論文の概要: GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine
Glacier Mapping
- arxiv url: http://arxiv.org/abs/2204.05818v1
- Date: Wed, 6 Apr 2022 14:39:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-17 06:44:30.089613
- Title: GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine
Glacier Mapping
- Title(参考訳): GlacierNet2:アルプス氷河マッピングのためのハイブリッドマルチモデル学習アーキテクチャ
- Authors: Zhiyuan Xie, Umesh K. Haritashya, Vijayan K. Asari, Michael P. Bishop,
Jeffrey S. Kargel, Theus H. Aspiras
- Abstract要約: 氷河の幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制と感受性を理解するのに不可欠である。
デブリ被覆氷河(DCG)の正確なマッピングは、スペクトル情報と従来の機械学習技術によって難しいことが知られている。
本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
- 参考スコア(独自算出の注目度): 5.953569982292301
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent decades, climate change has significantly affected glacier
dynamics, resulting in mass loss and an increased risk of glacier-related
hazards including supraglacial and proglacial lake development, as well as
catastrophic outburst flooding. Rapidly changing conditions dictate the need
for continuous and detailed observations and analysis of climate-glacier
dynamics. Thematic and quantitative information regarding glacier geometry is
fundamental for understanding climate forcing and the sensitivity of glaciers
to climate change, however, accurately mapping debris-cover glaciers (DCGs) is
notoriously difficult based upon the use of spectral information and
conventional machine-learning techniques. The objective of this research is to
improve upon an earlier proposed deep-learning-based approach, GlacierNet,
which was developed to exploit a convolutional neural-network segmentation
model to accurately outline regional DCG ablation zones. Specifically, we
developed an enhanced GlacierNet2 architecture thatincorporates multiple
models, automatic post-processing, and basin-level hydrological flow techniques
to improve the mapping of DCGs such that it includes both the ablation and
accumulation zones. Experimental evaluations demonstrate that GlacierNet2
improves the estimation of the ablation zone and allows a high level of
intersection over union (IOU: 0.8839) score. The proposed architecture provides
complete glacier (both accumulation and ablation zone) outlines at regional
scales, with an overall IOU score of 0.8619. This is a crucial first step in
automating complete glacier mapping that can be used for accurate glacier
modeling or mass-balance analysis.
- Abstract(参考訳): 近年、気候変動は氷河の動態に大きく影響し、質量減少と氷河関連のリスクが増加し、超氷河湖や氷河湖が発達し、破滅的なアウトバースト洪水が発生した。
急速に変化する条件は、継続的かつ詳細な観測と気候-氷河力学の分析の必要性を規定している。
氷河幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制力や感受性を理解するのに不可欠であるが、スペクトル情報と従来の機械学習技術を用いて、デブリ被覆氷河(DCG)を正確にマッピングすることは、非常に難しい。
本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
具体的には,複数のモデル,自動後処理,流域レベルの水流を組み込んだGlacierNet2アーキテクチャを改良し,アブレーションと蓄積ゾーンの両方を含むDCGのマッピングを改善した。
実験的評価により、glaciernet2はアブレーションゾーンの推定を改善し、結合点(iou: 0.8839)の高レベルな交叉を可能にした。
提案されたアーキテクチャは、全氷河(堆積帯とアブレーション帯)を地域規模で概観し、IOU全体のスコアは0.8619である。
これは氷河の正確なモデリングや質量収支分析に使用できる完全な氷河マッピングを自動化する上で重要な第一歩である。
関連論文リスト
- Towards Global Glacier Mapping with Deep Learning and Open Earth
Observation Data [0.7851536646859476]
Glacier-VisionTransformer-U-Net (GlaViTU) は畳み込み変換型ディープラーニングモデルである。
オープン衛星画像を用いた多時空間規模の氷河マッピングのための5つの戦略を提案する。
論文 参考訳(メタデータ) (2024-01-25T20:41:17Z) - Prediction of Deep Ice Layer Thickness Using Adaptive Recurrent Graph
Neural Networks [0.38073142980732994]
積雪予測に適応的かつ反復的なグラフ畳み込みネットワークを用いた機械学習モデルを提案する。
我々は,従来のモデルと同等の非時間的,非幾何学的,非適応的モデルよりも,より優れた一貫性を持つモデルを見出した。
論文 参考訳(メタデータ) (2023-06-22T19:59:54Z) - AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です
深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。
本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
論文 参考訳(メタデータ) (2023-02-06T12:39:40Z) - Boundary Aware U-Net for Glacier Segmentation [1.1715858161748574]
大規模で空間的に重複しないクリーンな氷河氷と破片で覆われた氷河氷の分断のために,U-Netの修正版を提案する。
破砕した氷河氷のセグメンテーション性能を向上させるために, 新たな自己学習境界認識損失を導入する。
我々は、ランドサット7号の画像から、赤、短波赤外、近赤外線の帯が、破片で覆われた氷河の分断に最も寄与していると結論付けた。
論文 参考訳(メタデータ) (2023-01-26T22:58:23Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Simulating surface height and terminus position for marine outlet
glaciers using a level set method with data assimilation [0.0]
我々は,氷面と終端位置観測を数値的な氷流モデルに統合するためのデータ同化フレームワークを実装した。
このモデルはまた、グリーンランド氷床の主要な干潟であるヘルハイム氷河のシミュレーションにも適用されている。
論文 参考訳(メタデータ) (2022-01-28T16:45:37Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳(メタデータ) (2021-06-24T17:29:42Z) - Physically-Consistent Generative Adversarial Networks for Coastal Flood
Visualization [60.690929022840685]
合成視覚衛星画像の物理的整合性を確保するための,最初のディープラーニングパイプラインを提案する。
物理ベースのフラッドマップと比較して画像を評価することにより,提案手法が物理一貫性とフォトリアリズムの両方においてベースラインモデルを上回ることを見出した。
地球観測における画像と画像の翻訳を研究するために、25k以上の画像ペアのデータセットを公開する。
論文 参考訳(メタデータ) (2021-04-10T15:00:15Z) - Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
氷河マッピングは、hkh領域における生態モニタリングの鍵となる。
気候変動は、氷河生態系の健康に依存している個人にリスクを与える。
本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
論文 参考訳(メタデータ) (2020-12-09T12:48:06Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z)
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。