論文の概要: Tracking Progress Towards Sustainable Development Goal 6 Using Satellite Imagery
- arxiv url: http://arxiv.org/abs/2411.19093v1
- Date: Thu, 28 Nov 2024 12:13:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:23:21.316425
- Title: Tracking Progress Towards Sustainable Development Goal 6 Using Satellite Imagery
- Title(参考訳): 衛星画像を用いた持続可能な開発目標6に向けた追跡の進展
- Authors: Othmane Echchabi, Nizar Talty, Josh Manto, Aya Lahlou, Ka Leung Lam,
- Abstract要約: 国連の持続可能な開発目標6は、清潔な水と衛生への普遍的なアクセスを目標としている。
データカバレッジとオープン性は、多くの国における進捗追跡の障害のままである。
本研究では,アフロバロメーターサーベイデータ,衛星画像,深層学習技術を活用し,管水・下水システムへのアクセスを評価するためのモデリングフレームワークを開発した。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Clean water and sanitation are essential for health, well-being, and sustainable development, yet significant global disparities remain. Although the United Nations' Sustainable Development Goal 6 has clear targets for universal access to clean water and sanitation, data coverage and openness remain obstacles for tracking progress in many countries. Nontraditional data sources are needed to fill this gap. This study incorporated Afrobarometer survey data, satellite imagery (Landsat 8 and Sentinel-2), and deep learning techniques (Meta's DINO model) to develop a modelling framework for evaluating access to piped water and sewage systems across diverse African regions. The modelling framework demonstrated high accuracy, achieving over 96% and 97% accuracy in identifying areas with piped water access and sewage system access respectively using satellite imagery. It can serve as a screening tool for policymakers and stakeholders to potentially identify regions for more targeted and prioritized efforts to improve water and sanitation infrastructure. When coupled with spatial population data, the modelling framework can also estimate and track the national-level percentages of the population with access to piped water and sewage systems. In the future, this approach could potentially be extended to evaluate other SDGs, particularly those related to critical infrastructure.
- Abstract(参考訳): クリーンな水と衛生は健康、健康、持続可能な開発に不可欠であるが、世界的な大きな格差が残っている。
国連の持続可能な開発目標6は、清潔な水と衛生への普遍的なアクセスを目標としているが、多くの国でデータカバレッジと開放性は進歩を追跡するための障害のままである。
このギャップを埋めるためには、従来のデータソースが必要である。
本研究では,アフロバロメーター調査データ,衛星画像(ランドサット8とセンチネル2),深層学習技術(メタのDINOモデル)を取り入れ,アフリカ各地の水道水・下水システムへのアクセスを評価するためのモデルフレームワークを開発した。
提案手法の精度は96%以上の精度と97%の精度で, 管水アクセスと下水システムアクセスをそれぞれ衛星画像を用いて同定した。
政策立案者や利害関係者が、水と衛生インフラを改善するためにより標的にされ、優先された取り組みのために地域を特定するためのスクリーニングツールとして機能する。
また,空間人口データと組み合わせることで,水道水・下水システムへのアクセスにより,人口の全国レベルの比率を推定・追跡することができる。
将来的には、このアプローチを他のSDG(特に重要なインフラストラクチャに関連するもの)を評価するために拡張する可能性がある。
関連論文リスト
- Deep learning waterways for rural infrastructure development [0.0]
米国における水路の位置を学習するためのコンピュータビジョンモデル(WaterNet)を構築した。
その後、アフリカ大陸の新たな環境に展開します。
私たちのアウトプットは、ここでマップされていない水路構造の詳細を提供します。
論文 参考訳(メタデータ) (2024-11-18T05:36:05Z) - AI techniques for near real-time monitoring of contaminants in coastal waters on board future Phisat-2 mission [3.0049721990828084]
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。
論文 参考訳(メタデータ) (2024-04-30T14:25:32Z) - 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) - Leveraging Citizen Science for Flood Extent Detection using Machine
Learning Benchmark Dataset [0.9029386959445269]
我々は、アメリカ本土とバングラデシュ内の約36,000平方キロメートルの地域をカバーする、既知の洪水イベントの間に、ラベル付きの水域範囲と浸水地域の範囲を作成します。
また、データセットをオープンソース化し、データセットに基づいたオープンコンペティションを開催して、コミュニティ生成モデルを使用した洪水範囲検出を迅速にプロトタイプ化しました。
データセットはSentinel-1C SARデータに基づく既存のデータセットに追加され、より堅牢な洪水範囲のモデリングにつながります。
論文 参考訳(メタデータ) (2023-11-15T18:49:29Z) - 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) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。
本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文 参考訳(メタデータ) (2023-01-04T05:19:33Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳(メタデータ) (2022-01-26T14:58:51Z) - IS-COUNT: Large-scale Object Counting from Satellite Images with
Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。
提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文 参考訳(メタデータ) (2021-12-16T18:59:29Z) - SustainBench: Benchmarks for Monitoring the Sustainable Development
Goals with Machine Learning [63.192289553021816]
国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。
近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。
本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
論文 参考訳(メタデータ) (2021-11-08T18:59:04Z) - Mapping Access to Water and Sanitation in Colombia using Publicly
Accessible Satellite Imagery, Crowd-sourced Geospatial Information and
RandomForests [0.0]
本稿では,スケーラブルで低コストなWASH推定ワークフローを提案する。
我々は、コロンビア全土の粒度250m×250mのWASH推定値の地図を生成する。
このモデルでは、給水、下水、トイレへのアクセスを予測できるバリエーションの最大65%を説明できた。
論文 参考訳(メタデータ) (2021-11-07T17:36:50Z)
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。