論文の概要: AI techniques for near real-time monitoring of contaminants in coastal waters on board future Phisat-2 mission
- arxiv url: http://arxiv.org/abs/2404.19586v1
- Date: Tue, 30 Apr 2024 14:25:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-01 13:55:56.831083
- Title: AI techniques for near real-time monitoring of contaminants in coastal waters on board future Phisat-2 mission
- Title（参考訳）: 今後のPhisat-2ミッションにおける沿岸海域の汚染物質のリアルタイムモニタリングのためのAI技術
- Authors: Francesca Razzano, Pietro Di Stasio, Francesco Mauro, Gabriele Meoni, Marco Esposito, Gilda Schirinzi, Silvia L. Ullo,
- Abstract要約: 本稿は、P Hist-2ミッションにおける汚染物質モニタリングの機会と課題について述べる。
このミッションの具体的特徴と利用可能なツールについて紹介する。
予備的な有望な結果が議論され、現在進行中の成果と今後の成果が紹介される。
- 参考スコア（独自算出の注目度）: 3.0049721990828084
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Differently from conventional procedures, the proposed solution advocates for a groundbreaking paradigm in water quality monitoring through the integration of satellite Remote Sensing (RS) data, Artificial Intelligence (AI) techniques, and onboard processing. The objective is to offer nearly real-time detection of contaminants in coastal waters addressing a significant gap in the existing literature. Moreover, the expected outcomes include substantial advancements in environmental monitoring, public health protection, and resource conservation. The specific focus of our study is on the estimation of Turbidity and pH parameters, for their implications on human and aquatic health. Nevertheless, the designed framework can be extended to include other parameters of interest in the water environment and beyond. Originating from our participation in the European Space Agency (ESA) OrbitalAI Challenge, this article describes the distinctive opportunities and issues for the contaminants monitoring on the Phisat-2 mission. The specific characteristics of this mission, with the tools made available, will be presented, with the methodology proposed by the authors for the onboard monitoring of water contaminants in near real-time. Preliminary promising results are discussed and in progress and future work introduced.
- Abstract（参考訳）: 提案手法は従来の手法とは違って,衛星リモートセンシング(RS)データ,人工知能(AI)技術,オンボード処理の統合による水質モニタリングにおける画期的なパラダイムを提唱する。
目的は、既存の文献の大きなギャップに対処するため、沿岸海域で汚染物質をほぼリアルタイムで検出することである。
さらに、環境モニタリング、公衆衛生保護、資源保全の大幅な進歩が期待されている。
本研究は,人体と水生生物の健康に影響を及ぼす要因として,濁度とpHパラメータの推定に焦点をあてた。
それでも、設計されたフレームワークは、他の水環境およびそれ以上のパラメータを含むように拡張することができる。
欧州宇宙機関(ESA)のOrbitalAI Challengeへの参加から生まれたこの論文では、Phisat-2ミッションで汚染物質をモニタリングする際、特徴的な機会と課題について述べる。
このミッションの具体的特徴と利用可能なツールについて,著者らが提案した水汚染物質をほぼリアルタイムでモニタリングするための方法論を提示する。
予備的な有望な結果が議論され、現在進行中の成果と今後の成果が紹介される。
関連論文リスト
- Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。
本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
論文 参考訳（メタデータ） (2024-09-25T16:50:59Z) - Monitoring water contaminants in coastal areas through ML algorithms
leveraging atmospherically corrected Sentinel-2 data [3.155658695525581]
本研究では,CatBoost Machine Learning(ML)とSentinel-2 Level-2Aの高分解能データを統合することにより,濁度汚染をモニタリングする新たなアプローチを開拓した。
従来の方法は労働集約的であり、CatBoostは効率的なソリューションを提供し、予測精度に優れている。
大気補正されたSentinel-2データをGoogle Earth Engine(GEE)を通じて利用することで、スケーラブルで正確な濁度モニタリングに寄与する。
論文 参考訳（メタデータ） (2024-01-08T10:20:34Z) - Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies
mapping [40.996860106131244]
気候変動は極端な気象現象を激化させ、水不足と激しい降雨の予測不可能の両方を引き起こしている。
本研究の目的は,多様な気象条件下での総合的な水資源モニタリングに有用な知見を提供することである。
論文 参考訳（メタデータ） (2024-01-05T18:11:08Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Climate Change & Computer Audition: A Call to Action and Overview on
Audio Intelligence to Help Save the Planet [98.97255654573662]
この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。
我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
論文 参考訳（メタデータ） (2022-03-10T13:32:31Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳（メタデータ） (2022-01-09T20:13:27Z) - Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery
And Digital Elevation Models [0.0]
Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。
実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
論文 参考訳（メタデータ） (2020-12-11T18:42:15Z)
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。