論文の概要: SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data
- arxiv url: http://arxiv.org/abs/2311.00936v1
- Date: Thu, 2 Nov 2023 02:00:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-03 15:19:06.840846
- Title: SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data
- Title(参考訳): SatBird:リモートセンシングと市民科学データを用いた鳥類種の分布モデリング
- Authors: M\'elisande Teng, Amna Elmustafa, Benjamin Akera, Yoshua Bengio, Hager
Radi Abdelwahed, Hugo Larochelle, David Rolnick
- Abstract要約: 本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
- 参考スコア(独自算出の注目度): 68.2366021016172
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Biodiversity is declining at an unprecedented rate, impacting ecosystem
services necessary to ensure food, water, and human health and well-being.
Understanding the distribution of species and their habitats is crucial for
conservation policy planning. However, traditional methods in ecology for
species distribution models (SDMs) generally focus either on narrow sets of
species or narrow geographical areas and there remain significant knowledge
gaps about the distribution of species. A major reason for this is the limited
availability of data traditionally used, due to the prohibitive amount of
effort and expertise required for traditional field monitoring. The wide
availability of remote sensing data and the growing adoption of citizen science
tools to collect species observations data at low cost offer an opportunity for
improving biodiversity monitoring and enabling the modelling of complex
ecosystems. We introduce a novel task for mapping bird species to their
habitats by predicting species encounter rates from satellite images, and
present SatBird, a satellite dataset of locations in the USA with labels
derived from presence-absence observation data from the citizen science
database eBird, considering summer (breeding) and winter seasons. We also
provide a dataset in Kenya representing low-data regimes. We additionally
provide environmental data and species range maps for each location. We
benchmark a set of baselines on our dataset, including SOTA models for remote
sensing tasks. SatBird opens up possibilities for scalably modelling properties
of ecosystems worldwide.
- Abstract(参考訳): 生物多様性は前例のないペースで減少しており、食物、水、人間の健康と幸福を確保するために必要な生態系サービスに影響を与える。
種の分布と生息地を理解することは保全政策計画に不可欠である。
しかしながら、種分布モデル(SDM)の生態学における伝統的な手法は、一般的に狭い種の集合か狭い地理的領域に焦点を合わせており、種の分布に関して重要な知識ギャップが残っている。
この主な理由は、従来のフィールド監視に必要な労力と専門知識が制限されているため、伝統的に使用されるデータの可用性が限られているためである。
リモートセンシングデータの普及と、低コストで種観測データを収集する市民科学ツールの普及により、生物多様性の監視を改善し、複雑な生態系のモデリングを可能にする機会が得られる。
本稿では,サテライト画像から種の出現率を予測することで,鳥種を生息地へマッピングする新たな課題を紹介し,夏(繁殖)と冬の季節を考慮した,市民科学データベース eBird の観測データから得られたラベルを米国内の衛星データセットである SatBird について紹介する。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
また,環境データと種域マップを各場所に提供した。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
SatBirdは、世界中の生態系の性質をうまくモデル化する可能性を開く。
関連論文リスト
- 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) - Bird Distribution Modelling using Remote Sensing and Citizen Science
data [31.375576105932442]
気候変動は生物多様性の喪失の主要な要因である。
種の分布には大きな知識ギャップがある。
本稿では,コンピュータビジョンを利用した種分散モデルの改良手法を提案する。
論文 参考訳(メタデータ) (2023-05-01T20:27:11Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳(メタデータ) (2022-09-28T18:51:59Z) - Ensembles of Vision Transformers as a New Paradigm for Automated
Classification in Ecology [0.0]
データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。
テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
論文 参考訳(メタデータ) (2022-03-03T14:16:22Z) - Seeing biodiversity: perspectives in machine learning for wildlife
conservation [49.15793025634011]
機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。
本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
論文 参考訳(メタデータ) (2021-10-25T13:40:36Z) - Inter and Intra-Annual Spatio-Temporal Variability of Habitat
Suitability for Asian Elephants in India: A Random Forest Model-based
Analysis [1.370633147306388]
インドにおけるアジアゾウの種分布を推定するランダムフォレストモデルを構築した。
好適な生息地の季節的減少は、アジアゾウの出現パターンと人・エレファント紛争の増加を説明する可能性がある。
論文 参考訳(メタデータ) (2021-07-22T06:42:54Z) - Florida Wildlife Camera Trap Dataset [48.99466876948454]
フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。
データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
論文 参考訳(メタデータ) (2021-06-23T18:53:15Z) - The GeoLifeCLEF 2020 Dataset [13.274586385114622]
我々は、高解像度のリモートセンシング画像、土地被覆データ、高度と組み合わせた190万種の観測結果からなるGeoLifeCLEF 2020データセットを提示する。
我々はまた、GeoLifeCLEF 2020コンペティションについても論じる。
論文 参考訳(メタデータ) (2020-04-08T18:30:00Z)
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。