Fugu-MT 論文翻訳(概要): A high-resolution canopy height model of the Earth

論文の概要: A high-resolution canopy height model of the Earth

arxiv url: http://arxiv.org/abs/2204.08322v1
Date: Wed, 13 Apr 2022 10:34:32 GMT
ステータス: 処理完了
システム内更新日: 2022-04-24 15:47:30.257202
Title: A high-resolution canopy height model of the Earth
Title（参考訳）: 地球の高分解能天蓋の高さモデル
Authors: Nico Lang, Walter Jetz, Konrad Schindler, Jan Dirk Wegner
Abstract要約: 我々は,2020年に初めて,地上10mのキャノピー高さマップを提出した。我々は,地球上の任意の場所でSentinel-2画像から天蓋の高さを推定する確率論的深層学習モデルを開発した。我々のモデルは、一貫した不確実性のあるグローバルマッピングを可能にし、継続的なモニタリングをサポートし、変化を検出し、意思決定に通知する。
参考スコア（独自算出の注目度）: 22.603549892832753
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The worldwide variation in vegetation height is fundamental to the global carbon cycle and central to the functioning of ecosystems and their biodiversity. Geospatially explicit and, ideally, highly resolved information is required to manage terrestrial ecosystems, mitigate climate change, and prevent biodiversity loss. Here, we present the first global, wall-to-wall canopy height map at 10 m ground sampling distance for the year 2020. No single data source meets these requirements: dedicated space missions like GEDI deliver sparse height data, with unprecedented coverage, whereas optical satellite images like Sentinel-2 offer dense observations globally, but cannot directly measure vertical structures. By fusing GEDI with Sentinel-2, we have developed a probabilistic deep learning model to retrieve canopy height from Sentinel-2 images anywhere on Earth, and to quantify the uncertainty in these estimates. The presented approach reduces the saturation effect commonly encountered when estimating canopy height from satellite images, allowing to resolve tall canopies with likely high carbon stocks. According to our map, only 5% of the global landmass is covered by trees taller than 30 m. Such data play an important role for conservation, e.g., we find that only 34% of these tall canopies are located within protected areas. Our model enables consistent, uncertainty-informed worldwide mapping and supports an ongoing monitoring to detect change and inform decision making. The approach can serve ongoing efforts in forest conservation, and has the potential to foster advances in climate, carbon, and biodiversity modelling.
Abstract（参考訳）: 世界中の植生の高度の変化は、地球規模の炭素循環の基本であり、生態系の機能とその生物多様性の中心である。地理的に明確で理想的には、地球生態系を管理し、気候変動を緩和し、生物多様性の喪失を防ぐために高度に解決された情報が必要である。ここでは,2020年10mの地中サンプリング距離において,世界初となる,壁から壁までのキャノピーの高さマップを示す。 GEDIのような専用の宇宙ミッションは、前例のない範囲でスパース高さのデータを提供するが、Sentinel-2のような光学衛星画像は世界中に密集した観測を提供するが、垂直構造を直接測定することはできない。我々は,gediをセンチネル-2と融合することにより,センチネル-2画像からキャノピー高さを抽出し,これらの推定値の不確かさを定量化する確率的ディープラーニングモデルを開発した。提案手法は,衛星画像からキャノピー高さを推定する際によく発生する飽和効果を低減し,炭素量の高い高層キャノピーを解消する。地図によると、世界総面積のわずか5%が30m以上の木に覆われている。このようなデータは保護にとって重要な役割を担っている。例えば、これらの高い天蓋の34%だけが保護区域内にある。我々のモデルは、一貫した不確実性のあるグローバルマッピングを可能にし、継続的なモニタリングをサポートし、変化を検出し、意思決定に通知する。このアプローチは森林保全における継続的な取り組みに役立ち、気候、炭素、生物多様性モデリングの進歩を促進する可能性がある。

関連論文リスト

PlantCamo: Plant Camouflage Detection [60.685139083469956]
本稿では,植物カモフラージュ検出(PCD)の課題を紹介する。この問題に対処するため,カモフラージュ植物を用いた1,250枚の画像からなるPlantCamoデータセットを導入した。提案したデータセット上で20以上の最先端CODモデルを用いて大規模なベンチマーク研究を行う。マルチスケールのグローバル機能拡張と改良により,PCNetはパフォーマンスを上回りました。
論文参考訳（メタデータ） (2024-10-23T06:51:59Z)
Unified Deep Learning Model for Global Prediction of Aboveground Biomass, Canopy Height and Cover from High-Resolution, Multi-Sensor Satellite Imagery [0.196629787330046]
地表面バイオマス密度 (AGBD) , キャノピー高さ (CH) , キャノピー被覆 (CC) の予測を統一する深層学習モデルと10mのマルチセンサ・マルチスペクトル画像を用いた新しい手法を提案する。 GEDI-L2/L4を世界数百万のサンプルで測定し、2023年と2016年から2023年までの期間に全世界に展開することで、モデルの有効性を検証した。
論文参考訳（メタデータ） (2024-08-20T23:15:41Z)
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。ケニアでは低データのレシエーションを表すデータセットも提供しています。リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文参考訳（メタデータ） (2023-11-02T02:00:27Z)
Estimation of forest height and biomass from open-access multi-sensor satellite imagery and GEDI Lidar data: high-resolution maps of metropolitan France [0.0]
本研究は、森林パラメータの局所マップを作成するために以前開発された機械学習アプローチを用いている。我々はGEDI Lidarミッションを基準高度データとして,Sentinel-1,Sentinel-2,ALOS-2 PALSA-2の衛星画像を用いて森林高度を推定した。高さマップは、アロメトリック方程式を用いて体積と地上のバイオマス(AGB)に導かれる。
論文参考訳（メタデータ） (2023-10-23T07:58:49Z)
Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文参考訳（メタデータ） (2023-04-22T22:39:03Z)
Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
論文参考訳（メタデータ） (2023-04-14T15:52:57Z)
Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文参考訳（メタデータ） (2021-11-25T16:21:28Z)
A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文参考訳（メタデータ） (2021-11-23T08:04:32Z)
High carbon stock mapping at large scale with optical satellite imagery and spaceborne LIDAR [27.25600860698314]
森林破壊は高い炭素排出量を引き起こし、生物多様性を脅かすが、しばしば農業の拡大と結びついている。本研究では,保全的かつ持続可能な土地利用計画決定を支援するための自動アプローチを提案する。粗いGEDI LIDAR参照データから学習することにより,10mのSentinel-2ピクセルごとのキャノピー高さを推定する深層学習手法を開発した。これらの壁面と壁面の上部の地図は,HCS林と荒廃した地域を86%の精度で分類し,インドネシア,マレーシア,フィリピンで最初の高炭素ストックマップを作成した。
論文参考訳（メタデータ） (2021-07-15T16:21:21Z)
A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery [0.0]
密集した閉鎖性林の外の伐採された木は、炭素の隔離、生活支援、生態系の整合性維持、気候変動の適応と緩和に重要である。クローズド・キャノピー林内の樹木とは対照的に,世界規模で散在する樹木の空間的広さと分布についてはあまり分かっていない。中高分解能光・レーダ画像を用いて,3メートル以上の天蓋径の樹木を同定する一貫した手法を提案する。
論文参考訳（メタデータ） (2020-05-13T15:58:01Z)

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。