Fugu-MT 論文翻訳(概要): Estimating Chicago's tree cover and canopy height using multi-spectral satellite imagery

論文の概要: Estimating Chicago's tree cover and canopy height using multi-spectral satellite imagery

arxiv url: http://arxiv.org/abs/2212.05061v1
Date: Fri, 9 Dec 2022 10:12:34 GMT
ステータス: 処理完了
システム内更新日: 2022-12-13 17:50:37.713687
Title: Estimating Chicago's tree cover and canopy height using multi-spectral satellite imagery
Title（参考訳）: マルチスペクトル衛星画像を用いたシカゴの樹木被覆とキャノピー高さの推定
Authors: John Francis and Stephen Law
Abstract要約: 都市の樹木植林活動は、都市の樹冠の水平と垂直の寸法に関する最新のデータ不足に直面している。我々は,LiDARデータを地中構造として利用し,マルチタスク機械学習モデルを訓練し,樹冠と天蓋の高さの信頼性の高い推定値を生成するパイプラインを提案する。
参考スコア（独自算出の注目度）: 2.538209532048867
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Information on urban tree canopies is fundamental to mitigating climate change [1] as well as improving quality of life [2]. Urban tree planting initiatives face a lack of up-to-date data about the horizontal and vertical dimensions of the tree canopy in cities. We present a pipeline that utilizes LiDAR data as ground-truth and then trains a multi-task machine learning model to generate reliable estimates of tree cover and canopy height in urban areas using multi-source multi-spectral satellite imagery for the case study of Chicago.
Abstract（参考訳）: 都市の樹木のキャノピーに関する情報は、気候変動を緩和し、生活の質を向上させるのに基本である [1] [2] である。都市の樹木植林活動は、都市の樹冠の水平と垂直の寸法に関する最新のデータ不足に直面している。本研究では,lidarデータを地上データとして活用し,マルチタスク機械学習モデルを訓練し,シカゴを事例として,マルチソースマルチスペクトル衛星画像を用いた都市部の樹木被覆とキャノピー高さの信頼性の高い推定を行うパイプラインを提案する。

関連論文リスト

Forecasting with Hyper-Trees [50.72190208487953]
Hyper-Treesは時系列モデルのパラメータを学習するために設計されている。対象とする時系列モデルのパラメータを特徴に関連付けることで、Hyper-Treesはパラメータ非定常性の問題にも対処する。この新しいアプローチでは、木はまず入力特徴から情報表現を生成し、浅いネットワークはターゲットモデルパラメータにマップする。
論文参考訳（メタデータ） (2024-05-13T15:22:15Z)
Predicting urban tree cover from incomplete point labels and limited background information [8.540501469749993]
都市内の樹木は、都市部の微気候にとって重要であり、都市住民の身体的および精神的な健康に肯定的に寄与する。その重要性にもかかわらず、しばしば市木に関する限られた情報しか得られない。本研究では,限られたデータセットと深層学習を用いた高解像度空中画像に都市木をマッピングする手法を提案する。
論文参考訳（メタデータ） (2023-11-20T08:09:54Z)
Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
論文参考訳（メタデータ） (2023-10-09T13:07:23Z)
Task Planning Support for Arborists and Foresters: Comparing Deep Learning Approaches for Tree Inventory and Tree Vitality Assessment Based on UAV-Data [0.8889304968879161]
気候危機とそれに関連する長い干ばつが、都市や森林の樹木の健康を脅かしている。本稿では,都市周辺の木々を気にする人々のタスクプランニングを改善するとともに,有用な情報を生成するオープンソースエンドツーエンドアプローチを提案する。我々のアプローチは、都市公園や森林の樹木在庫を作成するために使用されるRGBおよびマルチスペクトルUAVデータに基づいている。都市部における飛行ドローンに関するEUの規制により、多スペクトル衛星データと15の土壌水分センサーを使用して、木活力関連データを拡張する。
論文参考訳（メタデータ） (2023-07-04T11:15:27Z)
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)
Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
論文参考訳（メタデータ） (2023-04-14T15:52:57Z)
A Contextual Master-Slave Framework on Urban Region Graph for Urban Village Detection [68.84486900183853]
都市域を階層的にモデル化する都市域グラフ(URG)を構築した。そこで我々は,都市部をURGから効果的に検出する新しいコンテキスト・マスタ・スレーブ・フレームワークを設計した。提案手法は,都市部における紫外線検出の一般性と特異性のバランスをとることができる。
論文参考訳（メタデータ） (2022-11-26T18:17:39Z)
Monitoring Urban Forests from Auto-Generated Segmentation Maps [16.520025438843433]
本研究では, リモートセンシングデータに基づいて, 都市林の分布を定量化するための弱監督手法を提案する。概念実証として、ニューヨーク市コニーアイランド(ニューヨーク市)の都市林に対するハリケーン・サンディの影響を察知し、ニューヨーク市ブルックリン区の都市空間に対する影響の少ないことを言及する。
論文参考訳（メタデータ） (2022-06-14T16:06:58Z)
Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。木の根から葉までの経路は、個々の将来の軌跡を表す。 ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
論文参考訳（メタデータ） (2022-05-26T12:18:44Z)
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)
Urban Tree Species Classification Using Aerial Imagery [0.0]
都市木は気温の調整、エネルギー消費の削減、大気の質の向上、風速の低減、ヒートアイランド効果の緩和に役立つ。航空画像を用いた樹木の自動検出と種分類は、持続可能な森林管理と都市木管理のための強力なツールとなる。この研究はまず、Google Mapの空中画像を使用して、都市木のラベル付きデータセットを生成するパイプラインを提供する。次に、VGGやResNetといった最先端の畳み込みニューラルネットワークモデルが、異なるパラメータの下での都市ツリー空中画像の分類問題をどのように扱うかを検討する。
論文参考訳（メタデータ） (2021-07-07T12:30:22Z)

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。