論文の概要: Challenges in data-based geospatial modeling for environmental research
and practice
- arxiv url: http://arxiv.org/abs/2311.11057v1
- Date: Sat, 18 Nov 2023 12:30:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 12:43:38.242555
- Title: Challenges in data-based geospatial modeling for environmental research
and practice
- Title（参考訳）: 環境研究・実践のためのデータベース地理空間モデリングの課題
- Authors: Diana Koldasbayeva, Polina Tregubova, Mikhail Gasanov, Alexey Zaytsev,
Anna Petrovskaia, Evgeny Burnaev
- Abstract要約: 機械学習(ML)を用いたデータに基づく地理空間モデリングが環境研究で人気を博している。
本研究では,不均衡データ,空間自己相関,予測誤差,モデル一般化,ドメイン特異性,不確実性推定など,地理空間モデリングにおける一般的なニュアンスについて検討する。
- 参考スコア（独自算出の注目度）: 19.316860936437823
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: With the rise of electronic data, particularly Earth observation data,
data-based geospatial modelling using machine learning (ML) has gained
popularity in environmental research. Accurate geospatial predictions are vital
for domain research based on ecosystem monitoring and quality assessment and
for policy-making and action planning, considering effective management of
natural resources. The accuracy and computation speed of ML has generally
proved efficient. However, many questions have yet to be addressed to obtain
precise and reproducible results suitable for further use in both research and
practice. A better understanding of the ML concepts applicable to geospatial
problems enhances the development of data science tools providing transparent
information crucial for making decisions on global challenges such as biosphere
degradation and climate change. This survey reviews common nuances in
geospatial modelling, such as imbalanced data, spatial autocorrelation,
prediction errors, model generalisation, domain specificity, and uncertainty
estimation. We provide an overview of techniques and popular programming tools
to overcome or account for the challenges. We also discuss prospects for
geospatial Artificial Intelligence in environmental applications.
- Abstract（参考訳）: 電子データ,特に地球観測データの増加に伴い,機械学習(ML)を用いたデータに基づく地理空間モデリングが環境研究で人気を集めている。
正確な地理空間予測は、生態系のモニタリングと品質評価に基づくドメイン研究や、天然資源の効率的な管理を考慮した政策作成と行動計画に不可欠である。
MLの精度と計算速度は一般に効率的であることが証明されている。
しかし、研究と実践の両方でさらなる使用に適した正確で再現可能な結果を得るためには、まだ多くの疑問が解決されていない。
地理空間問題に適用可能なMLの概念をより深く理解することで、バイオスフィアの劣化や気候変動といった世界的な課題の決定に不可欠な透明な情報を提供するデータサイエンスツールの開発が促進される。
本研究では,不均衡データ,空間自己相関,予測誤差,モデル一般化,ドメイン特異性,不確実性推定など,地理空間モデリングにおける一般的なニュアンスについて検討する。
課題を克服または説明するためのテクニックと一般的なプログラミングツールの概要を提供する。
環境応用における地理空間人工知能の展望についても論じる。
関連論文リスト
- Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - Self-supervised Learning for Geospatial AI: A Survey [21.504978593542354]
自己教師付き学習(SSL)は地理空間データに採用されていることで注目を集めている。
本稿では,地理空間ベクトルデータで広く用いられている3種類の一次データ(幾何学)に対して,SSL技術の適用および開発に関する包括的かつ最新の調査を行う。
論文 参考訳（メタデータ） (2024-08-22T05:28:22Z) - Beyond Tides and Time: Machine Learning Triumph in Water Quality [0.0]
この研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としている。
我々の研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としています。
論文 参考訳（メタデータ） (2023-09-29T03:33:53Z) - Evaluation Challenges for Geospatial ML [5.576083740549639]
地理空間機械学習モデルと地図は、科学と政策の下流分析にますます使われている。
空間機械学習出力の正確な測定方法は議論の的となっている。
本稿では,グローバルあるいはリモートセンシングされたデータセットを用いた地理空間機械学習におけるモデル評価のユニークな課題について述べる。
論文 参考訳（メタデータ） (2023-03-31T14:24:06Z) - GFlowNets for AI-Driven Scientific Discovery [74.27219800878304]
我々はGFlowNetsと呼ばれる新しい確率論的機械学習フレームワークを提案する。
GFlowNetsは、実験科学ループのモデリング、仮説生成、実験的な設計段階に適用できる。
我々は、GFlowNetsがAIによる科学的発見の貴重なツールになり得ると論じている。
論文 参考訳（メタデータ） (2023-02-01T17:29:43Z) - Predictive World Models from Real-World Partial Observations [66.80340484148931]
本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。
従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
論文 参考訳（メタデータ） (2023-01-12T02:07:26Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳（メタデータ） (2021-04-10T13:40:22Z) - A Survey on Spatial and Spatiotemporal Prediction Methods [4.353444564058085]
本稿では,空間時間予測の原理と手法を体系的に検討する。
我々は、それらが対処する主要な課題によって分類された方法の分類を提供する。
論文 参考訳（メタデータ） (2020-12-24T18:17:35Z)
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。