論文の概要: Quantitative Assessment of DESIS Hyperspectral Data for Plant
Biodiversity Estimation in Australia
- arxiv url: http://arxiv.org/abs/2207.02482v1
- Date: Wed, 6 Jul 2022 07:14:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-07 14:17:14.082764
- Title: Quantitative Assessment of DESIS Hyperspectral Data for Plant
Biodiversity Estimation in Australia
- Title（参考訳）: オーストラリアにおける植物生物多様性推定のためのDSISハイパースペクトルデータの定量的評価
- Authors: Yiqing Guo, Karel Mokany, Cindy Ong, Peyman Moghadam, Simon Ferrier,
Shaun R. Levick
- Abstract要約: 本研究は,DLR Earth Sensing Imaging Spectrometer (DESIS) が捉えた高スペクトルデータを用いて植物種多様性を推定する能力について検討した。
最高のパフォーマンスモデルでは、r$が0.71ドル、RMSEが5.99ドル、r$が0.62ドル、RMSEが6.20ドルである。
- 参考スコア（独自算出の注目度）: 1.8757823231879849
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diversity of terrestrial plants plays a key role in maintaining a stable,
healthy, and productive ecosystem. Though remote sensing has been seen as a
promising and cost-effective proxy for estimating plant diversity, there is a
lack of quantitative studies on how confidently plant diversity can be inferred
from spaceborne hyperspectral data. In this study, we assessed the ability of
hyperspectral data captured by the DLR Earth Sensing Imaging Spectrometer
(DESIS) for estimating plant species richness in the Southern Tablelands and
Snowy Mountains regions in southeast Australia. Spectral features were firstly
extracted from DESIS spectra with principal component analysis, canonical
correlation analysis, and partial least squares analysis. Then regression was
conducted between the extracted features and plant species richness with
ordinary least squares regression, kernel ridge regression, and Gaussian
process regression. Results were assessed with the coefficient of correlation
($r$) and Root-Mean-Square Error (RMSE), based on a two-fold cross validation
scheme. With the best performing model, $r$ is 0.71 and RMSE is 5.99 for the
Southern Tablelands region, while $r$ is 0.62 and RMSE is 6.20 for the Snowy
Mountains region. The assessment results reported in this study provide
supports for future studies on understanding the relationship between
spaceborne hyperspectral measurements and terrestrial plant biodiversity.
- Abstract（参考訳）: 地上植物の多様性は、安定的で健全で生産的な生態系を維持する上で重要な役割を果たしている。
リモートセンシングは、植物多様性を推定するための有望で費用効果の高いプロキシと見なされてきたが、宇宙からのハイパースペクトルデータから植物多様性をいかに推測できるかについての定量的研究は乏しい。
本研究では,オーストラリア南東部の南表地および雪山地域の植物種多様性を推定するために,dlr地球センシングイメージングスペクトロメータ (desis) が捉えたハイパースペクトルデータの能力について検討した。
スペクトルの特徴をDSISスペクトルから抽出し,主成分分析,標準相関分析,部分最小二乗解析を行った。
次に, 抽出した特徴量と植物種との回帰を行い, 通常の最小二乗回帰, カーネルリッジ回帰, ガウス過程回帰を行った。
相関係数(r$)とRoot-Mean-Square Error(RMSE)を2倍のクロス検証法に基づいて評価した。
最高のパフォーマンスモデルでは、r$は0.071ドル、rmseはサザン・テーブルランズ地域では5.99ドル、r$は0.062ドル、rmseはスノーザンズ地域では6.20ドルである。
本研究で報告された評価結果は、宇宙からの高スペクトル測定と地上植物の生物多様性との関係を理解するための将来の研究を支援するものである。
関連論文リスト
- Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。
我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。
また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
論文 参考訳（メタデータ） (2024-10-14T17:22:55Z) - A Novel Fusion of Optical and Radar Satellite Data for Crop Phenology Estimation using Machine Learning and Cloud Computing [0.0]
大地観測データユビキティの時代には、リモートセンシングデータに基づいて作物の表現学を正確に予測する試みが試みられている。
そこで我々は,新しい枠組みを用いて,ドイツ全土の8大作物と13の表現学的発達を30mスケールで推定した。
論文 参考訳（メタデータ） (2024-08-16T13:44:35Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Prediction of soil fertility parameters using USB-microscope imagery and portable X-ray fluorescence spectrometry [3.431158134976364]
本研究では, 可搬型蛍光X線分析法と土壌画像解析による土壌の高速肥育性評価について検討した。
インド東部の多様な農業気候帯から採取した1,133個の土壌サンプルを分析した。
論文 参考訳（メタデータ） (2024-04-17T17:57:20Z) - BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level
Phenotyping of Sugar Beet Plants under Field Conditions [30.27773980916216]
農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。
自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。
表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
論文 参考訳（メタデータ） (2023-12-22T14:06:44Z) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳（メタデータ） (2023-03-21T03:15:29Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Plant species richness prediction from DESIS hyperspectral data: A
comparison study on feature extraction procedures and regression models [1.8757823231879849]
本研究は,オーストラリア南東部の2種類の異なる生息地における植物種の豊かさを予測するためのDSISハイパースペクトルデータの有用性を定量的に評価した。
DESISスペクトル帯の相対的重要性分析により,赤縁,赤,青のスペクトル領域は,緑帯や近赤外帯よりも植物種の豊かさを予測する上で重要であることが示された。
論文 参考訳（メタデータ） (2023-01-05T05:33:56Z) - A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows
from UAV Imagery [56.10033255997329]
畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。
高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。
提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
論文 参考訳（メタデータ） (2020-12-31T18:51:17Z) - 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) - Mycorrhiza: Genotype Assignment usingPhylogenetic Networks [2.286041284499166]
遺伝子型代入問題に対する機械学習手法であるMycorrhizaを紹介する。
提案アルゴリズムは系統ネットワークを用いて,標本間の進化的関係を符号化する特徴を設計する。
Mycorrhizaは、大きな平均固定指数(FST)を持つデータセットやハーディ・ワインバーグ平衡からの偏差で特に顕著な利得を得る。
論文 参考訳（メタデータ） (2020-10-14T02:36:27Z)
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。