論文の概要: High-Resolution Satellite Imagery for Modeling the Impact of
Aridification on Crop Production
- arxiv url: http://arxiv.org/abs/2209.12238v1
- Date: Sun, 25 Sep 2022 14:54:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 14:11:15.414031
- Title: High-Resolution Satellite Imagery for Modeling the Impact of
Aridification on Crop Production
- Title(参考訳): 乾燥が作物生産に及ぼす影響をモデル化する高解像度衛星画像
- Authors: Depanshu Sani, Sandeep Mahato, Parichya Sirohi, Saket Anand, Gaurav
Arora, Charu Chandra Devshali, Thiagarajan Jayaraman, Harsh Kumar Agarwal
- Abstract要約: 我々は3つの異なる衛星から異なる空間解像度の時系列画像を持つ、第一種データセットSICKLEを紹介した。
このデータセットは、デルタ州の4つの地区に分布する388個のプロットから、季節ごとに2,398個のサンプルで構成されている。
本データセットは,作物の種類,表現年月日(播種,移植,収穫),収量予測の3つの異なるタスクについてベンチマークし,実環境において重要な作物パラメータを予測するためのエンドツーエンドのフレームワークを開発する。
- 参考スコア(独自算出の注目度): 2.5402662954395097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The availability of well-curated datasets has driven the success of Machine
Learning (ML) models. Despite the increased access to earth observation data
for agriculture, there is a scarcity of curated, labelled datasets, which
limits the potential of its use in training ML models for remote sensing (RS)
in agriculture. To this end, we introduce a first-of-its-kind dataset, SICKLE,
having time-series images at different spatial resolutions from 3 different
satellites, annotated with multiple key cropping parameters for paddy
cultivation for the Cauvery Delta region in Tamil Nadu, India. The dataset
comprises of 2,398 season-wise samples from 388 unique plots distributed across
4 districts of the Delta. The dataset covers multi-spectral, thermal and
microwave data between the time period January 2018-March 2021. The paddy
samples are annotated with 4 key cropping parameters, i.e. sowing date,
transplanting date, harvesting date and crop yield. This is one of the first
studies to consider the growing season (using sowing and harvesting dates) as
part of a dataset. We also propose a yield prediction strategy that uses
time-series data generated based on the observed growing season and the
standard seasonal information obtained from Tamil Nadu Agricultural University
for the region. The consequent performance improvement highlights the impact of
ML techniques that leverage domain knowledge that are consistent with standard
practices followed by farmers in a specific region. We benchmark the dataset on
3 separate tasks, namely crop type, phenology date (sowing, transplanting,
harvesting) and yield prediction, and develop an end-to-end framework for
predicting key crop parameters in a real-world setting.
- Abstract(参考訳): よく計算されたデータセットが利用可能になったことで、機械学習(ML)モデルの成功が導かれた。
農業のための地球観測データへのアクセスが増加しているにもかかわらず、農業におけるリモートセンシング(RS)のためのMLモデルのトレーニングに使用する可能性を制限する、ラベル付きデータセットが不足している。
そこで本研究では,インド・タミル・ナドゥ州カウリーデルタ地域の水田栽培のための複数の重要な収穫パラメータを付加した,3つの異なる衛星から異なる空間分解能の時系列画像を持つ,第一種データセットSICKLEを提案する。
データセットは、デルタの4つの地区に分布する388のユニークなプロットから、季節ごとの2,398のサンプルで構成されている。
このデータセットは、2018年1月から2021年3月までのマルチスペクトル、熱、マイクロ波のデータをカバーする。
水田サンプルには4つのキークロッピングパラメータ、すなわち播種日、移植年月日、収穫年月日、収穫収量とを付記する。
これは、成長期(播種と収穫日)をデータセットの一部として考える最初の研究の1つである。
また,この地域のタミル・ナドゥ農業大学から得られた,観測時期と標準季節情報に基づく時系列データを用いた収量予測戦略を提案する。
一連のパフォーマンス改善は、特定の地域の農家が続く標準プラクティスに準拠したドメイン知識を活用するml技術の影響を強調している。
我々は,作物種別,表現学期日(播種,移植,収穫),収量予測という3つのタスクでデータセットをベンチマークし,実環境において重要な作物パラメータを予測するためのエンドツーエンドフレームワークを開発した。
関連論文リスト
- Adaptive Fusion of Multi-view Remote Sensing data for Optimal Sub-field
Crop Yield Prediction [24.995959334158986]
本研究では,異なる作物(スギ,コムギ,ラプシード)と地域(アルジャンティナ,ウルグアイ,ドイツ)の収量を予測するための,新しい多視点学習手法を提案する。
我々の入力データには、センチネル2衛星からのマルチスペクトル光学画像と、土壌特性や地形情報などの静的特徴を補完して、作物の生育期における動的特徴として気象データが含まれている。
データを効果的に融合するために、専用ビューエンコーダとGated Unit (GU)モジュールからなるMulti-view Gated Fusion (MVGF)モデルを導入する。
MVGFモデルは10m分解能でサブフィールドレベルで訓練される
論文 参考訳(メタデータ) (2024-01-22T11:01:52Z) - SICKLE: A Multi-Sensor Satellite Imagery Dataset Annotated with Multiple
Key Cropping Parameters [3.5212817105808627]
SICKLEと呼ばれるファースト・オブ・ザ・キンドのデータセットを導入する。
ランドサット8、センチネル1、センチネル2の3つの異なる衛星からの多重解像度画像の時系列を構成する。
我々はSICKLEを作物の種類、作物の表現学(播種、移植、収穫)、収量予測の3つのタスクでベンチマークした。
論文 参考訳(メタデータ) (2023-11-29T21:20:58Z) - Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - 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) - Boosting Crop Classification by Hierarchically Fusing Satellite,
Rotational, and Contextual Data [0.0]
本研究では,複数年にわたる精度向上とロバスト性向上のためのモデルにマルチモーダル情報を融合する新しい手法を提案する。
このアプローチを評価するため、フランスとオランダで740万の農業パーセルの注釈付きデータセットを新たにリリースしました。
論文 参考訳(メタデータ) (2023-05-19T21:42:53Z) - Multimodal Crop Type Classification Fusing Multi-Spectral Satellite Time
Series with Farmers Crop Rotations and Local Crop Distribution [0.0]
本稿では,3つのデータ型を用いた土地利用と作物型分類課題に取り組むことを提案する。
28級(.948)の5.1ポイント、9.6ポイントのマイクロF1の10級(.887)の精度。
論文 参考訳(メタデータ) (2022-08-23T09:41:09Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳(メタデータ) (2022-08-16T20:46:08Z) - LiDAR dataset distillation within bayesian active learning framework:
Understanding the effect of data augmentation [63.20765930558542]
アクティブラーニング(AL)は、アノテーションコストとデータセットサイズの削減に対処するため、最近再び注目されている。
本稿では,大規模なセマンティックKITTIデータセットの1/4分の1でALベースのデータセット蒸留を原理的に評価する。
我々は、選択したデータセット構成からのサンプルの60%のみを使用して、データ拡張が完全なデータセット精度を達成することを観察した。
論文 参考訳(メタデータ) (2022-02-06T00:04:21Z) - 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) - Two-dimensional Deep Regression for Early Yield Prediction of Winter
Wheat [0.0]
我々は、レーダー衛星画像と地上情報を組み合わせたデータに基づいて訓練された畳み込みニューラルネットワーク(CNN)を用いて、収量予測問題に取り組む。
我々は、Sentinel-1衛星から取得したレーダーデータを使用し、地上データは6つの特徴に対応する。
提案手法は,5つの比較手法よりも優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2021-11-15T20:40:15Z) - 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)
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。