論文の概要: Multi-Sensor Deep Learning for Glacier Mapping

• arxiv url: http://arxiv.org/abs/2409.12034v1
• Date: Wed, 18 Sep 2024 14:51:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-19 17:10:23.745418
• Title: Multi-Sensor Deep Learning for Glacier Mapping
• Title（参考訳）: 氷河マッピングのためのマルチセンサ深層学習
• Authors: Codruţ-Andrei Diaconu, Konrad Heidler, Jonathan L. Bamber, Harry Zekollari,
• Abstract要約: 氷床の外の氷河は、海面上昇、水資源管理、自然災害、生物多様性、観光に影響を及ぼすことで、我々の社会において重要な役割を担っている。 衛星ベースの氷河マッピングアプリケーションは、歴史的に主に手動および半自動検出法に依存してきた。 この章では、マルチセンサーのリモートセンシングデータとディープラーニングを組み合わせることで、氷河をより正確に表現し、時間的変化を検出する方法についてレビューする。
• 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 more than 200,000 glaciers outside the ice sheets play a crucial role in our society by influencing sea-level rise, water resource management, natural hazards, biodiversity, and tourism. However, only a fraction of these glaciers benefit from consistent and detailed in-situ observations that allow for assessing their status and changes over time. This limitation can, in part, be overcome by relying on satellite-based Earth Observation techniques. Satellite-based glacier mapping applications have historically mainly relied on manual and semi-automatic detection methods, while recently, a fast and notable transition to deep learning techniques has started. This chapter reviews how combining multi-sensor remote sensing data and deep learning allows us to better delineate (i.e. map) glaciers and detect their temporal changes. We explain how relying on deep learning multi-sensor frameworks to map glaciers benefits from the extensive availability of regional and global glacier inventories. We also analyse the rationale behind glacier mapping, the benefits of deep learning methodologies, and the inherent challenges in integrating multi-sensor earth observation data with deep learning algorithms. While our review aims to provide a broad overview of glacier mapping efforts, we highlight a few setups where deep learning multi-sensor remote sensing applications have a considerable potential added value. This includes applications for debris-covered and rock glaciers that are visually difficult to distinguish from surroundings and for calving glaciers that are in contact with the ocean. These specific cases are illustrated through a series of visual imageries, highlighting some significant advantages and challenges when detecting glacier changes, including dealing with seasonal snow cover, changing debris coverage, and distinguishing glacier fronts from the surrounding sea ice.
• Abstract（参考訳）: 氷床の外にある20万人以上の氷河は、海面上昇、水資源管理、自然災害、生物多様性、観光に影響を与え、社会に重要な役割を担っている。 しかし、これらの氷河のほんの一部だけが、その状態と経年変化を評価することができる、一貫した詳細なその場観測の恩恵を受けている。 この制限は、部分的には衛星ベースの地球観測技術に頼ることで克服できる。 衛星ベースの氷河マッピングアプリケーションは歴史的に主に手動および半自動検出法に依存してきたが、近年はディープラーニング技術への高速かつ顕著な移行が始まっている。 この章では、マルチセンサーのリモートセンシングデータと深層学習を組み合わせることで、氷河(すなわち地図)をより明確にし、その時間的変化を検出する方法についてレビューする。 氷河を地図化するための深層学習型マルチセンサーフレームワークの活用は, 地域およびグローバル氷河の在庫が広範囲に利用可能であることから, どのようなメリットがあるかを説明する。 また、氷河マッピングの背景にある理論的根拠、深層学習手法の利点、深層学習アルゴリズムとマルチセンサー地球観測データを統合する際の固有の課題についても分析する。 本稿では,氷河マッピングの取り組みを概観することを目的としているが,深層学習型マルチセンサリモートセンシングアプリケーションにかなりの付加価値が期待できる,いくつかの設定を強調した。 これには、周囲と区別が難しい破片で覆われた氷河や岩盤氷河、海に接する氷河などが含まれる。 これらの特定のケースは、一連の視覚的イメージを通して説明され、季節的な積雪の扱い、破片の被覆の変化、周囲の海氷との氷河前線の区別など、氷河の変化を検出する際のいくつかの大きな利点と課題を浮き彫りにしている。

関連論文リスト

• Global-Local Detail Guided Transformer for Sea Ice Recognition in Optical Remote Sensing Images [4.540236408836131]
  光リモートセンシング画像における海氷認識のためのGDGT法を提案する。 GDGTでは、グローバルな局所的な特徴融合機構は、グローバルな構造的相関特徴と局所的な空間的詳細特徴を融合するように設計されている。 海氷認識性能を向上させるため、特徴再構成中により高精細な情報を保持するためのディテールガイドデコーダを開発した。
  論文  参考訳（メタデータ） (2024-05-21T21:02:20Z)
• Multiple Random Masking Autoencoder Ensembles for Robust Multimodal Semi-supervised Learning [64.81450582542878]
  コンピュータビジョンや機械学習には、現実の問題が増えている。 衛星データから地球観測を行う場合、一つの観測層を予測できることが重要である。
  論文  参考訳（メタデータ） (2024-02-12T20:08:58Z)
• Scalable Glacier Mapping using Deep Learning and Open Earth Observation Data Matches the Accuracy of Manual Delineation [0.718723384367814]
  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。 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。 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をリリースしました。
  論文  参考訳（メタデータ） (2024-01-25T20:41:17Z)
• 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)
• 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)
• Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
  我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。 純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。 我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
  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)
• OpenStreetMap: Challenges and Opportunities in Machine Learning and Remote Sensing [66.23463054467653]
  本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。 私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
  論文  参考訳（メタデータ） (2020-07-13T09:58:14Z)
• A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
  我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。 このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
  論文  参考訳（メタデータ） (2020-06-05T08:04:37Z)

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。