論文の概要: Towards Global Glacier Mapping with Deep Learning and Open Earth
Observation Data
- arxiv url: http://arxiv.org/abs/2401.15113v1
- Date: Thu, 25 Jan 2024 20:41:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 19:48:59.813094
- Title: Towards Global Glacier Mapping with Deep Learning and Open Earth
Observation Data
- Title(参考訳): 深層学習とオープンアース観測データを用いたグローバル氷河マッピングに向けて
- Authors: Konstantin A. Maslov and Claudio Persello and Thomas Schellenberger
and Alfred Stein
- Abstract要約: Glacier-VisionTransformer-U-Net (GlaViTU) は畳み込み変換型ディープラーニングモデルである。
オープン衛星画像を用いた多時空間規模の氷河マッピングのための5つの戦略を提案する。
- 参考スコア(独自算出の注目度): 0.7851536646859476
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Accurate global glacier mapping is critical for understanding climate change
impacts. It is challenged by glacier diversity, difficult-to-classify debris
and big data processing. Here we propose Glacier-VisionTransformer-U-Net
(GlaViTU), a convolutional-transformer deep learning model, and five strategies
for multitemporal global-scale glacier mapping using open satellite imagery.
Assessing the spatial, temporal and cross-sensor generalisation shows that our
best strategy achieves intersection over union >0.85 on previously unobserved
images in most cases, which drops to >0.75 for debris-rich areas such as
High-Mountain Asia and increases to >0.90 for regions dominated by clean ice.
Additionally, adding synthetic aperture radar data, namely, backscatter and
interferometric coherence, increases the accuracy in all regions where
available. The calibrated confidence for glacier extents is reported making the
predictions more reliable and interpretable. We also release a benchmark
dataset that covers 9% of glaciers worldwide. Our results support efforts
towards automated multitemporal and global glacier mapping.
- Abstract(参考訳): 正確な世界氷河マッピングは気候変動の影響を理解するために重要である。
氷河の多様性、破片の分類が難しいこと、ビッグデータ処理に悩まされている。
本稿では,glacier-visiontransformer-u-net (glavitu),畳み込み変換型深層学習モデル,オープン衛星画像を用いた多時期的グローバルスケール氷河マッピングのための5つの戦略を提案する。
空間的, 時間的, クロスセンサーの一般化を評価することで, 従来観測されていなかった画像に対して, 我々の最善策は >0.85 の団結を達成し, 高山アジアなどの破片の多い地域では >0.75 まで低下し, クリーンアイスが支配する地域では >0.90 まで上昇することを示す。
さらに、合成開口レーダデータ、すなわち後方散乱と干渉コヒーレンスを追加することで、利用可能なすべての領域の精度が向上する。
氷河の度合いの調整された信頼性が報告され、予測はより信頼性が高く解釈可能である。
また、世界中の氷河の9%をカバーするベンチマークデータセットもリリースしました。
本研究は, 自動多時期・グローバル氷河マッピングへの取り組みを支援する。
関連論文リスト
- Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です
深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。
本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
論文 参考訳(メタデータ) (2023-02-06T12:39:40Z) - Boundary Aware U-Net for Glacier Segmentation [1.1715858161748574]
大規模で空間的に重複しないクリーンな氷河氷と破片で覆われた氷河氷の分断のために,U-Netの修正版を提案する。
破砕した氷河氷のセグメンテーション性能を向上させるために, 新たな自己学習境界認識損失を導入する。
我々は、ランドサット7号の画像から、赤、短波赤外、近赤外線の帯が、破片で覆われた氷河の分断に最も寄与していると結論付けた。
論文 参考訳(メタデータ) (2023-01-26T22:58:23Z) - GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。
全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。
我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文 参考訳(メタデータ) (2022-12-24T18:15:39Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳(メタデータ) (2022-11-03T17:19:43Z) - GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine
Glacier Mapping [5.953569982292301]
氷河の幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制と感受性を理解するのに不可欠である。
デブリ被覆氷河(DCG)の正確なマッピングは、スペクトル情報と従来の機械学習技術によって難しいことが知られている。
本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
論文 参考訳(メタデータ) (2022-04-06T14:39:34Z) - 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) - Physically-Consistent Generative Adversarial Networks for Coastal Flood
Visualization [60.690929022840685]
合成視覚衛星画像の物理的整合性を確保するための,最初のディープラーニングパイプラインを提案する。
物理ベースのフラッドマップと比較して画像を評価することにより,提案手法が物理一貫性とフォトリアリズムの両方においてベースラインモデルを上回ることを見出した。
地球観測における画像と画像の翻訳を研究するために、25k以上の画像ペアのデータセットを公開する。
論文 参考訳(メタデータ) (2021-04-10T15:00:15Z) - Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
氷河マッピングは、hkh領域における生態モニタリングの鍵となる。
気候変動は、氷河生態系の健康に依存している個人にリスクを与える。
本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
論文 参考訳(メタデータ) (2020-12-09T12:48:06Z) - Lake Ice Detection from Sentinel-1 SAR with Deep Learning [15.493845481313924]
本稿では,深層ニューラルネットワークを用いたSentinel-1 Synthetic Aperture Radar(SAR)データの自動解析に基づく湖氷モニタリングシステムを提案する。
氷検出を2クラス(凍結・非凍結)の意味問題とし,最先端の深部畳み込みネットワーク(CNN)を用いて解いた。
2016年-17年-2017年-18年と3回の冬のスイスのアルペン湖について報告した。
論文 参考訳(メタデータ) (2020-02-17T16:31:41Z)
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。