論文の概要: Aboveground carbon biomass estimate with Physics-informed deep network
- arxiv url: http://arxiv.org/abs/2210.13752v1
- Date: Tue, 25 Oct 2022 03:38:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 15:50:20.555309
- Title: Aboveground carbon biomass estimate with Physics-informed deep network
- Title(参考訳): 物理インフォームド深層ネットワークを用いた地上炭素バイオマス推定
- Authors: Juan Nathaniel, Levente J. Klein, Campbell D. Watson, Gabrielle
Nyirjesy, Conrad M. Albrecht
- Abstract要約: 深層ニューラルネットワークを用いて,2021年における30mの空間分解能を持つ大陸アメリカ(CONUS)の地上炭素バイオマス(AGB)の壁面と壁面のマップを生成する。
我々は,カリフォルニア州の2021年のカルドール山火事におけるAGBの損失を測定するために,我々のモデルを適用し,センチネルをベースとしたバーン指標による分析を検証した。
- 参考スコア(独自算出の注目度): 0.5999777817331318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The global carbon cycle is a key process to understand how our climate is
changing. However, monitoring the dynamics is difficult because a
high-resolution robust measurement of key state parameters including the
aboveground carbon biomass (AGB) is required. Here, we use deep neural network
to generate a wall-to-wall map of AGB within the Continental USA (CONUS) with
30-meter spatial resolution for the year 2021. We combine radar and optical
hyperspectral imagery, with a physical climate parameter of SIF-based GPP.
Validation results show that a masked variation of UNet has the lowest
validation RMSE of 37.93 $\pm$ 1.36 Mg C/ha, as compared to 52.30 $\pm$ 0.03 Mg
C/ha for random forest algorithm. Furthermore, models that learn from SIF-based
GPP in addition to radar and optical imagery reduce validation RMSE by almost
10% and the standard deviation by 40%. Finally, we apply our model to measure
losses in AGB from the recent 2021 Caldor wildfire in California, and validate
our analysis with Sentinel-based burn index.
- Abstract(参考訳): 地球規模の炭素循環は、私たちの気候の変化を理解するための重要なプロセスです。
しかし, 地上炭素バイオマス(AGB)を含む重要な状態パラメータの高分解能な測定が必要であるため, ダイナミクスのモニタリングは困難である。
ここでは,2021年における30mの空間分解能を持つ大陸アメリカ(CONUS)内のAGBの壁面マップを生成するために,ディープニューラルネットワークを用いる。
レーダーと光学ハイパースペクトル画像とsifベースのgppの物理的気候パラメータを組み合わせる。
検証の結果、unetのマスキング変動はランダムフォレストアルゴリズムの52.30$\pm$ 0.03 mg c/haに比べて37.93$\pm$ 1.36 mg c/haの最小の検証rmseを持つことがわかった。
さらに、レーダーや光学画像に加え、SIFベースのGPPから学習するモデルは、RMSEの検証を約10%、標準偏差を40%削減する。
最後に,カリフォルニア州で発生した2021年のカルドール山火事のagb損失の測定に本モデルを適用し,センチネルベースのバーンインデックスを用いて解析を検証する。
関連論文リスト
- 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) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳(メタデータ) (2022-11-03T17:19:43Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳(メタデータ) (2022-08-23T16:04:12Z) - High-resolution landscape-scale biomass mapping using a spatiotemporal
patchwork of LiDAR coverages [0.0]
温室効果ガス推定において,森林土壌のバイオマスの微細な評価がますます重要になっている。
ここでは、トレーニングデータの選択、地域的あるいは範囲的な偏見やエラーの調査、複数スケールでのマップパターンなど、一般的な障害に対処する。
我々のモデルは全体として正確であり (% RMSE 13-33%) バイアスが非常に低く (MBE $leq$$pm$5 Mg ha$-1$) 、ほとんどのフィールドオブザーバの変動を説明した。
論文 参考訳(メタデータ) (2022-05-17T17:53:50Z) - A high-resolution canopy height model of the Earth [22.603549892832753]
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。
論文 参考訳(メタデータ) (2022-04-13T10:34:32Z) - ReforesTree: A Dataset for Estimating Tropical Forest Carbon Stock with
Deep Learning and Aerial Imagery [19.216734550056817]
ReforesTree(ReforesTree)はエクアドルの6カ所の森林炭素指数のベンチマークデータセットである。
低コストのRGB専用ドローン画像から個々の木を検出する深層学習に基づくエンド・ツー・エンドモデルが、公式の炭素オフセット認定基準内で森林炭素ストックを正確に推定していることを示す。
論文 参考訳(メタデータ) (2022-01-26T21:27:57Z) - Input-Specific Robustness Certification for Randomized Smoothing [76.76115360719837]
本稿では,ロバストネス認証の費用対効果を達成するために,インプット・スペクティブ・サンプリング(ISS)の高速化を提案する。
ISSは、認定半径0.05の限られたコストで3回以上、認定をスピードアップすることができる。
論文 参考訳(メタデータ) (2021-12-21T12:16:03Z) - 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) - Tackling the Overestimation of Forest Carbon with Deep Learning and
Aerial Imagery [13.97765383479824]
本論文は,航空画像,衛星画像,地中構造観測から森林炭素推定を初めて体系的に比較したものである。
航空画像の収集は著しく高価であり,高分解能が森林炭素推定をどの程度改善するかは定かでない。
以上の結果から,衛星画像による森林炭素推定は,熱帯再植林計画において10回以上も過大評価可能であることが示唆された。
論文 参考訳(メタデータ) (2021-07-23T15:59:52Z) - A Semantic Segmentation Network for Urban-Scale Building Footprint
Extraction Using RGB Satellite Imagery [1.9400948599830012]
都市部は世界のエネルギーの3分の2以上を消費し、世界のCO2排出量の70%以上を占めています。
3チャンネルのRGB衛星画像から建物の足跡のマスクを生成するために、拡張ResNetバックボーンを備えた変更されたDeeplabV3+モジュールを提案します。
3つの標準ベンチマークで最先端のパフォーマンスを達成し,衛星画像の規模,解像度,都市密度に依存しないことを実証した。
論文 参考訳(メタデータ) (2021-04-02T22:32:04Z)
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。