論文の概要: Task Planning Support for Arborists and Foresters: Comparing Deep
Learning Approaches for Tree Inventory and Tree Vitality Assessment Based on
UAV-Data
- arxiv url: http://arxiv.org/abs/2307.01651v1
- Date: Tue, 4 Jul 2023 11:15:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 17:18:28.823876
- Title: Task Planning Support for Arborists and Foresters: Comparing Deep
Learning Approaches for Tree Inventory and Tree Vitality Assessment Based on
UAV-Data
- Title（参考訳）: アーボリストと森林労働者のタスクプランニング支援:UAVデータに基づく樹木の深層学習アプローチと樹木の生力評価の比較
- Authors: Jonas-Dario Troles and Richard Nieding and Sonia Simons and Ute Schmid
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.8889304968879161
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Climate crisis and correlating prolonged, more intense periods of drought
threaten tree health in cities and forests. In consequence, arborists and
foresters suffer from increasing workloads and, in the best case, a consistent
but often declining workforce. To optimise workflows and increase productivity,
we propose a novel open-source end-to-end approach that generates helpful
information and improves task planning of those who care for trees in and
around cities. Our approach is based on RGB and multispectral UAV data, which
is used to create tree inventories of city parks and forests and to deduce tree
vitality assessments through statistical indices and Deep Learning. Due to EU
restrictions regarding flying drones in urban areas, we will also use
multispectral satellite data and fifteen soil moisture sensors to extend our
tree vitality-related basis of data. Furthermore, Bamberg already has a
georeferenced tree cadastre of around 15,000 solitary trees in the city area,
which is also used to generate helpful information. All mentioned data is then
joined and visualised in an interactive web application allowing arborists and
foresters to generate individual and flexible evaluations, thereby improving
daily task planning.
- Abstract（参考訳）: 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。
その結果、アーボリストや森林労働者はワークロードの増加に悩まされ、最良の場合、一貫したがしばしば減少する。
ワークフローの最適化と生産性向上を目的として,都市周辺の木々を気にする人たちのタスクプランニングを改善する,オープンソースのエンドツーエンドアプローチを提案する。
提案手法は,都市公園や森林の樹木在庫の作成や,統計指標や深層学習による樹木の活力評価を行うために,RGBおよび多スペクトルUAVデータに基づく。
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。
さらにバンバーグには、市内に約15,000本の孤立した樹林があり、有用な情報を生み出すためにも使われている。
上記のデータはすべて対話型Webアプリケーションに結合して視覚化され、アーボリストや森林労働者は個人的かつ柔軟な評価を生成でき、日々のタスク計画を改善することができる。
関連論文リスト
- Automated forest inventory: analysis of high-density airborne LiDAR
point clouds with 3D deep learning [16.071397465972893]
ForAINetは多様な森林タイプや地理的地域をまたいでセグメンテーションを行うことができる。
システムは、調査ドローンを使用して5つの国で取得されたポイントクラウドのデータセットであるFor-Instanceでテストされている。
論文 参考訳（メタデータ） (2023-12-22T21:54:35Z) - 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) - Tree-Planner: Efficient Close-loop Task Planning with Large Language
Models [65.16099990195016]
Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。
Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-10-12T17:59:50Z) - 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) - TreeLearn: A Comprehensive Deep Learning Method for Segmenting
Individual Trees from Ground-Based LiDAR Forest Point Clouds [42.87502453001109]
森林点雲のツリーインスタンスセグメンテーションのためのディープラーニングに基づくアプローチであるTreeLearnを提案する。
TreeLearnは、すでにセグメンテーションされたポイントクラウドにデータ駆動でトレーニングされているため、事前に定義された機能やアルゴリズムに依存しない。
我々は、Lidar360ソフトウェアを使って6665本の木の森林点雲上でTreeLearnを訓練した。
論文 参考訳（メタデータ） (2023-09-15T15:20:16Z) - Estimating Chicago's tree cover and canopy height using multi-spectral
satellite imagery [2.538209532048867]
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。
論文 参考訳（メタデータ） (2022-12-09T10:12:34Z) - 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) - Tree Reconstruction using Topology Optimisation [0.685316573653194]
本稿では,点雲データから木の枝構造を抽出する一般的な手法を提案する。
本稿では,木構造復元における新しいアプローチの利点と欠点について論じる。
本手法は,ほとんどの場合,詳細かつ正確な木構造を生成する。
論文 参考訳（メタデータ） (2022-05-26T07:08:32Z) - Visualizing hierarchies in scRNA-seq data using a density tree-biased
autoencoder [50.591267188664666]
本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。
次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
論文 参考訳（メタデータ） (2021-02-11T08:48:48Z) - Growing Deep Forests Efficiently with Soft Routing and Learned
Connectivity [79.83903179393164]
この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。
我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。
MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
論文 参考訳（メタデータ） (2020-12-29T18:05:05Z) - Planting trees at the right places: Recommending suitable sites for
growing trees using algorithm fusion [24.633323508534254]
我々は,物理に基づく伝統的な林業科学知識と機械学習を組み合わせたアルゴリズム融合に基づくePSAレコメンデーションシステムを開発した。
ePSA森林管理官は、森林地帯内のブランクパッチを識別し、木の成長ポテンシャルに基づいて各パッチをランキングする。
実験, ユーザスタディ, 展開の結果は, 北インド以北における炭素削減のための自然環境ソリューションとして, 樹木プランテーションの長期的成功を形作る上で, 推奨システムの有用性を特徴づけるものである。
論文 参考訳（メタデータ） (2020-09-17T01:17:13Z)
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。