論文の概要: Temporal Disaggregation of the Cumulative Grass Growth

• arxiv url: http://arxiv.org/abs/2212.10865v1
• Date: Wed, 21 Dec 2022 09:15:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 14:00:44.412916
• Title: Temporal Disaggregation of the Cumulative Grass Growth
• Title（参考訳）: 累積草生長の時間分解
• Authors: Thomas Guyet (BEAGLE), Laurent Spillemaecker (ENSAI), Simon Malinowski (LinkMedia, UR1), Anne-Isabelle Graux (PEGASE)
• Abstract要約: 草の生長に関する情報は、牧草地や干し草や草のサイレージのある納屋で家畜を養うためにこの資源をシミュレートするモデルに欠かせない。 課題は、通常の日中の気候データ(降雨、放射線など)と、年間を通じて累積的な成長という2つの情報源から草の生長を再構築することである。 年間を通じて成長曲線を歪めることが知られている季節的な気候現象の影響を捉えることができた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Information on the grass growth over a year is essential for some models simulating the use of this resource to feed animals on pasture or at barn with hay or grass silage. Unfortunately, this information is rarely available. The challenge is to reconstruct grass growth from two sources of information: usual daily climate data (rainfall, radiation, etc.) and cumulative growth over the year. We have to be able to capture the effect of seasonal climatic events which are known to distort the growth curve within the year. In this paper, we formulate this challenge as a problem of disaggregating the cumulative growth into a time series. To address this problem, our method applies time series forecasting using climate information and grass growth from previous time steps. Several alternatives of the method are proposed and compared experimentally using a database generated from a grassland process-based model. The results show that our method can accurately reconstruct the time series, independently of the use of the cumulative growth information.
• Abstract（参考訳）: 1年にわたる草の成長に関する情報は、牧草地や納屋で干し草や草のサイレージで動物を養うためにこの資源をシミュレートするいくつかのモデルにとって不可欠である。 残念ながら、この情報はめったに入手できない。 この課題は、通常の日々の気候データ(降雨、放射線など)と、年間を通じて累積的な成長という2つの情報から草の成長を再構築することである。 年間を通じて成長曲線を歪めることが知られている季節的な気候現象の影響を捉えなければならない。 本稿では,累積成長を時系列に分解する問題として,この課題を定式化する。 そこで本研究では,気候情報を用いた時系列予測と,過去の段階からの草の生育に適用する。 草地プロセスベースモデルから生成されたデータベースを用いて,提案手法のいくつかの代替案を提案し,比較した。 その結果,累積成長情報を用いずに時系列を正確に再構築できることが示唆された。

関連論文リスト

• A Study of Posterior Stability for Time-Series Latent Diffusion [59.41969496514184]
  まず,後部崩壊により可変オートエンコーダ(VAE)への潜伏拡散が減少し,表現性が低下することを示す。 次に、入力変数に対するリカレントデコーダの感度を定量化する、依存性測度という原則的手法を導入する。 理論的および実証的研究に基づいて,潜伏拡散を延長し,後部が安定な新しい枠組みを導入する。
  論文  参考訳（メタデータ） (2024-05-22T21:54:12Z)
• Combining Satellite and Weather Data for Crop Type Mapping: An Inverse Modelling Approach [23.23933321161625]
  天気(デイメット)と衛星画像(センチネル-2)を組み合わせて正確な作物地図を生成する深層学習モデルを提案する。 提案手法は,スペクトル画像のみに依存する既存のアルゴリズムよりも大幅に改善されていることを示す。 この結果と作物の表現学を関連づけることで,WSTATTが作物の成長の物理的特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2024-01-29T04:15:22Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  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。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 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)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• 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)
• Grape Cold Hardiness Prediction via Multi-Task Learning [18.979780350924635]
  秋から春にかけての低温は、ブドウや他の果実植物に凍害をもたらす可能性がある。 農家は、スプリンクラー、ヒーター、風車などの高価な凍害対策を展開し、損傷が生じる可能性があると判断する。 研究者らは、厳しいフィールド計測データに基づいて、異なるブドウ品種に調整できる冷硬度予測モデルを開発した。
  論文  参考訳（メタデータ） (2022-09-21T18:18:52Z)
• A GNN-RNN Approach for Harnessing Geospatial and Temporal Information: Application to Crop Yield Prediction [18.981160729510417]
  本稿では,地理的知識と時間的知識を両立させるため,収穫量予測のためのグラフベースの新しいリカレントニューラルネットワークを提案する。 米国本土41州から2000以上の郡で,1981年から2019年までの期間にわたって,本手法を訓練,検証,試験を行った。
  論文  参考訳（メタデータ） (2021-11-17T04:43:25Z)
• Handling Climate Change Using Counterfactuals: Using Counterfactuals in Data Augmentation to Predict Crop Growth in an Uncertain Climate Future [10.846915173217477]
  牧草地管理を支援することで、持続可能な乳製品栽培を支援するために設計されたCBRシステムを検討する。 気候変動に伴い、PBI-CBRの歴史的事例は将来の草の成長を予測するのに役に立ちません。 我々は、データ拡張を用いてPBI-CBRを拡張し、特に破壊的な気候イベントをカウンターファクトカル手法を用いて処理する。
  論文  参考訳（メタデータ） (2021-04-08T18:54:21Z)
• Resilient In-Season Crop Type Classification in Multispectral Satellite Observations using Growth Stage Normalization [2.4186361602373823]
  本研究では,中間空間分解能(30m)衛星データを用いた季節内作物型分類手法を提案する。 コンボリューション層とリカレント層の両方を利用したニューラルネットワークを用いて、ピクセルにトウモロコシ、大豆、または他の作物や土地被覆タイプが含まれているかどうかを予測する。 成長段階正規化時系列を用いたアプローチは、固定時間時系列よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-09-21T21:55:32Z)

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。