論文の概要: Using transfer learning to study burned area dynamics: A case study of refugee settlements in West Nile, Northern Uganda

• arxiv url: http://arxiv.org/abs/2107.14372v1
• Date: Thu, 29 Jul 2021 23:36:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-02 19:42:06.953032
• Title: Using transfer learning to study burned area dynamics: A case study of refugee settlements in West Nile, Northern Uganda
• Title（参考訳）: 転校学習による焼損地域動態の研究--ウガンダ北部西ナイルの難民集落を事例として
• Authors: Robert Huppertz, Catherine Nakalembe, Hannah Kerner, Ramani Lachyan, Maxime Rischard
• Abstract要約: そこで本稿では, 地上構造データが少ない地域において, 燃焼領域のダイナミクスを研究するために, スケーラブルな移動学習手法を提案する。 我々は,ポルトガルのBA地中構造データに基づく深層学習モデルをトレーニングし,2015年から2020年にかけて西ナイルの難民収容地区にそのモデルの適用を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the global refugee crisis at a historic high, there is a growing need to assess the impact of refugee settlements on their hosting countries and surrounding environments. Because fires are an important land management practice in smallholder agriculture in sub-Saharan Africa, burned area (BA) mappings can help provide information about the impacts of land management practices on local environments. However, a lack of BA ground-truth data in much of sub-Saharan Africa limits the use of highly scalable deep learning (DL) techniques for such BA mappings. In this work, we propose a scalable transfer learning approach to study BA dynamics in areas with little to no ground-truth data such as the West Nile region in Northern Uganda. We train a deep learning model on BA ground-truth data in Portugal and propose the application of that model on refugee-hosting districts in West Nile between 2015 and 2020. By comparing the district-level BA dynamic with the wider West Nile region, we aim to add understanding of the land management impacts of refugee settlements on their surrounding environments.
• Abstract（参考訳）: 世界難民危機は歴史的に高い水準にあり、難民居留地がホスト国や周辺環境に与える影響を評価する必要性が高まっている。 森林火災はサハラ以南のアフリカの小作農において重要な土地管理手法であるので、燃やされた地域(ba)マッピングは、土地管理が地域環境に与える影響に関する情報を提供するのに役立つ。 しかし、サハラ以南のアフリカでは、BAの地下構造データがないため、高度にスケーラブルな深層学習(DL)技術の使用が制限されている。 本研究では,ウガンダ北部の西ナイル地域など地表面データが少ない地域において,baダイナミクスを研究するためのスケーラブルな転送学習手法を提案する。 ポルトガルのba地表面データに基づく深層学習モデルをトレーニングし,2015年から2020年の間,西ナイルの難民居住地区にそのモデルを適用することを提案する。 地域レベルのba動態とより広い西ナイル地域との比較により,避難民の居住環境に対する土地管理の影響を理解することを目的としている。

関連論文リスト

• Dhoroni: Exploring Bengali Climate Change and Environmental Views with a Multi-Perspective News Dataset and Natural Language Processing [0.0]
  気候変動は世界規模で重要な課題であり、低所得国に不公平に影響を及ぼしている。 バングラデシュは気候変動に対する最も脆弱な国であるにもかかわらず、気候変動とNLPに関するベンガル語研究では研究のギャップが続いている。 この格差に対処するために、ベンガル(バンガラ)の気候変動と環境ニュースデータセットであるDhoroniを紹介します。
  論文  参考訳（メタデータ） (2024-10-22T17:47:05Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• Reuse out-of-year data to enhance land cover mappingvia feature disentanglement and contrastive learning [5.936030178022172]
  土地利用/土地被覆(LULC)地図は、農業領域の管理、環境モニタリング、持続可能な意思決定を支援する上で重要な役割を果たしている。 新しい基底真理データを収集する必要があるため、以前に収集された参照データを完全に無視する。 本稿では,2つの異なる領域からのリモートセンシングと参照データを組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-17T07:00:20Z)
• A Material Lens on Coloniality in NLP [57.63027898794855]
  植民地化は「公式」植民地化を超えて植民地の被害を継続することである。 我々は、植民地性は暗黙的にNLPデータ、アルゴリズム、ソフトウェアに埋め込まれ、増幅されていると主張している。
  論文  参考訳（メタデータ） (2023-11-14T18:52:09Z)
• Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study [94.07737890568644]
  2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。 気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。 本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
  論文  参考訳（メタデータ） (2023-10-24T15:15:28Z)
• Decolonisation, Global Data Law, and Indigenous Data Sovereignty [0.0]
  本研究は,グローバル・サウスにおけるデジタル新植民地主義の影響について考察する。 世界の先住民文化を保護するために、法と経済のインセンティブの開発を奨励している。
  論文  参考訳（メタデータ） (2022-07-28T23:07:02Z)
• 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)
• Population Mapping in Informal Settlements with High-Resolution Satellite Imagery and Equitable Ground-Truth [1.4414055798999759]
  低所得都市部における密集集落の人口推定のための一般化可能な枠組みを提案する。 我々は,地域コミュニティと連携して収集される等質な地平データを用いている。 本研究では,フレキシブルでカスタマイズ可能な空間分解能を実現するグリッド型人口推定モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-17T16:37:32Z)
• Deploying machine learning to assist digital humanitarians: making image annotation in OpenStreetMap more efficient [72.44260113860061]
  本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。 提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
  論文  参考訳（メタデータ） (2020-09-17T10:05:30Z)
• Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
  ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。 衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
  論文  参考訳（メタデータ） (2020-04-11T19:49:09Z)

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。