論文の概要: Spatioformer: A Geo-encoded Transformer for Large-Scale Plant Species Richness Prediction

• arxiv url: http://arxiv.org/abs/2410.19256v1
• Date: Fri, 25 Oct 2024 02:21:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:36:12.010064
• Title: Spatioformer: A Geo-encoded Transformer for Large-Scale Plant Species Richness Prediction
• Title（参考訳）: Spatioformer: 大規模植物種多様性予測のためのジオコード変換器
• Authors: Yiqing Guo, Karel Mokany, Shaun R. Levick, Jinyan Yang, Peyman Moghadam,
• Abstract要約: 本研究では,位置情報エンコーダを変換器モデルと結合して位置情報コンテキストをリモートセンシング画像に符号化するSpatioformerを提案する。 以上の結果から,大規模な空間スケールでの衛星観測から種多様性を予測する上で,位置情報が有利であることが示唆された。 本研究で得られた豊かさマップは, オーストラリアにおける植物種の豊かさの時間的動態を明らかにし, 植物多様性保全のための効果的な計画と政策開発を示唆する証拠を提供する。
• 参考スコア（独自算出の注目度）: 3.017562867737194
• License:
• Abstract: Earth observation data have shown promise in predicting species richness of vascular plants ($\alpha$-diversity), but extending this approach to large spatial scales is challenging because geographically distant regions may exhibit different compositions of plant species ($\beta$-diversity), resulting in a location-dependent relationship between richness and spectral measurements. In order to handle such geolocation dependency, we propose Spatioformer, where a novel geolocation encoder is coupled with the transformer model to encode geolocation context into remote sensing imagery. The Spatioformer model compares favourably to state-of-the-art models in richness predictions on a large-scale ground-truth richness dataset (HAVPlot) that consists of 68,170 in-situ richness samples covering diverse landscapes across Australia. The results demonstrate that geolocational information is advantageous in predicting species richness from satellite observations over large spatial scales. With Spatioformer, plant species richness maps over Australia are compiled from Landsat archive for the years from 2015 to 2023. The richness maps produced in this study reveal the spatiotemporal dynamics of plant species richness in Australia, providing supporting evidence to inform effective planning and policy development for plant diversity conservation. Regions of high richness prediction uncertainties are identified, highlighting the need for future in-situ surveys to be conducted in these areas to enhance the prediction accuracy.
• Abstract（参考訳）: 地球観測データから血管植物の種多様性を予測することは約束されているが、地理的に離れた地域が植物種(種多様性)の異なる組成を示す可能性があるため、このアプローチを大規模な空間スケールに拡張することは困難である。 このような位置情報依存性を処理するために,新しい位置情報エンコーダをトランスフォーマモデルと結合して位置情報コンテキストをリモートセンシング画像に符号化するSpatioformerを提案する。 Spatioformer モデルは,オーストラリア各地の多様な景観をカバーする68,170 の地層密度データセット (HAVPlot) を用いて,最先端のリッチネス予測モデルと比較した。 その結果,大規模な空間スケールでの衛星観測から種多様性を予測する上で,位置情報が有利であることが示唆された。 Spatioformerでは、2015年から2023年までの期間、オーストラリアの植物種の豊かさマップをランドサットのアーカイブから収集している。 本研究で得られた豊かさマップは,オーストラリアにおける植物種の豊かさの時空間動態を明らかにし,植物多様性保全のための効果的な計画と政策開発を示唆する証拠となる。 高富化予測の不確実性の領域が特定され、予測精度を高めるためにこれらの領域で実施すべき将来的な調査の必要性が浮き彫りにされている。

関連論文リスト

• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Enhancing Worldwide Image Geolocation by Ensembling Satellite-Based Ground-Level Attribute Predictors [4.415977307120618]
  本稿では,GPSなどの位置情報が存在しない場合の地上画像の位置を推定することの課題について検討する。 本稿では,推定位置分布の精度を計測する新しい指標であるリコール対エリア(Recall vs Area)を紹介する。 次に,複数の情報源からの情報を組み込んだグローバルな画像位置決め手法について検討する。
  論文  参考訳（メタデータ） (2024-07-18T19:15:52Z)
• VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
  地理空間植生予測タスクのためのVegeDiffを提案する。 VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。 植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
  論文  参考訳（メタデータ） (2024-07-17T14:15:52Z)
• Deep autoregressive modeling for land use land cover [0.0]
  ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。 土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-01-02T18:03:57Z)
• SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
  本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。 ケニアでは低データのレシエーションを表すデータセットも提供しています。 リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
  論文  参考訳（メタデータ） (2023-11-02T02:00:27Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
  地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。 まず,地理的適応のための大規模データセットGeoNetを紹介する。 第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。 第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:34Z)
• Deep Learning for Reference-Free Geolocation for Poplar Trees [0.17999333451993943]
  ジオロケーションは、その遺伝的な構成に基づいて、与えられたサンプルの原産地を特定することに関係している。 本稿では,米国エネルギー省が高速回転型バイオ燃料作物として同定したPopulus trichocarpa(Poplar)のゲノム位置について検討する。 我々のモデルであるMashNetは、ランダムにサンプリングされた不整合配列断片からポプラ木の緯度と経度を予測する。
  論文  参考訳（メタデータ） (2023-01-31T03:37:47Z)
• Remote estimation of geologic composition using interferometric synthetic-aperture radar in California's Central Valley [1.5677136474147644]
  カリフォルニア州セントラルバレーの土地は地下水の汲み上げによって急速に沈んでいる。 本研究では,土地変位の時間的変動の異なる特定地域を特定することを目的とする。 そこで我々は,インターフェロメトリ合成開口レーダ(InSAR)を用いた土地変形データを用いて,地質組成をリモートで推定することを目的とする。
  論文  参考訳（メタデータ） (2022-12-04T23:06:14Z)
• Activation Regression for Continuous Domain Generalization with Applications to Crop Classification [48.795866501365694]
  衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。 中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。 我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
  論文  参考訳（メタデータ） (2022-04-14T15:41:39Z)

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。