論文の概要: AutoLCZ: Towards Automatized Local Climate Zone Mapping from Rule-Based Remote Sensing

• arxiv url: http://arxiv.org/abs/2405.13993v1
• Date: Wed, 22 May 2024 20:56:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 20:04:17.235372
• Title: AutoLCZ: Towards Automatized Local Climate Zone Mapping from Rule-Based Remote Sensing
• Title（参考訳）: AutoLCZ:ルールベースリモートセンシングによる局所気候ゾーンの自動マッピングを目指して
• Authors: Chenying Liu, Hunsoo Song, Anamika Shreevastava, Conrad M Albrecht,
• Abstract要約: ローカル気候ゾーン(LCZ)は、都市気候研究を改善するためにランドスケープ宇宙を分類する標準的な分類体系を確立した。 既存のLCZマッピングは、地理情報システム(GIS)とのヒューマンインタラクションや、リモートセンシング(RS)データからモデル化によってガイドされる。 本稿では,高分解能RSモダリティからLCZ分類特徴を抽出するために,AutoLCZと呼ばれる新しいLCZマッピングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.3963768610574674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Local climate zones (LCZs) established a standard classification system to categorize the landscape universe for improved urban climate studies. Existing LCZ mapping is guided by human interaction with geographic information systems (GIS) or modelled from remote sensing (RS) data. GIS-based methods do not scale to large areas. However, RS-based methods leverage machine learning techniques to automatize LCZ classification from RS. Yet, RS-based methods require huge amounts of manual labels for training. We propose a novel LCZ mapping framework, termed AutoLCZ, to extract the LCZ classification features from high-resolution RS modalities. We study the definition of numerical rules designed to mimic the LCZ definitions. Those rules model geometric and surface cover properties from LiDAR data. Correspondingly, we enable LCZ classification from RS data in a GIS-based scheme. The proposed AutoLCZ method has potential to reduce the human labor to acquire accurate metadata. At the same time, AutoLCZ sheds light on the physical interpretability of RS-based methods. In a proof-of-concept for New York City (NYC) we leverage airborne LiDAR surveys to model 4 LCZ features to distinguish 10 LCZ types. The results indicate the potential of AutoLCZ as promising avenue for large-scale LCZ mapping from RS data.
• Abstract（参考訳）: ローカル気候ゾーン(LCZ)は、都市気候研究を改善するためにランドスケープ宇宙を分類する標準的な分類体系を確立した。 既存のLCZマッピングは、地理情報システム(GIS)とのヒューマンインタラクションや、リモートセンシング(RS)データからモデル化によってガイドされる。 GISベースの手法は大規模にスケールしない。 しかし,RSに基づく手法では,機械学習技術を利用してLCZ分類をRSから自動化する。 しかし、RSベースの手法は、トレーニングに大量の手動ラベルを必要とする。 本稿では,高分解能RSモダリティからLCZ分類特徴を抽出するために,AutoLCZと呼ばれる新しいLCZマッピングフレームワークを提案する。 LCZの定義を模倣する数値規則の定義について検討する。 これらのルールは、LiDARデータから幾何学的および表面被覆特性をモデル化する。 これに対応して,GISに基づくスキームにおけるRSデータからのLCZ分類を可能にする。 提案したAutoLCZ法は,正確なメタデータを取得するための人的労力を削減する可能性がある。 同時に、AutoLCZはRSベースの手法の物理的解釈可能性に光を当てている。 ニューヨーク市(NYC)のコンセプト実証では、航空機搭載LiDARサーベイを利用して4つのLCZ特徴をモデル化し、10つのLCZタイプを識別する。 以上の結果から,AutoLCZが大規模LCZマッピングに有効である可能性が示唆された。

関連論文リスト

• Towards Learning Abductive Reasoning using VSA Distributed Representations [56.31867341825068]
  本稿では,文脈認識モデルを用いた帰納的ルール学習手法を提案する。 ARLCは、誘引的推論のための、新しくより広く適用可能な訓練目標を特徴としている。 プログラムされた知識の上に実例から漸進的に学習することで,ARLCのポストプログラミングトレーニングに対する堅牢性を示す。
  論文  参考訳（メタデータ） (2024-06-27T12:05:55Z)
• Assessment of Local Climate Zone Products via Simplified Classification Rule with 3D Building Maps [0.0]
  本研究は,グローバルな地域気候帯製品の性能を評価するものである。 米国内の3大都市圏におけるLCZの組立型クラスについて検討した。 我々は,グローバルLCZマップの不確実性に光を当て,最も区別が難しいLCZクラスを特定し,LCZ開発と検証の今後の計画について考察した。
  論文  参考訳（メタデータ） (2023-09-27T19:53:44Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• LCRL: Certified Policy Synthesis via Logically-Constrained Reinforcement Learning [78.2286146954051]
  LCRLは未知決定プロセス(MDP)上でのモデルフリー強化学習(RL)アルゴリズムを実装している 本稿では,LCRLの適用性,使いやすさ,拡張性,性能を示すケーススタディを提案する。
  論文  参考訳（メタデータ） (2022-09-21T13:21:00Z)
• LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
  LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法 提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。 推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
  論文  参考訳（メタデータ） (2022-02-01T20:27:46Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• Developing High Quality Training Samples for Deep Learning Based Local Climate Zone Classification in Korea [0.5257115841810257]
  国連の計画によると、2050年までに3人に2人が都市部に住んでいる。 一般的な都市フットプリントデータは、高解像度の都市範囲を提供するが、分布、パターン、特徴に関する必須情報はない。 本研究では,韓国の主要都市をマルチスケール畳み込みニューラルネットワークを用いて地図化するためのローカル気候ゾーン(LCZ)データを開発した。
  論文  参考訳（メタデータ） (2020-11-03T02:52:37Z)

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。