論文の概要: Supervised segmentation of NO2 plumes from individual ships using
TROPOMI satellite data
- arxiv url: http://arxiv.org/abs/2203.06993v3
- Date: Fri, 7 Apr 2023 10:00:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 15:40:47.778285
- Title: Supervised segmentation of NO2 plumes from individual ships using
TROPOMI satellite data
- Title（参考訳）: TROPOMI衛星データによる個々の船舶からのNO2噴煙の観測
- Authors: Solomiia Kurchaba, Jasper van Vliet, Fons J. Verbeek, Jacqueline J.
Meulman, Cor J. Veenman
- Abstract要約: 海運業界は、ヒトの健康と環境の両方に有害な物質であるtextNO_text2$という、最も強力な人為的な排出源の1つだ。
現在船の排ガスモニタリングに使われているすべての方法は費用がかかり、船に近づかなければならない。
有望なアプローチはリモートセンシングの応用である。
- 参考スコア（独自算出の注目度）: 0.07874708385247353
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The shipping industry is one of the strongest anthropogenic emitters of
$\text{NO}_\text{x}$ -- substance harmful both to human health and the
environment. The rapid growth of the industry causes societal pressure on
controlling the emission levels produced by ships. All the methods currently
used for ship emission monitoring are costly and require proximity to a ship,
which makes global and continuous emission monitoring impossible. A promising
approach is the application of remote sensing. Studies showed that some of the
$\text{NO}_\text{2}$ plumes from individual ships can visually be distinguished
using the TROPOspheric Monitoring Instrument on board the Copernicus Sentinel 5
Precursor (TROPOMI/S5P). To deploy a remote sensing-based global emission
monitoring system, an automated procedure for the estimation of
$\text{NO}_\text{2}$ emissions from individual ships is needed. The extremely
low signal-to-noise ratio of the available data as well as the absence of
ground truth makes the task very challenging. Here, we present a methodology
for the automated segmentation of $\text{NO}_\text{2}$ plumes produced by
seagoing ships using supervised machine learning on TROPOMI/S5P data. We show
that the proposed approach leads to a more than a 20\% increase in the average
precision score in comparison to the methods used in previous studies and
results in a high correlation of 0.834 with the theoretically derived ship
emission proxy. This work is a crucial step toward the development of an
automated procedure for global ship emission monitoring using remote sensing
data.
- Abstract（参考訳）: 輸送産業は、人間の健康と環境の両方に有害な物質である$\text{no}_\text{x}$の最も強い人為的エミッターの1つである。
産業の急速な成長は、船舶の排出レベルを制御する社会的な圧力を引き起こす。
現在、船舶の排出監視に使われている全ての方法は費用がかかり、船舶に近付く必要があるため、グローバルかつ継続的な排出監視は不可能である。
有望なアプローチはリモートセンシングの応用である。
研究により、個々の船から得られる$\text{NO}_\text{2}$ plumeのいくつかは、Copernicus Sentinel 5 Precursor (TROPOMI/S5P)に搭載されたTROPOSpheric Monitoring Instrumentを使って視覚的に区別できることが示された。
リモートセンシングに基づくグローバルエミッション監視システムをデプロイするには、個々の船から$\text{no}_\text{2}$エミッションを推定するための自動化手順が必要である。
利用可能なデータの信号対雑音比が極端に低いことと、地上の真実の欠如が、タスクを非常に困難にしている。
本稿では,TROPOMI/S5Pデータを用いた教師あり機械学習を用いて,船舶が生成する$\text{NO}_\text{2}$ plumeの自動セグメンテーション手法を提案する。
提案手法は, 従来手法と比較して平均精度が20%以上向上し, その結果, 理論的に導出された船舶排出プロキシと0.834の相関性が高いことがわかった。
この研究は、リモートセンシングデータを用いたグローバル船舶排出監視のための自動化手順の開発に向けた重要なステップである。
関連論文リスト
- AI for operational methane emitter monitoring from space [14.274401014063018]
メタン排出量の削減は、短期的に地球温暖化を抑える最速の方法だ。
我々は、Sentinel-2とLandsat衛星画像のための自動AI駆動メタンエミッタ監視システムMARS-S2Lを提案する。
このシステムの運用は6ヶ月にわたって行われ、22カ国で457件の準リアルタイム検出が行われた。
論文 参考訳（メタデータ） (2024-08-08T20:06:37Z) - A Data-Driven Supervised Machine Learning Approach to Estimating Global
Ambient Air Pollution Concentrations With Associated Prediction Intervals [0.0]
我々は、時間的および空間的計測の欠如を示唆するスケーラブルでデータ駆動型の教師あり機械学習フレームワークを開発した。
このモデルは, 時間的および空間的計測の欠如を示唆し, NO$, O$_3$, PM$_10$, PM$_2.5$, SO$などの汚染物質の包括的データセットを生成するように設計されている。
モデルの性能について検討し,今後のモニタリングステーションの戦略的配置に関する洞察と勧告を提供する。
論文 参考訳（メタデータ） (2024-02-15T11:09:22Z) - 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) - Large-scale Detection of Marine Debris in Coastal Areas with Sentinel-2 [3.6842260407632903]
海洋汚染を定量化するための努力は、しばしば粗末で高価な海岸調査によって行われる。
沿岸地域の衛星データは容易に入手でき、プラスチックごみを含む海洋ゴミの集積を検出するために利用することができる。
本稿では, 深部セグメンテーションモデル上に構築された海洋破片検出装置について述べる。
論文 参考訳（メタデータ） (2023-07-05T17:38:48Z) - 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) - Anomalous NO2 emitting ship detection with TROPOMI satellite data and
machine learning [0.08602553195689512]
2021年からは、北海とバルト海で活動する船舶に対して、より要求の高い$textNO_text2$の排出制限が導入された。
本研究では,TROPOMI衛星データに基づく機械学習モデルの組み合わせを用いて,潜在的に適合しない船舶の自動選択手法を提案する。
論文 参考訳（メタデータ） (2023-02-24T16:54:47Z) - Near Real-time CO$_2$ Emissions Based on Carbon Satellite And Artificial
Intelligence [20.727982405167758]
我々は、データ検索アルゴリズムと2ステップのデータ駆動ソリューションの両方を含む統合AIベースのパイプラインを提案する。
まず、データ検索アルゴリズムは、炭素衛星、炭素源の情報、およびいくつかの環境要因を含むマルチモーダルデータから効率的なデータセットを生成することができる。
第二に、深層学習技術の強力な表現を適用した2段階のデータ駆動ソリューションは、人為的CO$排出の定量化を学習する。
論文 参考訳（メタデータ） (2022-10-11T12:01:32Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z) - R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of
Dynamic Scenes [69.6715406227469]
駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。
本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
論文 参考訳（メタデータ） (2021-08-10T17:57:03Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - Real-Time target detection in maritime scenarios based on YOLOv3 model [65.35132992156942]
ウェブスクレイピングによって収集された56k以上の海洋船舶の画像からなる、新しい船舶データセットが提案されている。
Keras APIをベースとしたYOLOv3シングルステージ検出器がこのデータセット上に構築されている。
論文 参考訳（メタデータ） (2020-02-10T15:25:19Z)
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。