論文の概要: Tracking Progress Towards Sustainable Development Goal 6 Using Satellite Imagery
- arxiv url: http://arxiv.org/abs/2411.19093v2
- Date: Thu, 29 May 2025 12:00:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 15:42:32.712726
- 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, Aya Lahlou, Nizar Talty, Josh Malcolm Manto, Ka Leung Lam,
- Abstract要約: 本研究では,ランドサット8号とセンチネル2号の衛星画像であるアフロバロメータ調査データを統合し,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リングフレームワークを開発した。
このモデリングフレームワークは、水道水96%、下水システムアクセス分類97%という顕著な精度を達成した。
このアプローチは、政策立案者や利害関係者に、効果的な、スケーラブルで、コスト効率のよいツールを提供して、対象とする介入を必要とする未解決領域を特定します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clean water and sanitation are essential for health, well-being, and sustainable development, yet significant global disparities persist. Although the United Nations' Sustainable Development Goal (SDG) 6 clearly defines targets for universal access to clean water and sanitation, limitations in data coverage and openness impede accurate tracking of progress in many countries. To bridge these gaps, this study integrates Afrobarometer survey data, satellite imagery from Landsat 8 and Sentinel-2, and advanced deep learning techniques using Meta's self-supervised Distillation with No Labels (DINO) model to develop a modeling framework for evaluating access to piped water and sewage system across diverse African regions. The modeling framework achieved notable accuracy, with over 96% for piped water and 97% for sewage system access classification. When combined with geospatial population data, validation against official statistics from the United Nations Joint Monitoring Program demonstrated high concordance at the national scale (R2 of 0.95 for piped water access and R2 of 0.85 for sewage system access). The national-level estimates can represent SDG Indicators 6.1.1 and 6.2.1. This approach provides policymakers and stakeholders with an effective, scalable, and cost-efficient tool to pinpoint underserved areas requiring targeted intervention. The methodology developed herein can be adapted for assessing other infrastructure-related SDGs, promoting enhanced monitoring and informed decision-making towards achieving global sustainability objectives.
- 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は持続している。
国連の持続可能な開発目標(SDG)6は、清潔な水と衛生への普遍的なアクセスの目標を明確に定義しているが、データカバレッジとオープンネスの制限は、多くの国における進捗の正確な追跡を妨げている。
これらのギャップを埋めるために,ランドサット8号とセンチネル2号の衛星画像とメタの自己監督型DINO(Distillation with No Labels)モデルを用いた高度な深層学習技術を組み合わせて,様々なアフリカ地域における水道水・下水システムへのアクセスを評価するためのモデリングフレームワークを開発した。
このモデリングフレームワークは、水道水96%、下水システムアクセス分類97%という顕著な精度を達成した。
地理的人口データと組み合わせると、国連合同監視プログラムによる公式統計に対する検証は、全国規模で高い一致を示した(管水アクセスは0.95、下水システムアクセスは0.85)。
国家レベルでの見積もりはSDG Indicators 6.1.1 と 6.2.1 を表わすことができる。
このアプローチは、政策立案者や利害関係者に、効果的でスケーラブルでコスト効率のよいツールを提供し、対象とする介入を必要とする未解決領域を特定します。
ここで開発された手法は、他のインフラ関連SDGの評価、モニタリングの強化、グローバルなサステナビリティ目標達成に向けた情報意思決定に適応することができる。
関連論文リスト
- Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。
本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。
この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
論文 参考訳（メタデータ） (2025-03-13T01:50:50Z) - 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。