論文の概要: Bayesian inversion of GPR waveforms for sub-surface material characterization: an uncertainty-aware retrieval of soil moisture and overlaying biomass properties

• arxiv url: http://arxiv.org/abs/2312.07928v2
• Date: Fri, 28 Jun 2024 22:00:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-02 15:37:58.206875
• Title: Bayesian inversion of GPR waveforms for sub-surface material characterization: an uncertainty-aware retrieval of soil moisture and overlaying biomass properties
• Title（参考訳）: 地下物質特性評価のためのGPR波形のベイズインバージョン:土壌水分の不確実性を考慮した検索とオーバーレイバイオマス特性
• Authors: Ishfaq Aziz, Elahe Soltanaghai, Adam Watts, Mohamad Alipour,
• Abstract要約: オーバーレイ層の特性評価は,山火事リスク評価などの応用に不可欠である。 本研究では,地中レーダ(GPR)波形に対するベイズモデル更新手法を提案する。 提案手法は不確実性を考慮した地下パラメータ推定のための有望な手法を提供する。
• 参考スコア（独自算出の注目度）: 0.7874708385247353
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate estimation of sub-surface properties such as moisture content and depth of soil and vegetation layers is crucial for applications spanning sub-surface condition monitoring, precision agriculture, and effective wildfire risk assessment. Soil in nature is often covered by overlaying vegetation and surface organic material, making its characterization challenging. In addition, the estimation of the properties of the overlaying layer is crucial for applications like wildfire risk assessment. This study thus proposes a Bayesian model-updating-based approach for ground penetrating radar (GPR) waveform inversion to predict moisture contents and depths of soil and overlaying material layer. Due to its high correlation with moisture contents, the dielectric permittivity of both layers were predicted with the proposed method, along with other parameters, including depth and electrical conductivity of layers. The proposed Bayesian model updating approach yields probabilistic estimates of these parameters that can provide information about the confidence and uncertainty related to the estimates. The methodology was evaluated for a diverse range of experimental data collected through laboratory and field investigations. Laboratory investigations included variations in soil moisture values, depth of the overlaying surface layer, and coarseness of its material. The field investigation included measurement of field soil moisture for sixteen days. The results demonstrated predictions consistent with time-domain reflectometry (TDR) measurements and conventional gravimetric tests. The depth of the surface layer could also be predicted with reasonable accuracy. The proposed method provides a promising approach for uncertainty-aware sub-surface parameter estimation that can enable decision-making for risk assessment across a wide range of applications.
• Abstract（参考訳）: 地下環境モニタリング, 精密農業, 効果的な山火事リスク評価などに適用するには, 土壌・植生層の水分含量や深度などの地下特性の正確な推定が不可欠である。 自然界の土壌は、しばしば植生と表面有機物によって覆われ、その特性を困難にしている。 さらに,山火事リスク評価などのアプリケーションには,オーバーレイ層の特性評価が不可欠である。 本研究では,地中レーダ(GPR)波形インバージョンに対するベイズモデル更新手法を提案する。 両層の誘電率と含水率との相関が強いことから, 両層の誘電率を, 層厚, 導電率などの他のパラメータとともに予測した。 提案したベイズモデル更新アプローチは、これらのパラメータの確率的推定をもたらし、その推定に関する信頼性と不確実性に関する情報を提供する。 本手法は,実験室および現地調査を通じて収集した多種多様な実験データに対して評価された。 実験室では, 土壌水分値, 表層深度, 材料粗さの変動について検討した。 現地調査には16日間の土壌水分の測定が含まれていた。 その結果, 時間領域反射法(TDR)の測定値と従来の重力測定値とが一致した予測値が得られた。 表面層の深さは、正確な精度で予測することもできる。 提案手法は,不確実性を考慮した地表面パラメータ推定のための有望な手法であり,広範囲のアプリケーションにおいてリスク評価のための意思決定を可能にする。

関連論文リスト

• ScaleDepth: Decomposing Metric Depth Estimation into Scale Prediction and Relative Depth Estimation [62.600382533322325]
  本研究では,新しい単分子深度推定法であるScaleDepthを提案する。 提案手法は,距離深度をシーンスケールと相対深度に分解し,セマンティック・アウェア・スケール予測モジュールを用いて予測する。 本手法は,室内と屋外の両方のシーンを統一した枠組みで距離推定する。
  論文  参考訳（メタデータ） (2024-07-11T05:11:56Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• A Segment-Wise Gaussian Process-Based Ground Segmentation With Local Smoothness Estimation [3.42658286826597]
  地上と前方の表面の正確な情報モデルは、航行と障害物回避に不可欠である。 乱れや荒れの場面では、地表の特徴と機能の関係は地面の異なる領域で異なる可能性がある。 局所的な滑らかさを推定するセグメントワイズGPに基づくグラウンドセグメンテーション法を提案する。
  論文  参考訳（メタデータ） (2022-10-19T12:42:21Z)
• Impact of sensor placement in soil water estimation: A real-case study [0.0]
  カナダ・アルバータ州レスブリッジの実際の農地における土壌水分推定におけるセンサ配置の影響について検討した。 本研究では, 不均質土壌パラメータを持つ3次元農業水理モデルを開発した。 最適センサ位置を決定するために3次元システムに観測可能性のモーダル度を適用した。
  論文  参考訳（メタデータ） (2022-03-13T02:46:27Z)
• Artificial Intelligence Hybrid Deep Learning Model for Groundwater Level Prediction Using MLP-ADAM [0.0]
  本稿では,多層パーセプトロンを用いて地下水位をシミュレーションする。 この問題には適応モーメント推定アルゴリズムも用いられる。 その結果,ディープラーニングアルゴリズムは高精度な予測が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T10:11:45Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
  本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。 擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。 実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-09-27T13:26:16Z)
• SMArtCast: Predicting soil moisture interpolations into the future using Earth observation data in a deep learning framework [0.8399688944263843]
  本研究では,衛星画像から土壌水分と植生の計測を行った。 システムは、これらの測定の将来の値を予測することを学習する。 これは、モニタリング能力に制限のある地域で作物に好ましくない土壌水分を警告する可能性がある。
  論文  参考訳（メタデータ） (2020-03-16T23:06:14Z)

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。