論文の概要: Detecting Environmental Violations with Satellite Imagery in Near Real Time: Land Application under the Clean Water Act

• arxiv url: http://arxiv.org/abs/2208.08919v1
• Date: Thu, 18 Aug 2022 15:42:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-19 14:04:13.542177
• Title: Detecting Environmental Violations with Satellite Imagery in Near Real Time: Land Application under the Clean Water Act
• Title（参考訳）: 衛星画像による環境侵害をほぼリアルタイムで検出する:清浄水法に基づく土地利用
• Authors: Ben Chugg, Nicolas Rothbacher, Alex Feng, Xiaoqi Long, Daniel E. Ho
• Abstract要約: 本稿では,環境保全にコンピュータビジョンを利用するための,新しい,高精度な環境設定を提案する。 本研究では、土地利用予測のための物体検出モデルと、ほぼリアルタイムで推論を行うシステムを開発する。 全体として、我々のアプリケーションは、近日画像による環境コンプライアンスにおける大きな問題を解決するために、AIベースのコンピュータビジョンシステムの可能性を示している。
• 参考スコア（独自算出の注目度）: 1.3198454899217393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a new, highly consequential setting for the use of computer vision for environmental sustainability. Concentrated Animal Feeding Operations (CAFOs) (aka intensive livestock farms or "factory farms") produce significant manure and pollution. Dumping manure in the winter months poses significant environmental risks and violates environmental law in many states. Yet the federal Environmental Protection Agency (EPA) and state agencies have relied primarily on self-reporting to monitor such instances of "land application." Our paper makes four contributions. First, we introduce the environmental, policy, and agricultural setting of CAFOs and land application. Second, we provide a new dataset of high-cadence (daily to weekly) 3m/pixel satellite imagery from 2018-20 for 330 CAFOs in Wisconsin with hand labeled instances of land application (n=57,697). Third, we develop an object detection model to predict land application and a system to perform inference in near real-time. We show that this system effectively appears to detect land application (PR AUC = 0.93) and we uncover several outlier facilities which appear to apply regularly and excessively. Last, we estimate the population prevalence of land application events in Winter 2021/22. We show that the prevalence of land application is much higher than what is self-reported by facilities. The system can be used by environmental regulators and interest groups, one of which piloted field visits based on this system this past winter. Overall, our application demonstrates the potential for AI-based computer vision systems to solve major problems in environmental compliance with near-daily imagery.
• Abstract（参考訳）: 本稿では,環境保全にコンピュータビジョンを利用するための,新しい,高精度な環境設定を提案する。 集中動物給餌事業(英語版)(cafos、別名集中家畜農場または工場農場)は重要な肥料と汚染を生み出している。 冬の休養は環境に重大なリスクをもたらし、多くの州で環境法に違反している。 しかし、連邦環境保護庁(epa)と州機関は、そのような「土地申請」の状況を監視するために、主に自己報告に頼っている。 私たちの論文は4つの貢献がある。 まず,cafosの環境・政策・農業設定と土地利用について紹介する。 第2に、ウィスコンシン州の330のCAFOに対して、2018-20年の3m/ピクセルの高周期衛星画像の新しいデータセットを提供する(n=57,697)。 第3に,土地利用予測のための物体検出モデルと,ほぼリアルタイムで推論を行うシステムを開発する。 その結果,本システムは効果的に土地利用を検知し (pr auc = 0.93) ,定期的かつ過度に適用されると思われるいくつかの異常施設を明らかにすることができた。 最後に,2021/22冬期における土地利用の頻度を推定した。 本研究は, 施設が自己申告するよりも, 土地利用の有病率が高いことを示す。 このシステムは、環境規制当局と利害関係者グループによって利用することができ、この冬、このシステムに基づいて実地訪問をパイロット化した。 全体として、我々のアプリケーションは、近日画像による環境コンプライアンスにおける大きな問題を解決するために、AIベースのコンピュータビジョンシステムの可能性を示している。

関連論文リスト

• LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
  レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。 既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。 本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-03T02:12:27Z)
• Towards A Comprehensive Assessment of AI's Environmental Impact [0.5982922468400899]
  機械学習に対する最近の関心の高まりは、AI/MLの大規模採用に拍車をかけた。 ライフサイクルを通じて、AI/MLから環境への影響と劣化を監視するフレームワークが必要である。 本研究では、オープンなエネルギーデータとグローバルに取得した衛星観測を用いて、データセンター周辺におけるAIの多面的影響に関連する環境変数を追跡する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-22T21:19:35Z)
• Applications of machine learning and IoT for Outdoor Air Pollution Monitoring and Prediction: A Systematic Literature Review [5.210689364246219]
  世界保健機関(WHO)によると、大気汚染は毎年700万人が死亡している。 屋外空気は、低、中、高所得国に影響を及ぼす主要な環境健康問題である。 過去数年間、研究コミュニティは、屋外大気汚染予測のためのIoT対応機械学習アプリケーションを調査してきた。
  論文  参考訳（メタデータ） (2024-01-03T15:36:33Z)
• Mapping of Land Use and Land Cover (LULC) using EuroSAT and Transfer Learning [0.0]
  人間活動は温室効果ガス排出量の23%を占める。 AI、コンピュータビジョン、地球観測データの最近の進歩は、土地利用地図における前例のない精度を実現している。
  論文  参考訳（メタデータ） (2023-11-06T18:10:25Z)
• 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)
• 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)
• Predicting air quality via multimodal AI and satellite imagery [0.2492060267829796]
  本稿では,監視局が存在しない空気質指標を予測するためのマルチモーダル機械学習モデルを提案する。 欧州大気汚染監視局(ESA Copernicus)プロジェクトからtextitaltitude, population, etc.$などの機能を備えた新しい欧州汚染監視局(ECA)のデータセットが作成されている。 これらの予測は、異なる地域における空気の質を比較するのに使用できる「空気品質指標」を作成するために集約される。
  論文  参考訳（メタデータ） (2022-11-01T22:56:15Z)
• Participatory Action for Citizens' Engagement to Develop a Pro-Environmental Research Application [5.154521998635772]
  ポーランドのスモッグに最も影響された地域の住民を対象に,参加型調査,芸術,デザイン活動を行った。 参加型研究イベントは生態学のテーマを中心に行われ、環境保護的行動に関するフィールド研究を行うためのアプリケーションの設計に役立った。 このアプリケーションは、ヨーロッパで最も密集した大気汚染センサーネットワークから大気質データを収集し、アプリ内の大気汚染の兆候を局所的なセンサーデータと整合させる。
  論文  参考訳（メタデータ） (2022-07-08T12:20:45Z)
• Climate Change & Computer Audition: A Call to Action and Overview on Audio Intelligence to Help Save the Planet [98.97255654573662]
  この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。 我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
  論文  参考訳（メタデータ） (2022-03-10T13:32:31Z)
• 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)
• 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。