論文の概要: Deep Learning and Earth Observation to Support the Sustainable Development Goals

• arxiv url: http://arxiv.org/abs/2112.11367v1
• Date: Tue, 21 Dec 2021 17:11:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-22 17:39:27.740629
• Title: Deep Learning and Earth Observation to Support the Sustainable Development Goals
• Title（参考訳）: 持続可能な開発目標を支える深層学習と地球観測
• Authors: Claudio Persello, Jan Dirk Wegner, Ronny H\"ansch, Devis Tuia, Pedram Ghamisi, Mila Koeva and Gustau Camps-Valls
• Abstract要約: 新たな発展と多くの応用が、人類が生きた惑星の課題に直面する方法を変えつつある。 本研究は,1) 飢餓ゼロ,2) 持続可能都市,3) 在任期間の確保,4) 気候変動への適応,5) 生物多様性の維持に向けたケーススタディを体系的に検討する。
• 参考スコア（独自算出の注目度）: 20.462742364881283
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The synergistic combination of deep learning models and Earth observation promises significant advances to support the sustainable development goals (SDGs). New developments and a plethora of applications are already changing the way humanity will face the living planet challenges. This paper reviews current deep learning approaches for Earth observation data, along with their application towards monitoring and achieving the SDGs most impacted by the rapid development of deep learning in Earth observation. We systematically review case studies to 1) achieve zero hunger, 2) sustainable cities, 3) deliver tenure security, 4) mitigate and adapt to climate change, and 5) preserve biodiversity. Important societal, economic and environmental implications are concerned. Exciting times ahead are coming where algorithms and Earth data can help in our endeavor to address the climate crisis and support more sustainable development.
• Abstract（参考訳）: 深層学習モデルと地球観測の相乗的組み合わせは、持続可能な開発目標(SDG)を支援するために大きな進歩を約束する。 新たな発展と多くの応用が、人類が生きた惑星の課題に直面する方法を変えつつある。 本稿では,地球観測データに対する現在の深層学習手法と,地球観測における深層学習の急速な発展に最も影響するsdgの監視と達成への応用について概説する。 ケーススタディを体系的にレビューし 1) 空腹をゼロにする 2)持続可能な都市 3) 在任期間の確保。 4)気候変動を緩和し、適応すること 5)生物多様性の維持。 社会、経済、環境に重要な意味を持つ。 今後は、アルゴリズムと地球データによって気候危機に対処し、より持続可能な開発を支援する努力が進むだろう。

関連論文リスト

• Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals [0.3764231189632788]
  国連2030アジェンダ・フォー・サステナブル・ディベロップメントは、世界的課題に取り組むための17の目標を概説している。 SDGの進歩は、地理的、文化的、社会経済的要因に大きく影響されている。 2030年までにすべての目標を達成する国はない。
  論文  参考訳（メタデータ） (2024-09-19T03:10:49Z)
• Towards A Comprehensive Assessment of AI's Environmental Impact [0.5982922468400899]
  機械学習に対する最近の関心の高まりは、AI/MLの大規模採用に拍車をかけた。 ライフサイクルを通じて、AI/MLから環境への影響と劣化を監視するフレームワークが必要である。 本研究では、オープンなエネルギーデータとグローバルに取得した衛星観測を用いて、データセンター周辺におけるAIの多面的影響に関連する環境変数を追跡する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-22T21:19:35Z)
• 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)
• Towards Sustainable Development: A Novel Integrated Machine Learning Model for Holistic Environmental Health Monitoring [0.0]
  都市化は経済成長を可能にするが、劣化によって環境を害する。 機械学習は、主要な予測的特徴を特定することによって環境劣化を追跡するための有望なツールとして登場した。 本研究の目的は、介入点の特定、計画と保全の取り組みの改善、そして究極的には持続可能な開発への貢献を支援することである。
  論文  参考訳（メタデータ） (2023-08-20T16:35:21Z)
• Climate Change Policy Exploration using Reinforcement Learning [0.0]
  複雑度が異なる4つの強化学習エージェントを用いて、環境をさまざまな方法で探索する。 我々は、惑星境界に基づく報酬関数を使用し、エージェントに幅広い戦略を見つけるよう強制するために修正する。
  論文  参考訳（メタデータ） (2022-10-23T18:20:17Z)
• SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
  国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
  論文  参考訳（メタデータ） (2021-11-08T18:59:04Z)
• Towards a Collective Agenda on AI for Earth Science Data Analysis [39.78763440312085]
  我々は、研究者、特に若い世代に、リモートセンシングと地球科学の真の進歩のためにこれらの課題に取り組むように促すことを目指している。 地球科学に関するAIの宣言では、研究者、特に若い世代がリモートセンシングと地球科学の真の進歩のためにこれらの課題に取り組むよう促すことを目指しています。
  論文  参考訳（メタデータ） (2021-04-11T20:54:44Z)
• Applications of physics-informed scientific machine learning in subsurface science: A survey [64.0476282000118]
  地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。 したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。 近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
  論文  参考訳（メタデータ） (2021-04-10T13:40:22Z)
• Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
  近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。 これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。 本稿では,本稿で開発したツールと方法論について紹介する。
  論文  参考訳（メタデータ） (2020-11-03T21:22:42Z)
• Using satellite imagery to understand and promote sustainable development [87.72561825617062]
  持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。 我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。 不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
  論文  参考訳（メタデータ） (2020-09-23T05:20:00Z)
• Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
  生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。 適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
  論文  参考訳（メタデータ） (2020-06-22T16:17:48Z)

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。