論文の概要: Soil Organic Carbon Estimation from Climate-related Features with Graph
Neural Network
- arxiv url: http://arxiv.org/abs/2311.15979v1
- Date: Mon, 27 Nov 2023 16:25:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 14:14:37.531629
- Title: Soil Organic Carbon Estimation from Climate-related Features with Graph
Neural Network
- Title(参考訳): グラフニューラルネットワークによる気候特性からの土壌有機炭素推定
- Authors: Weiying Zhao and Natalia Efremova
- Abstract要約: 土壌有機炭素(SOC)は、地球規模の炭素循環において重要な役割を担い、気候動態に影響し、持続可能な土地と農業管理の正確な評価を必要とする。
最近の技術ソリューションは、リモートセンシング、機械学習、高解像度衛星マッピングを利用する。
本研究では, 土壌と気候の複雑な関係を捉えるために, 位置エンコーダの4つのGNN演算子を比較した。
その結果, PESAGEモデルとPETransformerモデルは, SOC推定において他のモデルよりも優れており, SOCと気候特性の複雑な関係を捉える可能性が示唆された。
- 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: Soil organic carbon (SOC) plays a pivotal role in the global carbon cycle,
impacting climate dynamics and necessitating accurate estimation for
sustainable land and agricultural management. While traditional methods of SOC
estimation face resolution and accuracy challenges, recent technological
solutions harness remote sensing, machine learning, and high-resolution
satellite mapping. Graph Neural Networks (GNNs), especially when integrated
with positional encoders, can capture complex relationships between soil and
climate. Using the LUCAS database, this study compared four GNN operators in
the positional encoder framework. Results revealed that the PESAGE and
PETransformer models outperformed others in SOC estimation, indicating their
potential in capturing the complex relationship between SOC and climate
features. Our findings confirm the feasibility of applications of GNN
architectures in SOC prediction, establishing a framework for future
explorations of this topic with more advanced GNN models.
- Abstract(参考訳): 土壌有機炭素(SOC)は、地球規模の炭素循環において重要な役割を担い、気候動態に影響し、持続可能な土地と農業管理の正確な評価を必要とする。
SOC推定の従来の手法は解像度と精度の課題があるが、最近の技術はリモートセンシング、機械学習、高解像度衛星マッピングを利用する。
グラフニューラルネットワーク(gnns)は、特に位置エンコーダと統合することで、土壌と気候の間の複雑な関係を捉えることができる。
LUCASデータベースを用いて、4つのGNN演算子を位置エンコーダフレームワークで比較した。
その結果, PESAGEモデルとPETransformerモデルは, SOC推定において他のモデルよりも優れており, SOCと気候特性の複雑な関係を捉える可能性を示した。
SOC予測におけるGNNアーキテクチャの適用可能性を確認し,より先進的なGNNモデルによる今後の研究の枠組みを確立した。
関連論文リスト
- Image-Based Soil Organic Carbon Remote Sensing from Satellite Images
with Fourier Neural Operator and Structural Similarity [3.754227691377835]
土壌有機炭素(SOC)は、土壌中の大気中の二酸化炭素の移動と貯蔵である。
フーリエニューラル演算子(FNO)に基づくFNO-DenseNetを提案する。
FNO-DenseNetは、ピクセルベースのランダムフォレストを平均絶対パーセンテージ誤差で18%上回った。
論文 参考訳(メタデータ) (2023-11-21T21:44:45Z) - SoilNet: An Attention-based Spatio-temporal Deep Learning Framework for
Soil Organic Carbon Prediction with Digital Soil Mapping in Europe [0.8312466807725919]
デジタル土壌マッピング(DSM)は、統計モデリングと最先端技術を統合する先進的なアプローチである。
本研究では,DSMフレームワークにおける空間時間深層学習(DL)技術の意義を明らかにする。
気候時空間情報とともに,ベース畳み込みニューラルネットワーク(CNN)モデルと空間的注意機構を用いて空間情報を取り入れた新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-08-07T13:44:44Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Super-Resolution of BVOC Maps by Adapting Deep Learning Methods [17.819699053848197]
生体内揮発性有機化合物(BVOC)は、生物圏-大気相互作用において重要な役割を果たす。
利用可能なほとんどのBVOCデータは、緩くスパースなサンプリンググリッドまたは小さな領域で得られる。
高解像度のBVOCデータは、大気質、大気化学、気候モニタリングなど多くの用途で望ましい。
論文 参考訳(メタデータ) (2023-02-15T10:21:38Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳(メタデータ) (2022-10-31T04:04:03Z) - Joint Study of Above Ground Biomass and Soil Organic Carbon for Total
Carbon Estimation using Satellite Imagery in Scotland [0.0]
ランドカーボンの検証は、長い間、カーボンクレジット市場の課題だった。
リモートセンシング技術により、土壌有機炭素(SOC)とAGB(Above Ground Biomass)の変化をモニタリングできる
論文 参考訳(メタデータ) (2022-05-08T20:23:30Z) - Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。
グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。
我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
論文 参考訳(メタデータ) (2021-12-21T16:10:45Z) - HECT: High-Dimensional Ensemble Consistency Testing for Climate Models [1.7587442088965226]
気候モデルは、気候変動が気候変動に与える影響を理解する上で重要な役割を担い、気候変動のリスクを軽減し、決定を通知する。
コミュニティアース・システム・モデル (CESM) のような大域的な気候モデルは、大気、陸、海、氷の相互作用を記述する数百万行のコードで非常に複雑である。
私たちの研究は、木に基づくアルゴリズムやディープニューラルネットワークのような確率論的手法を使って、高次元および人為的なデータの統計的に厳密な適合性テストを行います。
論文 参考訳(メタデータ) (2020-10-08T15:16:16Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z) - AM-GCN: Adaptive Multi-channel Graph Convolutional Networks [85.0332394224503]
グラフ畳み込みネットワーク(GCN)は,豊富な情報を持つ複雑なグラフにおいて,ノードの特徴と位相構造を最適に統合できるかどうかを検討する。
半教師付き分類(AM-GCN)のための適応型マルチチャネルグラフ畳み込みネットワークを提案する。
実験の結果,AM-GCNはノードの特徴とトポロジ的構造の両方から最も相関性の高い情報を抽出することがわかった。
論文 参考訳(メタデータ) (2020-07-05T08:16:03Z)
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。