論文の概要: Field-scale soil moisture estimated from Sentinel-1 SAR data using a knowledge-guided deep learning approach

• arxiv url: http://arxiv.org/abs/2505.00265v1
• Date: Thu, 01 May 2025 03:12:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:55.208803
• Title: Field-scale soil moisture estimated from Sentinel-1 SAR data using a knowledge-guided deep learning approach
• Title（参考訳）: 知識誘導深層学習手法を用いたSentinel-1 SARデータから推定したフィールドスケール土壌水分
• Authors: Yi Yu, Patrick Filippi, Thomas F. A. Bishop,
• Abstract要約: 本研究は,知識誘導型深層学習手法の開発に向けた予備的な取り組みを示す。 ウォータークラウドモデル(WCM)の原則を長期記憶モデル(LSTM)に統合する。 提案手法は,全後方散乱から分離された土壌後方散乱係数とランドサット分解能植生情報と表面特性に基づいて構築される。 その結果, 植生被覆や表面条件の異なる地域では, SM検索を0.02 m$3$/m$3$に減らし, 相関係数(R)を最大0.64以上とした。
• 参考スコア（独自算出の注目度）: 6.595840767689357
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Soil moisture (SM) estimation from active microwave data remains challenging due to the complex interactions between radar backscatter and surface characteristics. While the water cloud model (WCM) provides a semi-physical approach for understanding these interactions, its empirical component often limits performance across diverse agricultural landscapes. This research presents preliminary efforts for developing a knowledge-guided deep learning approach, which integrates WCM principles into a long short-term memory (LSTM) model, to estimate field SM using Sentinel-1 Synthetic Aperture Radar (SAR) data. Our proposed approach leverages LSTM's capacity to capture spatiotemporal dependencies while maintaining physical consistency through a modified dual-component loss function, including a WCM-based semi-physical component and a boundary condition regularisation. The proposed approach is built upon the soil backscatter coefficients isolated from the total backscatter, together with Landsat-resolution vegetation information and surface characteristics. A four-fold spatial cross-validation was performed against in-situ SM data to assess the model performance. Results showed the proposed approach reduced SM retrieval uncertainties by 0.02 m$^3$/m$^3$ and achieved correlation coefficients (R) of up to 0.64 in areas with varying vegetation cover and surface conditions, demonstrating the potential to address the over-simplification in WCM.
• Abstract（参考訳）: アクティブマイクロ波データからの土壌水分 (SM) の推定は, レーダ後方散乱と表面特性との複雑な相互作用のため, 依然として困難である。 水雲モデル(WCM)は、これらの相互作用を理解するための半物理的アプローチを提供するが、その経験的コンポーネントは、様々な農業の景観におけるパフォーマンスを制限することが多い。 本研究では,WCMの原理を長期記憶(LSTM)モデルに統合した知識誘導型ディープラーニング手法を開発し,Sentinel-1 Synthetic Aperture Radar (SAR)データを用いてフィールドSMを推定する。 提案手法は,WCMに基づく半物理成分と境界条件の正則化を含む2成分損失関数の修正による物理的整合性を維持しつつ,時空間依存性を捕捉するLSTMの容量を活用する。 提案手法は,全後方散乱から分離された土壌後方散乱係数とランドサット分解能植生情報と表面特性に基づいて構築された。 モデル性能を評価するため, 4次元空間クロスバリデーションを行った。 提案手法により, 植生被覆および表面条件の異なる地域では, SM検索の不確かさを0.02 m$^3$/m$^3$で低減し, 相関係数(R)を最大0.64以上とした。

関連論文リスト

• Technical Approach for the EMI Challenge in the 8th Affective Behavior Analysis in-the-Wild Competition [10.741278852581646]
  Emotional Mimicry Intensity (EMI)の推定は、人間の社会的行動を理解し、人間とコンピュータの相互作用を促進する上で重要な役割を担っている。 本稿では,既存手法の限界に対処する2段階のクロスモーダルアライメントフレームワークを提案する。 Hume-Vidmimic2データセットの実験では、6つの感情次元の平均ピアソン係数相関が0.51であるのに対し、優れた性能を示した。
  論文  参考訳（メタデータ） (2025-03-13T17:46:16Z)
• PolSAM: Polarimetric Scattering Mechanism Informed Segment Anything Model [76.95536611263356]
  PolSARデータは、そのリッチで複雑な特徴のために、ユニークな課題を提示する。 複素数値データ、偏光特性、振幅画像などの既存のデータ表現が広く使われている。 PolSARのほとんどの機能抽出ネットワークは小さく、機能を効果的にキャプチャする能力を制限している。 本稿では,ドメイン固有の散乱特性と新規なプロンプト生成戦略を統合したSegment Anything Model (SAM) であるPolarimetric Scattering Mechanism-Informed SAM (PolSAM)を提案する。
  論文  参考訳（メタデータ） (2024-12-17T09:59:53Z)
• 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)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Empirical Upscaling of Point-scale Soil Moisture Measurements for Spatial Evaluation of Model Simulations and Satellite Retrievals [6.595840767689357]
  本研究では,融合と機械学習を組み合わせたアップスケーリング手法を提案し,点スケールSM測定を100mpxの解像度に外挿した。 我々は4倍のクロスバリデーションを行い,0.6から0.9の範囲で連続的に比較相関性能を示した。 提案手法は,研究領域内の2つの空間的部分集合を用いて,クラスタ間戦略に基づいてさらに検証された。
  論文  参考訳（メタデータ） (2024-04-08T06:49:59Z)
• Soil moisture estimation from Sentinel-1 interferometric observations over arid regions [0.0]
  干渉計測合成開口レーダ(InSAR)時系列解析に基づく手法を提案する。 表面(最高5cm)の土壌水分(SSM)を推定することができる。 カリフォルニア/アリゾナの乾燥した地域のケーススタディが紹介されている。
  論文  参考訳（メタデータ） (2022-10-18T15:32:13Z)
• PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person Search [56.02761592710612]
  モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。 私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。 我々のPS-ARMは、両方のデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-10-07T10:04:12Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• Spatio-temporally separable non-linear latent factor learning: an application to somatomotor cortex fMRI data [0.0]
  潜在因子の脳全体の発見が可能なfMRIデータのモデルについて検討する。 空間重み付けを効率化するための新しい手法は、データの高次元性とノイズの存在に対処するために重要である。 本手法は,複数のモーターサブタスクを用いたデータを用いて,モデルが各サブタスクに対応する非絡み合った潜在因子を捕捉するかどうかを評価する。
  論文  参考訳（メタデータ） (2022-05-26T21:30:22Z)
• Value propagation-based spatio-temporal interpolation inspired by Markov reward processes [0.06445605125467573]
  本稿では,マルコフ報酬プロセス(MRP)にインスパイアされた伝搬値法を空間的手法として提案する。 その結果,実験条件下でのSD-MRPの平均性能は,他の手法に比べて有意に高かった。 さらに,本手法がベースラインに対して有意な優位性を持っていない場合においても,本手法はベースラインよりもターゲットグリッドの構造を良好に保存することがわかった。
  論文  参考訳（メタデータ） (2021-06-01T14:52:54Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。