論文の概要: Impact of sensor placement in soil water estimation: A real-case study
- arxiv url: http://arxiv.org/abs/2203.06548v1
- Date: Sun, 13 Mar 2022 02:46:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:34:52.653725
- Title: Impact of sensor placement in soil water estimation: A real-case study
- Title（参考訳）: 土壌水分推定におけるセンサ配置の影響:実例による検討
- Authors: Erfan Orouskhani, Soumya R. Sahoo, Bernard T. Agyeman, Song Bo,
Jinfeng Liu (University of Alberta)
- Abstract要約: カナダ・アルバータ州レスブリッジの実際の農地における土壌水分推定におけるセンサ配置の影響について検討した。
本研究では, 不均質土壌パラメータを持つ3次元農業水理モデルを開発した。
最適センサ位置を決定するために3次元システムに観測可能性のモーダル度を適用した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the essential elements in implementing a closed-loop irrigation system
is soil moisture estimation based on a limited number of available sensors. One
associated problem is the determination of the optimal locations to install the
sensors such that good soil moisture estimation can be obtained. In our
previous work, the modal degree of observability was employed to address the
problem of optimal sensor placement for soil moisture estimation of
agro-hydrological systems. It was demonstrated that the optimally placed
sensors can improve the soil moisture estimation performance. However, it is
unclear whether the optimal sensor placement can significantly improve the soil
moisture estimation performance in actual applications. In this work, we
investigate the impact of sensor placement in soil moisture estimation for an
actual agricultural field in Lethbridge, Alberta, Canada. In an experiment on
the studied field, 42 soil moisture sensors were installed at different depths
to collect the soil moisture measurements for one growing season. A
three-dimensional agro-hydrological model with heterogeneous soil parameters of
the studied field is developed. The modal degree of observability is applied to
the three-dimensional system to determine the optimal sensor locations. The
extended Kalman filter (EKF) is chosen as the data assimilation tool to
estimate the soil moisture content of the studied field. Soil moisture
estimation results for different scenarios are obtained and analyzed to
investigate the effects of sensor placement on the performance of soil moisture
estimation in the actual applications.
- Abstract（参考訳）: クローズドループ灌水システムを実現する上で不可欠な要素の1つは、限られた数のセンサに基づく土壌水分の推定である。
関連する問題のひとつは、優れた土壌水分推定が得られるようにセンサを設置する最適な場所を決定することである。
前報では, 農業水理システムの土壌水分推定に最適なセンサ配置の問題に対処するために, 可観測性のモーダル度を用いた。
最適配置センサにより土壌水分推定性能が向上することを示した。
しかし, 最適なセンサ配置が実際の土壌水分推定性能を著しく向上するかどうかは明らかでない。
本研究では,カナダアルバータ州lethbridgeの農地におけるセンサ配置が土壌水分の推定に及ぼす影響について検討した。
実験では, 異なる深さに42種類の土壌水分センサを設置し, 生育期の土壌水分測定を行った。
研究分野の異種土壌パラメータを用いた3次元農業水理モデルを開発した。
最適センサ位置を決定するために3次元システムに観測可能性のモーダル度を適用した。
データ同化ツールとして拡張カルマンフィルタ(ekf)を選択し,土壌水分量の推定を行った。
異なるシナリオに対する土壌水分推定結果を求め, センサ配置が実用途における土壌水分推定性能に及ぼす影響について検討した。
関連論文リスト
- The Effect of Different Optimization Strategies to Physics-Constrained
Deep Learning for Soil Moisture Estimation [5.804881282638357]
水輸送と水感知信号に関する物理に基づく原理を統合するために,物理制約付き深層学習(P-DL)フレームワークを提案する。
実験的な収束関数Adamsは、ミニバッチとフルバッチのトレーニングの両方において、他の最適化手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-03-13T00:32:30Z) - Bayesian inversion of GPR waveforms for sub-surface material characterization: an uncertainty-aware retrieval of soil moisture and overlaying biomass properties [0.7874708385247353]
オーバーレイ層の特性評価は,山火事リスク評価などの応用に不可欠である。
本研究では,地中レーダ(GPR)波形に対するベイズモデル更新手法を提案する。
提案手法は不確実性を考慮した地下パラメータ推定のための有望な手法を提供する。
論文 参考訳（メタデータ） (2023-12-13T06:54:30Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Optimizing Irrigation Efficiency using Deep Reinforcement Learning in
the Field [4.091593765662773]
農業用水は淡水消費に大きく寄与している。
現在の灌水システムでは、将来の土壌の水分損失は考慮されていない。
本稿では, ドライカと呼ばれる灌水効率を向上する手法を提案する。
論文 参考訳（メタデータ） (2023-04-04T01:04:53Z) - On the Importance of Accurate Geometry Data for Dense 3D Vision Tasks [61.74608497496841]
不正確または破損したデータのトレーニングは、モデルバイアスとハマーズ一般化能力を誘導する。
本稿では,深度推定と再構成における高密度3次元視覚課題に対するセンサ誤差の影響について検討する。
論文 参考訳（メタデータ） (2023-03-26T22:32:44Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - A Machine Learning Data Fusion Model for Soil Moisture Retrieval [0.6675805308519986]
深層学習に基づく畳み込み回帰モデルを構築し, 上部5cmの土壌の体積含水率を推定する。
入力予測器には、Sentinel-1(アクティブレーダ)、Sentinel-2(光学画像)、SMAP(パッシブレーダ)がある。
論文 参考訳（メタデータ） (2022-06-20T08:55:42Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z) - SMArtCast: Predicting soil moisture interpolations into the future using
Earth observation data in a deep learning framework [0.8399688944263843]
本研究では,衛星画像から土壌水分と植生の計測を行った。
システムは、これらの測定の将来の値を予測することを学習する。
これは、モニタリング能力に制限のある地域で作物に好ましくない土壌水分を警告する可能性がある。
論文 参考訳（メタデータ） (2020-03-16T23:06:14Z)
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。