論文の概要: Climatic & Anthropogenic Hazards to the Nasca World Heritage: Application of Remote Sensing, AI, and Flood Modelling
- arxiv url: http://arxiv.org/abs/2405.11814v1
- Date: Mon, 20 May 2024 06:21:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 14:03:49.304106
- Title: Climatic & Anthropogenic Hazards to the Nasca World Heritage: Application of Remote Sensing, AI, and Flood Modelling
- Title（参考訳）: ナスカ世界遺産へのクリマティック・人類起源のハザード:リモートセンシング、AI、洪水モデルの適用
- Authors: Masato Sakai, Marcus Freitag, Akihisa Sakurai, Conrad M Albrecht, Hendrik F Hamann,
- Abstract要約: フラッシュフルートのようなより頻繁な天候は、ナスカの人工物を脅かす。
我々は、(サブ)メートルスケールに基づく流出モデル、LiDAR由来のデジタル標高データにより、浸食の危険があるAI検出ジオグリフをハイライトできることを実証した。
我々は、パンアメリカン・ハイウェイに近い有名な「リザード」、「ツリー」および「ハンド」ジオグリフを守るために緩和策を推奨する。
- 参考スコア（独自算出の注目度）: 0.2995925627097048
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Preservation of the Nasca geoglyphs at the UNESCO World Heritage Site in Peru is urgent as natural and human impact accelerates. More frequent weather extremes such as flashfloods threaten Nasca artifacts. We demonstrate that runoff models based on (sub-)meter scale, LiDAR-derived digital elevation data can highlight AI-detected geoglyphs that are in danger of erosion. We recommend measures of mitigation to protect the famous "lizard", "tree", and "hand" geoglyphs located close by, or even cut by the Pan-American Highway.
- Abstract（参考訳）: ペルーのユネスコの世界遺産にあるナスカ地形の保存は、自然と人間の影響が加速するにつれて急務である。
フラッシュフルートのようなより頻繁な天候は、ナスカの人工物を脅かす。
我々は、(サブ)メートルスケールに基づく流出モデル、LiDAR由来のデジタル標高データにより、浸食の危険があるAI検出ジオグリフをハイライトできることを実証した。
我々は、パンアメリカン・ハイウェイに近い有名な「リザード」、「ツリー」および「ハンド」ジオグリフを守るために緩和策を推奨する。
関連論文リスト
- A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - GeoGalactica: A Scientific Large Language Model in Geoscience [95.15911521220052]
大規模言語モデル(LLM)は、自然言語処理(NLP)における幅広いタスクを解く一般的な知識と能力で大きな成功を収めている。
我々は、LLMを地学に特化させ、さらに、地学の膨大なテキストでモデルを事前訓練し、また、カスタム収集した指導チューニングデータセットで得られたモデルを教師付き微調整(SFT)する。
我々はGeoGalacticaを65億のトークンを含む地球科学関連のテキストコーパスで訓練し、最大の地球科学固有のテキストコーパスとして保存する。
次に、100万対の命令チューニングでモデルを微調整する。
論文 参考訳（メタデータ） (2023-12-31T09:22:54Z) - FLOGA: A machine learning ready dataset, a benchmark and a novel deep
learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。
本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。
このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。
我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
論文 参考訳（メタデータ） (2023-11-06T18:42:05Z) - Deep Semantic Model Fusion for Ancient Agricultural Terrace Detection [17.102691286544136]
本稿では,古代農耕段丘検出のための深部セマンティックモデル融合法を提案する。
提案手法は国際AI考古学チャレンジで優勝した。
論文 参考訳（メタデータ） (2023-08-04T09:42:14Z) - Toward Foundation Models for Earth Monitoring: Generalizable Deep
Learning Models for Natural Hazard Segmentation [0.47725505365135473]
自然災害のリアルタイムマッピングは、災害救済、リスク管理、政府の政策決定の伝達に最優先される。
リアルタイムに近いマッピングを実現するための最近の手法は、ディープラーニング(DL)をますます活用している。
本研究では,適切なプレタスクの事前学習に基づいて,DL自然災害マッパーの一般化可能性を大幅に向上させる手法を提案する。
論文 参考訳（メタデータ） (2023-01-23T08:35:00Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - 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) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的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よりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳（メタデータ） (2020-10-16T02:15:34Z)
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。