論文の概要: Mapping oil palm density at country scale: An active learning approach
- arxiv url: http://arxiv.org/abs/2105.11207v1
- Date: Mon, 24 May 2021 11:23:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 21:10:51.414756
- Title: Mapping oil palm density at country scale: An active learning approach
- Title（参考訳）: 国規模でのオイルパーム密度のマッピング:アクティブラーニングアプローチ
- Authors: Andr\'es C. Rodr\'iguez, Stefano D'Aronco, Konrad Schindler, Jan
D.Wegner
- Abstract要約: 本研究では,Sentinel-2衛星画像からオイルパーム密度を大規模に推定する,能動的深層学習手法を提案する。
ラベル付けの労力を低く抑えるために,ラベル付けすべき最も関連性の高いサンプルを自動的に選択するアクティブラーニング(AL)手法を提案する。
我々のアルゴリズムは線形計算複雑性を持ち、広い領域をカバーするのに容易に並列化可能である。
- 参考スコア（独自算出の注目度）: 26.250895899341682
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate mapping of oil palm is important for understanding its past and
future impact on the environment. We propose to map and count oil palms by
estimating tree densities per pixel for large-scale analysis. This allows for
fine-grained analysis, for example regarding different planting patterns. To
that end, we propose a new, active deep learning method to estimate oil palm
density at large scale from Sentinel-2 satellite images, and apply it to
generate complete maps for Malaysia and Indonesia. What makes the regression of
oil palm density challenging is the need for representative reference data that
covers all relevant geographical conditions across a large territory.
Specifically for density estimation, generating reference data involves
counting individual trees. To keep the associated labelling effort low we
propose an active learning (AL) approach that automatically chooses the most
relevant samples to be labelled. Our method relies on estimates of the
epistemic model uncertainty and of the diversity among samples, making it
possible to retrieve an entire batch of relevant samples in a single iteration.
Moreover, our algorithm has linear computational complexity and is easily
parallelisable to cover large areas. We use our method to compute the first oil
palm density map with $10\,$m Ground Sampling Distance (GSD) , for all of
Indonesia and Malaysia and for two different years, 2017 and 2019. The maps
have a mean absolute error of $\pm$7.3 trees/$ha$, estimated from an
independent validation set. We also analyse density variations between
different states within a country and compare them to official estimates.
According to our estimates there are, in total, $>1.2$ billion oil palms in
Indonesia covering $>$15 million $ha$, and $>0.5$ billion oil palms in Malaysia
covering $>6$ million $ha$.
- Abstract（参考訳）: オイルパームの正確なマッピングは、その過去と将来の環境への影響を理解する上で重要である。
大規模解析のために,画素当たりの樹木密度を推定することにより,パームの地図化と計数を行う。
これにより、例えば異なるプランティングパターンに関して、きめ細かい分析が可能になる。
そこで我々は,Sentinel-2衛星画像から大規模にオイルパーム密度を推定し,マレーシアとインドネシアの完全な地図を作成するための,新しいアクティブな深層学習手法を提案する。
パーム密度の回帰が難しいのは、大きな領域のすべての関連する地理的条件をカバーする代表的参照データが必要であることである。
特に密度推定では、参照データの生成には個々の木を数えることが含まれる。
ラベル付けの労力を低く抑えるために,ラベル付けすべき最も関連性の高いサンプルを自動的に選択するアクティブラーニング(AL)アプローチを提案する。
本手法は,認識モデルの不確かさとサンプル間の多様性を推定し,関連するサンプルのバッチ全体を1回のイテレーションで取得することを可能にする。
さらに,本アルゴリズムは線形計算複雑性を持ち,大規模領域の並列化が容易である。
我々は,インドネシアとマレーシアの全地域と,2017年と2019年の2年間において,最初のオイルパーム密度マップを10,$mの地中サンプリング距離 (GSD) で計算した。
マップの平均絶対誤差は$\pm$7.3 tree/$ha$であり、独立した検証セットから推定される。
また、国内の異なる州間の密度変動を分析し、それを公式な推計と比較する。
われわれの推計によると、インドネシアでは合計で1.2億ドルのオイルパームが1500万ドル、マレーシアでは0.5億ドルのオイルパームが6億ドルのパームをカバーしている。
関連論文リスト
- Real-Time Localization and Bimodal Point Pattern Analysis of Palms Using UAV Imagery [13.085752393960886]
リアルタイム検出,セグメンテーション,およびカノピーヤシのカウントのためのディープラーニングフレームワークであるPalmDSNetを紹介する。
エクアドル西部の熱帯林21ヶ所からUAVキャプチャー画像を用いてオルソモザイクを作成する。
画像パッチ上の7,356のバウンディングボックスと5つの整形外科領域にわたる7,603のヤシセンターを含む、包括的なデータセットを作成するために専門家アノテーションが使用された。
論文 参考訳（メタデータ） (2024-10-14T22:23:10Z) - AGBD: A Global-scale Biomass Dataset [18.976975819550173]
衛星画像から地上バイオマスを推定するための既存のデータセットは限られている。
このデータセットは、GEDIミッションからのAGB参照データとSentinel-2とPALSAR-2の画像のデータを組み合わせる。
これには、密集した天蓋の高さマップ、標高マップ、土地被覆分類マップなど、事前処理された高水準の特徴が含まれている。
単一の行のコードで簡単にアクセスでき、グローバルなAGB推定への取り組みの確固たる基盤を提供する。
論文 参考訳（メタデータ） (2024-06-07T13:34:17Z) - A community palm model [0.28391011428068197]
パーム油の生産は熱帯諸国の森林破壊の主要な要因の1つと認識されている。
サプライチェーンの目的を満たすため、商品生産者と他の利害関係者は、サプライチェーンにおける土地被覆動態のタイムリーな情報を必要としている。
ここでは、さまざまな利害関係者から得られたプールデータに基づいてトレーニングされた機械学習モデルである"コミュニティモデル"を紹介する。
論文 参考訳（メタデータ） (2024-05-01T15:18:01Z) - PalmProbNet: A Probabilistic Approach to Understanding Palm
Distributions in Ecuadorian Tropical Forest via Transfer Learning [0.0]
ヤシは熱帯林では大きな役割を担っており、人間や野生動物にとって重要な資源である。
地理空間画像におけるヤシの正確な識別と位置特定は、重大な課題を呈する。
転送学習を利用した確率論的手法であるPalmProbNetを導入し,高分解能UAV由来のオルソモザイク画像の解析を行う。
論文 参考訳（メタデータ） (2024-03-05T17:54:22Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - 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) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - Monocular Visual-Inertial Depth Estimation [66.71452943981558]
単眼深度推定と視覚慣性計測を統合した視覚慣性深度推定パイプラインを提案する。
提案手法は, 疎度度に対する大域的スケールとシフトアライメントを行い, 続いて学習に基づく高密度アライメントを行う。
本研究では,TartanAir と VOID のデータセットを用いて,密集したスケールアライメントによるRMSE の最大30%の削減を観測した。
論文 参考訳（メタデータ） (2023-03-21T18:47:34Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳（メタデータ） (2021-11-25T16:21:28Z) - Efficient Depth Completion Using Learned Bases [94.0808155168311]
深度補正のための新しい大域的幾何制約を提案する。
低次元部分空間上によく配置される深さ写像を仮定することにより、高密度深度写像は全解像度の主深度基底の重み付け和で近似することができる。
論文 参考訳（メタデータ） (2020-12-02T11:57:37Z)
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。
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。