論文の概要: Water Mapping and Change Detection Using Time Series Derived from the Continuous Monitoring of Land Disturbance Algorithm

• arxiv url: http://arxiv.org/abs/2504.03170v1
• Date: Fri, 04 Apr 2025 04:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:47:43.021530
• Title: Water Mapping and Change Detection Using Time Series Derived from the Continuous Monitoring of Land Disturbance Algorithm
• Title（参考訳）: 土地外乱アルゴリズムの連続モニタリングから導出した時系列による水位マッピングと変化検出
• Authors: Huong Pham, Samuel Cheng, Tao Hu, Chengbin Deng,
• Abstract要約: 土地変動の継続的モニタリング(COLD)アルゴリズムは、土地変化のリアルタイム解析に有用なツールである。 本稿では,水量推定アルゴリズムの有効性を評価し,時間とともに画素レベルの水位変化を追跡する。
• 参考スコア（独自算出の注目度）: 5.426703801207648
• License:
• Abstract: Given the growing environmental challenges, accurate monitoring and prediction of changes in water bodies are essential for sustainable management and conservation. The Continuous Monitoring of Land Disturbance (COLD) algorithm provides a valuable tool for real-time analysis of land changes, such as deforestation, urban expansion, agricultural activities, and natural disasters. This capability enables timely interventions and more informed decision-making. This paper assesses the effectiveness of the algorithm to estimate water bodies and track pixel-level water trends over time. Our findings indicate that COLD-derived data can reliably estimate estimate water frequency during stable periods and delineate water bodies. Furthermore, it enables the evaluation of trends in water areas after disturbances, allowing for the determination of whether water frequency increases, decreases, or remains constant.
• Abstract（参考訳）: 環境問題の増加を考えると、水域の変化の正確なモニタリングと予測は、持続可能な管理と保全に不可欠である。 森林破壊の継続的モニタリング(COLD)アルゴリズムは、森林伐採、都市拡大、農業活動、自然災害などの土地変化をリアルタイムに分析するための貴重なツールを提供する。 この機能は、タイムリーな介入とより情報的な意思決定を可能にする。 本稿では,水量推定アルゴリズムの有効性を評価し,時間とともに画素レベルの水位変化を追跡する。 以上の結果から, COLDから得られたデータは, 安定期における推定水頻度を確実に推定し, 水域の濃度を推定できることが示唆された。 さらに、乱れ後の水域の潮流の評価を可能にし、水頻度が増加、減少、あるいは一定であるかどうかの判定を可能にする。

関連論文リスト

• SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
  気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。 本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
  論文  参考訳（メタデータ） (2024-09-25T16:50:59Z)
• 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)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• 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)
• Analysis of Rainfall Variability and Water Extent of Selected Hydropower Reservoir Using Google Earth Engine (GEE): A Case Study from Two Tropical Countries, Sri Lanka and Vietnam [0.0]
  本研究では,ベトナムとスリランカにおける降雨パターンの総合的リモートセンシング分析と水力貯水池水深の選択について述べる。 両国の平均年間降水量は決定され、月平均降水量は時間変動する。 その結果, 降雨パターンと貯水量との関係が明らかとなり, モンスーンシーズンの降水量が増加し, その後の数ヶ月で水量も増加した。
  論文  参考訳（メタデータ） (2023-10-09T12:51:46Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Estimating Latent Population Flows from Aggregated Data via Inversing Multi-Marginal Optimal Transport [57.16851632525864]
  累積カウントデータから潜在人口フローを推定する問題について検討する。 この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。 我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
  論文  参考訳（メタデータ） (2022-12-30T03:03:23Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Experimental study of time series forecasting methods for groundwater level prediction [0.0]
  私たちは1026の地下水位時系列のデータセットを作成しました。 各時系列は、地下水位と降雨と蒸発散の2つの変数を毎日測定して作成されている。 ローカルおよびグローバルな時系列予測手法を含む様々な予測器を比較した。 その結果, 過去の地下水位と降雨量について, グローバルな手法を訓練することで, 最良の予測が得られることがわかった。
  論文  参考訳（メタデータ） (2022-09-28T08:58:55Z)
• Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis [55.41644538483948]
  本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。 スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。 その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
  論文  参考訳（メタデータ） (2020-07-02T19:08:36Z)

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。