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
- 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) - On the Risk of Misinformation Pollution with Large Language Models [127.1107824751703]
本稿では,現代大規模言語モデル (LLM) の誤用の可能性について検討する。
本研究は, LLMが効果的な誤情報発生器として機能し, DOQAシステムの性能が著しく低下することを明らかにする。
論文 参考訳(メタデータ) (2023-05-23T04:10:26Z) - 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) - Using Satellite Imagery and Machine Learning to Estimate the Livelihood
Impact of Electricity Access [4.006950662054732]
世界の多くの地域では、主要な経済成果に関する疎結合なデータが公共政策の発展、ターゲティング、評価を阻害している。
衛星画像と機械学習の進歩は、これらのデータと推論の課題を改善するのにどのように役立つかを実証する。
本稿では,衛星画像とコンピュータビジョンを組み合わせることで,生活環境への電気アクセスの因果的影響を推定し,地域レベルの生活環境計測を行う方法について述べる。
論文 参考訳(メタデータ) (2021-09-07T06:14:08Z) - Earth Observation and the New African Rural Datascapes: Defining an
Agenda for Critical Research [0.0]
地球観測データの可用性の向上は、アフリカの農村の景観の利用とガバナンスを変える可能性がある。
近年、アフリカの農業システムにおける利害関係者を対象としたEOデータアプリケーションの開発が急速に増加している。
EOのデータがどのようにアクセスされ、提示され、散布され、異なる社会的・政治的文脈で使用されるかという批判的な奨学金は、いまだに少ない。
論文 参考訳(メタデータ) (2021-08-23T06:05:16Z) - 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。