論文の概要: Remote estimation of geologic composition using interferometric
synthetic-aperture radar in California's Central Valley
- arxiv url: http://arxiv.org/abs/2212.04813v1
- Date: Sun, 4 Dec 2022 23:06:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 18:58:56.687376
- Title: Remote estimation of geologic composition using interferometric
synthetic-aperture radar in California's Central Valley
- Title(参考訳): 干渉型合成アパーチャーレーダによるカリフォルニア中部谷の地質組成の遠隔推定
- Authors: Kyongsik Yun, Kyra Adams, John Reager, Zhen Liu, Caitlyn Chavez,
Michael Turmon, Thomas Lu
- Abstract要約: カリフォルニア州セントラルバレーの土地は地下水の汲み上げによって急速に沈んでいる。
本研究では,土地変位の時間的変動の異なる特定地域を特定することを目的とする。
そこで我々は,インターフェロメトリ合成開口レーダ(InSAR)を用いた土地変形データを用いて,地質組成をリモートで推定することを目的とする。
- 参考スコア(独自算出の注目度): 1.5677136474147644
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: California's Central Valley is the national agricultural center, producing
1/4 of the nation's food. However, land in the Central Valley is sinking at a
rapid rate (as much as 20 cm per year) due to continued groundwater pumping.
Land subsidence has a significant impact on infrastructure resilience and
groundwater sustainability. In this study, we aim to identify specific regions
with different temporal dynamics of land displacement and find relationships
with underlying geological composition. Then, we aim to remotely estimate
geologic composition using interferometric synthetic aperture radar
(InSAR)-based land deformation temporal changes using machine learning
techniques. We identified regions with different temporal characteristics of
land displacement in that some areas (e.g., Helm) with coarser grain geologic
compositions exhibited potentially reversible land deformation (elastic land
compaction). We found a significant correlation between InSAR-based land
deformation and geologic composition using random forest and deep neural
network regression models. We also achieved significant accuracy with 1/4
sparse sampling to reduce any spatial correlations among data, suggesting that
the model has the potential to be generalized to other regions for indirect
estimation of geologic composition. Our results indicate that geologic
composition can be estimated using InSAR-based land deformation data. In-situ
measurements of geologic composition can be expensive and time consuming and
may be impractical in some areas. The generalizability of the model sheds light
on high spatial resolution geologic composition estimation utilizing existing
measurements.
- Abstract(参考訳): カリフォルニア州の中央バレーは全国的農業中心であり、国内の食料の1/4を生産している。
しかし、セントラルバレーの土地は、地下水の汲み上げが続いているため、急速に(年間最大20cm)沈んでいる。
土地の沈下はインフラの回復力と地下水の持続性に大きな影響を与える。
本研究では,地すべりの時間動態の異なる特定地域を同定し,基盤となる地質組成との関係を明らかにすることを目的とする。
そこで我々は,インターフェロメトリ合成開口レーダ(InSAR)を用いた地表面変形時間変化を機械学習技術を用いてリモートで推定することを目的とする。
地すべりの時間的特性が異なる地域を同定し, 粗粒地質組成を持つ地域(ヘルムなど)は, 可逆的地すべり(弾性地すべり)の可能性が示された。
InSARによる土地変形と地質組成の有意な相関をランダム森林とディープニューラルネットワーク回帰モデルを用いて明らかにした。
また1/4スパースサンプリングにより,データ間の空間的相関を低減し,地質組成を間接的に推定するために他の領域に一般化できる可能性が示唆された。
InSARによる地形変形データを用いて地質組成を推定できることを示す。
地質組成のその場測定は高価で時間がかかり、一部の地域では実用的ではない。
模型の一般化性は, 既存の測定値を用いた高空間分解能地質組成推定に光をあてる。
関連論文リスト
- At the junction between deep learning and statistics of extremes:
formalizing the landslide hazard definition [1.03590082373586]
本研究では,斜面単位レベルでの地すべり危険度を推定する統一モデルを構築した。
ネパールで30年間にわたり観測された降雨トリガーによる地すべりを解析し,複数回の帰還期間における地すべりの危険度を評価する。
提案手法は,地すべりのハザードを統一的にモデル化するのに有効であることを示す。
論文 参考訳(メタデータ) (2024-01-25T14:48:08Z) - Deep autoregressive modeling for land use land cover [0.0]
ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。
土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
論文 参考訳(メタデータ) (2024-01-02T18:03:57Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳(メタデータ) (2023-06-05T03:36:01Z) - 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) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Large-scale unsupervised spatio-temporal semantic analysis of vast
regions from satellite images sequences [0.0]
スペイン北部の220 km$2$の地域について詳細な分析を行う手法を提案する。
その結果,大面積がコンパクトで構造的に結びついている土地地形の広範かつ直感的な見方が得られた。
論文 参考訳(メタデータ) (2022-08-29T11:19:36Z) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳(メタデータ) (2022-04-14T15:41:39Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳(メタデータ) (2021-06-14T21:57:40Z) - Semi-supervised Soil Moisture Prediction through Graph Neural Networks [12.891517184512551]
本研究では,土壌水分予測の問題を時間グラフによる半教師あり学習に転換する。
本研究では,地域間の関連位置の依存性を利用して土壌水分を予測できる動的グラフニューラルネットワークを提案する。
dglrと呼ばれるこのアルゴリズムは、地域内の複数の場所にわたって土壌水分を予測し、その間のグラフ構造を更新できるエンドツーエンド学習を提供する。
論文 参考訳(メタデータ) (2020-12-07T07:56:11Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z) - SMArtCast: Predicting soil moisture interpolations into the future using
Earth observation data in a deep learning framework [0.8399688944263843]
本研究では,衛星画像から土壌水分と植生の計測を行った。
システムは、これらの測定の将来の値を予測することを学習する。
これは、モニタリング能力に制限のある地域で作物に好ましくない土壌水分を警告する可能性がある。
論文 参考訳(メタデータ) (2020-03-16T23:06:14Z)
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。