論文の概要: LiDAR data acquisition and processing for ecology applications
- arxiv url: http://arxiv.org/abs/2401.05891v1
- Date: Thu, 11 Jan 2024 13:03:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-12 14:38:43.550089
- Title: LiDAR data acquisition and processing for ecology applications
- Title（参考訳）: 生態学応用のためのLiDARデータ取得と処理
- Authors: Ion Ciobotari and Adriana Pr\'incipe and Maria Alexandra Oliveira and
Jo\~ao Nuno Silva
- Abstract要約: 地球レーザースキャナー (TLS) は、植生の3次元構造を再構築するために生態学に用いられている。
LiDARの向きは垂直面で観測するために変更され、モーターが回転するために統合された。
得られたデータから,植生高さに沿った点密度変動のヒストグラムを作成した。
- 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: The collection of ecological data in the field is essential to diagnose,
monitor and manage ecosystems in a sustainable way. Since acquisition of this
information through traditional methods are generally time-consuming, due to
the capability of recording large volumes of data in short time periods,
automation of data acquisition sees a growing trend. Terrestrial laser scanners
(TLS), particularly LiDAR sensors, have been used in ecology, allowing to
reconstruct the 3D structure of vegetation, and thus, infer ecosystem
characteristics based on the spatial variation of the density of points.
However, the low amount of information obtained per beam, lack of data analysis
tools and the high cost of the equipment limit their use. This way, a low-cost
TLS (<10k$) was developed along with data acquisition and processing mechanisms
applicable in two case studies: an urban garden and a target area for
ecological restoration. The orientation of LiDAR was modified to make
observations in the vertical plane and a motor was integrated for its rotation,
enabling the acquisition of 360 degree data with high resolution. Motion and
location sensors were also integrated for automatic error correction and
georeferencing. From the data generated, histograms of point density variation
along the vegetation height were created, where shrub stratum was easily
distinguishable from tree stratum, and maximum tree height and shrub cover were
calculated. These results agreed with the field data, whereby the developed TLS
has proved to be effective in calculating metrics of structural complexity of
vegetation.
- Abstract（参考訳）: この分野の生態データの収集は、持続可能な方法で生態系の診断、監視、管理に不可欠である。
従来の手法によるこの情報の取得は、短時間で大量のデータを記録できるため、一般的に時間を要するため、データ取得の自動化がトレンドとなっている。
地上レーザースキャナー(tls)、特にライダーセンサーは生態学において用いられており、植生の3次元構造を再構築し、ポイント密度の空間的変動に基づいて生態系特性を推定している。
しかし, ビーム当たりの情報量, データ解析ツールの欠如, 機器の高コスト化により使用が制限された。
このようにして,都市庭園と環境修復対象地域という2つの事例研究で適用可能なデータ取得・処理機構とともに,低コストなtls (<10k$)を開発した。
LiDARの向きは垂直面で観測するために変更され、モーターが回転するために統合され、高解像度で360度データの取得が可能になった。
動きと位置センサーは自動誤差補正とジオレファレンスのために統合された。
得られたデータから,植生高度に沿った点密度変動のヒストグラムを作成し,低木層が樹木層と容易に区別でき,最大樹高と低木被覆が算出された。
これらの結果はフィールドデータと一致し, 植生の構造的複雑さの指標の算出にはtlsが有効であることが判明した。
関連論文リスト
- Tree Species Classification using Machine Learning and 3D Tomographic SAR -- a case study in Northern Europe [0.0]
樹木種の分類は、自然保護、森林在庫、森林管理、絶滅危惧種の保護において重要な役割を担っている。
本研究では,SLC(Single-look Complex)画像のスタックを利用した3次元トモグラフィーデータセットであるTtomoSenseを用いた。
論文 参考訳（メタデータ） (2024-11-19T22:25:26Z) - Low-Cost Tree Crown Dieback Estimation Using Deep Learning-Based Segmentation [0.0]
深層学習と植生指標に基づくアプローチを用いて,LiDARなどの高価な機器を必要とせずに,RGB空中データからクラウンダイバックを評価する。
基礎となるMask R-CNNモデルのさらなる技術開発を必要とせず、高い全体セグメント化精度(mAP:0.519)を得る。
本研究は,森林ダイバックモニタリングの網羅性,速度,コストを改善するため,ディープラーニングの適用を含む自動データ収集および処理の可能性を示すものである。
論文 参考訳（メタデータ） (2024-09-12T16:03:56Z) - Spatiotemporal Transformer for Imputing Sparse Data: A Deep Learning
Approach [19.665820528292798]
本稿では,スパースデータセットの欠落値問題に対処するため,新しいStemporal Transformerモデル(ST-Transformer)を提案する。
このモデルは、自制的なアプローチでトレーニングされており、観察されたデータポイントから欠落した値を自律的に予測することができる。
その効果は、テキサス州の36km×36kmグリッド上のSMAP 1土壌水分データに適用することで実証される。
論文 参考訳（メタデータ） (2023-12-01T22:39:02Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
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。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - SSL-SoilNet: A Hybrid Transformer-based Framework with Self-Supervised Learning for Large-scale Soil Organic Carbon Prediction [2.554658234030785]
本研究は,自己指導型コントラスト学習を通じて,マルチモーダル特徴間の地理的関連を学習することを目的とした,新しいアプローチを提案する。
提案手法は、2つの異なる大規模データセットに対して厳密なテストを行っている。
論文 参考訳（メタデータ） (2023-08-07T13:44:44Z) - 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) - 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) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳（メタデータ） (2023-03-21T03:15:29Z) - 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) - Deep residential representations: Using unsupervised learning to unlock
elevation data for geo-demographic prediction [0.0]
LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。
現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。
我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
論文 参考訳（メタデータ） (2021-12-02T17:10:52Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z)
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。