digital Elevation Model)データとSentinel-2バイテンポラル画像ペアを融合する新たなディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-05-30T15:33:32Z) - Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese
Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。
そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文 参考訳（メタデータ） (2023-09-04T13:44:50Z) - Multi-modal learning for geospatial vegetation forecasting [1.8180482634934092]
我々は,高分解能植生予測に特化して設計された最初のデータセットであるGreenEarthNetを紹介する。
また、Sentinel 2衛星画像から植生の緑度を予測するための新しい深層学習手法であるContextformerを提案する。
我々の知る限り、この研究は、季節的サイクルを超えた異常を捉えることができる微細な解像度で大陸規模の植生モデリングのための最初のモデルを示す。
論文 参考訳（メタデータ） (2023-03-28T17:59:05Z) - 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) - PetroGAN: A novel GAN-based approach to generate realistic, label-free
petrographic datasets [0.0]
本研究では,GAN(Generative Adversarial Network)に基づく新しいディープラーニングフレームワークを開発し,最初のリアルな合成石油写真データセットを作成する。
トレーニングデータセットは、平面光と横偏光の両方で岩石の薄い部分の10070枚の画像で構成されている。
このアルゴリズムは264のGPU時間で訓練され、ペトログラフ画像のFr'echet Inception Distance(FID)スコアが12.49に達した。
論文 参考訳（メタデータ） (2022-04-07T01:55:53Z) - 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) - 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) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - An Exploration of Embodied Visual Exploration [97.21890864063872]
身体的コンピュータビジョンは、新しい非構造環境におけるロボットに対する知覚を考慮に入れている。
既存の視覚探索アルゴリズムの分類を提示し、それらをベンチマークするための標準フレームワークを作成する。
次に,提案フレームワークを用いた4つの最先端パラダイムの徹底的な実証的研究を行った。
論文 参考訳（メタデータ） (2020-01-07T17:40:32Z)
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。