論文の概要: Estimating optical vegetation indices with Sentinel-1 SAR data and AutoML

• arxiv url: http://arxiv.org/abs/2311.07537v1
• Date: Mon, 13 Nov 2023 18:23:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 13:10:59.039589
• Title: Estimating optical vegetation indices with Sentinel-1 SAR data and AutoML
• Title（参考訳）: Sentinel-1 SARデータとAutoMLによる光植生指標の推定
• Authors: Daniel Paluba, Bertrand Le Saux, Francesco Sarti, P\v{r}emysl Stych
• Abstract要約: 現在の森林生態系モニタリング用光植生指標(VIs)は,様々な用途で広く利用されている。 光衛星データに基づく継続的な監視は、雲のような大気の影響によって妨げられる。 本研究の目的は、SARデータによる光学データに影響を与える問題を克服し、機械学習を用いて森林の光VIを推定する代替手段として機能することである。
• 参考スコア（独自算出の注目度）: 32.19783248549554
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current optical vegetation indices (VIs) for monitoring forest ecosystems are widely used in various applications. However, continuous monitoring based on optical satellite data can be hampered by atmospheric effects such as clouds. On the contrary, synthetic aperture radar (SAR) data can offer insightful and systematic forest monitoring with complete time series due to signal penetration through clouds and day and night acquisitions. The goal of this work is to overcome the issues affecting optical data with SAR data and serve as a substitute for estimating optical VIs for forests using machine learning. Time series of four VIs (LAI, FAPAR, EVI and NDVI) were estimated using multitemporal Sentinel-1 SAR and ancillary data. This was enabled by creating a paired multi-temporal and multi-modal dataset in Google Earth Engine (GEE), including temporally and spatially aligned Sentinel-1, Sentinel-2, digital elevation model (DEM), weather and land cover datasets (MMT-GEE). The use of ancillary features generated from DEM and weather data improved the results. The open-source Automatic Machine Learning (AutoML) approach, auto-sklearn, outperformed Random Forest Regression for three out of four VIs, while a 1-hour optimization length was enough to achieve sufficient results with an R2 of 69-84% low errors (0.05-0.32 of MAE depending on VI). Great agreement was also found for selected case studies in the time series analysis and in the spatial comparison between the original and estimated SAR-based VIs. In general, compared to VIs from currently freely available optical satellite data and available global VI products, a better temporal resolution (up to 240 measurements/year) and a better spatial resolution (20 m) were achieved using estimated SAR-based VIs. A great advantage of the SAR-based VI is the ability to detect abrupt forest changes with a sub-weekly temporal accuracy.
• Abstract（参考訳）: 現在の森林生態系モニタリング用光植生指標(VIs)は,様々な用途で広く利用されている。 しかし、光学衛星データに基づく連続監視は、雲などの大気効果によって阻害される可能性がある。 それとは対照的に、合成開口レーダ(SAR)データにより、雲や昼夜の取得による信号の侵入による完全時系列の森林モニタリングが可能となる。 本研究の目的は,sarデータを用いた光データへの影響を克服し,機械学習による森林の光vis推定の代替として利用することにある。 4つのVIの時系列 (LAI, FAPAR, EVI, NDVI) をマルチテンポラルセンチネル-1 SARとアシラリーデータを用いて推定した。 これはGoogle Earth Engine(GEE)に、時間的および空間的に整列したSentinel-1、Sentinel-2、デジタル高度モデル(DEM)、気象および土地被覆データセット(MMT-GEE)を含む、複数の時間的およびマルチモーダルデータセットを作成することで実現された。 DEMから発生する補助的特徴と気象データを用いることで、結果が改善された。 オープンソース自動機械学習(automl)アプローチであるauto-sklearnは、4つのvisのうち3つでランダムフォレスト回帰を上回り、1時間の最適化期間は69-84%の低エラー(viによっては0.05-0.32のmae)のr2で十分な結果を得るのに十分であった。 また, 時系列解析における選択事例研究や, SAR と推定された VI の空間比較においても大きな一致が認められた。 一般に、現在利用可能な光衛星データと利用可能なグローバルVI製品から得られるVIと比較すると、時間分解能(最大240測定/年)と空間分解能(20m)は推定されたSARベースのVIを用いて達成された。 SARベースのVIの大きな利点は、急激な森林変動を週単位の時間的精度で検出できることである。

関連論文リスト

• Comparing remote sensing-based forest biomass mapping approaches using new forest inventory plots in contrasting forests in northeastern and southwestern China [6.90293949599626]
  大規模高空間分解能地上バイオマス(AGB)マップは、森林炭素ストックの決定と変化の過程において重要な役割を担っている。 GEDIは、散布された足跡を収集するサンプリング装置であり、そのデータは他の連続カバー衛星のデータと組み合わせて高解像度の地図を作成する必要がある。 GEDI L2Aデータから森林AGBを推定するローカルモデルを開発した。
  論文  参考訳（メタデータ） (2024-05-24T11:10:58Z)
• SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
  我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。 私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。 私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2024-03-11T09:20:40Z)
• Creating and Leveraging a Synthetic Dataset of Cloud Optical Thickness Measures for Cloud Detection in MSI [3.4764766275808583]
  雲の形成は、しばしば地球の地表を観測する光学衛星による不明瞭な観測である。 雲の光学的厚さ推定のための新しい合成データセットを提案する。 信頼性と汎用性を備えたクラウドマスクを実データで取得するために活用する。
  論文  参考訳（メタデータ） (2023-11-23T14:28:28Z)
• Combining multitemporal optical and SAR data for LAI imputation with BiLSTM network [0.0]
  葉面積指数(LAI)は冬のコムギ収量の予測に不可欠である。センチネル-2リモートセンシング画像による収穫条件の取得は、持続的な雲によって妨げられ、収量予測に影響を及ぼす。 本研究では,LAI計算における時系列Sentinel-1 VH/VVの有用性について検討し,空間時間密度の向上を目的とした。 我々は、双方向LSTM(BiLSTM)ネットワークを用いて時系列LAIをインプットし、損失関数として各ステップの半平均2乗誤差を使用する。
  論文  参考訳（メタデータ） (2023-07-14T15:59:19Z)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• 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)
• 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)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• Fusing Optical and SAR time series for LAI gap filling with multioutput Gaussian processes [6.0122901245834015]
  農地上の永久雲は、作物の生育の重要な段階を隠蔽し、信頼できない収量予測をもたらす。 SAR(Synthetic Aperture Radar)は、この制限を克服できるオールウェザー画像を提供する。 本稿では,マルチセンサ時系列間の統計的関係を自動的に学習する機械学習手法であるMOGP回帰(Multi-Output Gaussian Process)を提案する。
  論文  参考訳（メタデータ） (2020-12-05T10:36:45Z)
• SpaceNet 6: Multi-Sensor All Weather Mapping Dataset [13.715388432549373]
  オープンなMulti-Sensor All Weather Mapping (MSAW)データセットと課題について述べる。 MSAWは複数の重なり合う集合体を120 km2で覆っており、48,000以上のユニークな建物フットプリントラベルがアノテートされている。 我々は,SARデータを用いた足跡抽出のためのベースラインとベンチマークを提案し,光学データに基づいて事前訓練された最先端セグメンテーションモデルを発見し,SARで訓練した。
  論文  参考訳（メタデータ） (2020-04-14T13:43:11Z)

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。