論文の概要: Satellite-based high-resolution maps of cocoa planted area for C\^ote d'Ivoire and Ghana

• arxiv url: http://arxiv.org/abs/2206.06119v1
• Date: Mon, 13 Jun 2022 12:58:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-14 14:18:27.050683
• Title: Satellite-based high-resolution maps of cocoa planted area for C\^ote d'Ivoire and Ghana
• Title（参考訳）: 衛星によるC\^ote d'Ivoireとガーナのココア植林地域の高分解能地図
• Authors: Nikolai Kalischek, Nico Lang, C\'ecile Renier, Rodrigo Caye Daudt, Thomas Addoah, William Thompson, Wilma J. Blaser-Hart, Rachael Garrett, Konrad Schindler, Jan D. Wegner
• Abstract要約: ココア栽培は、Cote d'IvoireとGhanaの保護地域における森林損失の37%と13%以上を占める原動力である。 これらの地図は、ココア生産地域における保全と経済発展の理解を深めるための重要なビルディングブロックとして機能している。
• 参考スコア（独自算出の注目度）: 18.426247380427846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: C\^ote d'Ivoire and Ghana, the world's largest producers of cocoa, account for two thirds of the global cocoa production. In both countries, cocoa is the primary perennial crop, providing income to almost two million farmers. Yet precise maps of cocoa planted area are missing, hindering accurate quantification of expansion in protected areas, production and yields, and limiting information available for improved sustainability governance. Here, we combine cocoa plantation data with publicly available satellite imagery in a deep learning framework and create high-resolution maps of cocoa plantations for both countries, validated in situ. Our results suggest that cocoa cultivation is an underlying driver of over 37% and 13% of forest loss in protected areas in C\^ote d'Ivoire and Ghana, respectively, and that official reports substantially underestimate the planted area, up to 40% in Ghana. These maps serve as a crucial building block to advance understanding of conservation and economic development in cocoa producing regions.
• Abstract（参考訳）: 世界最大のcocoa生産国であるc\^ote d'ivoireとガーナは世界のcocoa生産の3分の2を占めている。 どちらの国でもココアが主要な多年生作物であり、約200万人の農家に収入を提供している。 ココア栽培地域の正確な地図は欠落しており、保護地域の拡大の正確な定量化、生産と収量、サステナビリティガバナンスの改善に利用可能な情報制限を妨げている。 本稿では,ココアプランテーションデータと公開衛星画像とを深層学習の枠組みで組み合わせ,両国のココアプランテーションの高解像度マップを作成する。 以上の結果から,ココア栽培は,C\ote d'Ivoire と Ghana の保護地域における森林被害の37%以上と13%の基盤要因であり,Ghana の植林面積を最大40%まで大幅に過小評価していることが明らかとなった。 これらの地図は、ココア生産地域の保全と経済発展を理解する上で重要な構成要素となっている。

関連論文リスト

• The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.652015514785546]
  機械学習を用いて、西アフリカ地域全体での日陰木カバーと炭素ストックの見積もりを生成します。 既存の陰木カバーは低く、空間的に気候の脅威と一致していないことが判明した。 しかし、このセクターが毎年高い炭素フットプリントのかなりの割合とバランスをとるという、巨大な非現実的な可能性も見出されています。
  論文  参考訳（メタデータ） (2024-10-28T10:02:32Z)
• Is Cambodia the World's Largest Cashew Producer? [0.0]
  本研究ではカンボジアのカシュープランテーションにおける詳細な土地利用データのギャップについて考察する。 カンボジア全体で8万以上の訓練ポリゴンを収集し、正確なカシュープランテーションマッピングのための畳み込みニューラルネットワークをトレーニングしました。 カンボジアは耕作面積で上位5位、世界のカシュー生産では上位3位にランクインしている。
  論文  参考訳（メタデータ） (2024-05-27T08:20:50Z)
• 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)
• How accurate are existing land cover maps for agriculture in Sub-Saharan Africa? [15.186674512627876]
  EOをベースとしたモニタリングシステムでは、作物に関する情報を提供するために正確な作物地図が必要である。 アフリカ諸国の耕作地を最も正確に識別する多くの土地被覆地図のどれかを決定するためのデータが不足している。
  論文  参考訳（メタデータ） (2023-07-05T18:17:23Z)
• Mapping smallholder cashew plantations to inform sustainable tree crop expansion in Benin [4.008214303620168]
  カシューは世界中で40カ国以上で300万人以上の小規模所有者によって栽培されている。 ベニンには20万人近い小規模株主のカシュー栽培者がおり、同国の輸出収入の15%を貢献している。 2.4mのプラネット・ベースマップと0.5mの空中画像を利用して、ベニンで初めてカシューの全国地図を作成しました。
  論文  参考訳（メタデータ） (2023-01-01T07:18:47Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• 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)
• 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)
• Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution Satellite Imagery [59.32805936205217]
  牛の農業は世界の温室効果ガス排出量の8.8%を占めている。 40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。 本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
  論文  参考訳（メタデータ） (2020-11-14T19:07:39Z)
• Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
  ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。 衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
  論文  参考訳（メタデータ） (2020-04-11T19:49:09Z)

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。