論文の概要: A multiscale spatiotemporal approach for smallholder irrigation
detection
- arxiv url: http://arxiv.org/abs/2202.04239v1
- Date: Wed, 9 Feb 2022 02:50:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-11 00:56:16.023666
- Title: A multiscale spatiotemporal approach for smallholder irrigation
detection
- Title(参考訳): マルチスケール時空間アプローチによるスモールホルダー灌水検出法
- Authors: Terence Conlon, Christopher Small, Vijay Modi
- Abstract要約: 本稿では,植生の多次元衛星画像を利用した灌水検出手法を提案する。
本手法は,エチオピア高地,ティグレイ,アムハラの2つの州において,小規模の灌水量を検出するために適用された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In presenting an irrigation detection methodology that leverages multiscale
satellite imagery of vegetation abundance, this paper introduces a process to
supplement limited ground-collected labels and ensure classifier applicability
in an area of interest. Spatiotemporal analysis of MODIS 250m Enhanced
Vegetation Index (EVI) timeseries characterizes native vegetation phenologies
at regional scale to provide the basis for a continuous phenology map that
guides supplementary label collection over irrigated and non-irrigated
agriculture. Subsequently, validated dry season greening and senescence cycles
observed in 10m Sentinel-2 imagery are used to train a suite of classifiers for
automated detection of potential smallholder irrigation. Strategies to improve
model robustness are demonstrated, including a method of data augmentation that
randomly shifts training samples; and an assessment of classifier types that
produce the best performance in withheld target regions. The methodology is
applied to detect smallholder irrigation in two states in the Ethiopian
highlands, Tigray and Amhara. Results show that a transformer-based neural
network architecture allows for the most robust prediction performance in
withheld regions, followed closely by a CatBoost random forest model. Over
withheld ground-collection survey labels, the transformer-based model achieves
96.7% accuracy over non-irrigated samples and 95.9% accuracy over irrigated
samples. Over a larger set of samples independently collected via the
introduced method of label supplementation, non-irrigated and irrigated labels
are predicted with 98.3% and 95.5% accuracy, respectively. The detection model
is then deployed over Tigray and Amhara, revealing crop rotation patterns and
year-over-year irrigated area change. Predictions suggest that irrigated area
in these two states has decreased by approximately 40% from 2020 to 2021.
- Abstract(参考訳): 本稿では,植生の多元的衛星画像を利用した灌水検出手法を提案する際に,限定的な土壌標識を補足し,関心領域における分類器の適用性を確保する手法を提案する。
MODIS 250m Enhanced Vegetation Index (EVI) の時空間的分析は, 地域規模の植生現象を特徴付け, 農業における補助的ラベル収集を誘導する連続表現学マップの基盤を提供する。
その後、10mSentinel-2画像で観察された乾季の緑化と老化サイクルを使用して、スモールホルダー灌水の自動検出のための分類器群を訓練する。
モデルロバスト性を改善するための戦略として、トレーニングサンプルをランダムにシフトするデータ拡張法や、保持されていない対象領域で最高のパフォーマンスを示す分類器タイプの評価がある。
この手法はエチオピアのハイランズであるtigrayとamharaの2州で小規模の灌水を検出するのに応用されている。
その結果,トランスフォーマーをベースとしたニューラルネットワークアーキテクチャは,非保持領域において最も堅牢な予測性能を実現し,その後にCatBoostランダムフォレストモデルが近づいた。
埋蔵地調査ラベルが保持されている以上、トランスフォーマーベースのモデルでは、非灌水サンプルの96.7%、灌水サンプルの95.9%の精度が達成されている。
導入されたラベル補足法によって独立に収集された標本群より大きい範囲において、非灌流ラベルと灌流ラベルはそれぞれ98.3%と95.5%の精度で予測される。
検出モデルは、TigrayとAmharaの上に展開され、作物の回転パターンと年々灌水された地域の変化を明らかにする。
2020年から2021年にかけて、これら2つの州の灌水面積は約40%減少したと予測されている。
関連論文リスト
- A New Dataset and Comparative Study for Aphid Cluster Detection and Segmentation in Sorghum Fields [9.735484847744416]
アフィドの感染は小麦やソルガムの畑に大きな被害をもたらす主要な原因の1つである。
農家はしばしば、健康と環境に悪影響を及ぼす有害な農薬を非効率に利用する。
我々は,アフィドクラスタの検出とセグメンテーションのための大規模なマルチスケールデータセットを開発した。
論文 参考訳(メタデータ) (2024-05-07T13:27:58Z) - BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level
Phenotyping of Sugar Beet Plants under Field Conditions [30.27773980916216]
農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。
自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。
表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
論文 参考訳(メタデータ) (2023-12-22T14:06:44Z) - 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) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-08-09T09:06:51Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳(メタデータ) (2022-08-04T01:34:46Z) - Fake It Till You Make It: Near-Distribution Novelty Detection by
Score-Based Generative Models [54.182955830194445]
既存のモデルは、いわゆる"近く分布"設定で失敗するか、劇的な低下に直面します。
本稿では, スコアに基づく生成モデルを用いて, 合成近分布異常データを生成することを提案する。
本手法は,9つのノベルティ検出ベンチマークにおいて,近分布ノベルティ検出を6%改善し,最先端のノベルティ検出を1%から5%パスする。
論文 参考訳(メタデータ) (2022-05-28T02:02:53Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳(メタデータ) (2021-06-14T21:57:40Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳(メタデータ) (2021-02-15T10:37:52Z) - High-resolution global irrigation prediction with Sentinel-2 30m data [0.8137198664755597]
地球規模の灌水利用の正確かつ正確な理解は、様々な気候科学の取り組みに不可欠である。
我々は,世界中の農地の30万分解能灌水予測を生成するために,新しい灌水モデルとpythonパッケージ(irrigation30)を開発した。
本モデルでは, ランダムにサンプリングされた小標本群において, 97%以上の一貫性スコアと92%の精度を達成できた。
論文 参考訳(メタデータ) (2020-12-09T17:26:43Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳(メタデータ) (2020-05-18T21:57:47Z)
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。