論文の概要: IrrMap: A Large-Scale Comprehensive Dataset for Irrigation Method Mapping

• arxiv url: http://arxiv.org/abs/2505.08273v1
• Date: Tue, 13 May 2025 06:36:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.453397
• Title: IrrMap: A Large-Scale Comprehensive Dataset for Irrigation Method Mapping
• Title（参考訳）: IrrMap: 洗浄方法マッピングのための大規模総合データセット
• Authors: Nibir Chandra Mandal, Oishee Bintey Hoque, Abhijin Adiga, Samarth Swarup, Mandy Wilson, Lu Feng, Yangfeng Ji, Miaomiao Zhang, Geoffrey Fox, Madhav Marathe,
• Abstract要約: IrrMapは、地域間での灌水方法マッピングのための最初の大規模データセット(11万パッチ)である。 データセットは2013年から2023年までの複数の西部州で1,687,899の農場と14,117,330エーカーに及ぶ。
• 参考スコア（独自算出の注目度）: 15.117613534140757
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce IrrMap, the first large-scale dataset (1.1 million patches) for irrigation method mapping across regions. IrrMap consists of multi-resolution satellite imagery from LandSat and Sentinel, along with key auxiliary data such as crop type, land use, and vegetation indices. The dataset spans 1,687,899 farms and 14,117,330 acres across multiple western U.S. states from 2013 to 2023, providing a rich and diverse foundation for irrigation analysis and ensuring geospatial alignment and quality control. The dataset is ML-ready, with standardized 224x224 GeoTIFF patches, the multiple input modalities, carefully chosen train-test-split data, and accompanying dataloaders for seamless deep learning model training andbenchmarking in irrigation mapping. The dataset is also accompanied by a complete pipeline for dataset generation, enabling researchers to extend IrrMap to new regions for irrigation data collection or adapt it with minimal effort for other similar applications in agricultural and geospatial analysis. We also analyze the irrigation method distribution across crop groups, spatial irrigation patterns (using Shannon diversity indices), and irrigated area variations for both LandSat and Sentinel, providing insights into regional and resolution-based differences. To promote further exploration, we openly release IrrMap, along with the derived datasets, benchmark models, and pipeline code, through a GitHub repository: https://github.com/Nibir088/IrrMap and Data repository: https://huggingface.co/Nibir/IrrMap, providing comprehensive documentation and implementation details.
• Abstract（参考訳）: IrrMapは、地域間での灌水方法マッピングのための最初の大規模データセット(11万パッチ)である。 IrrMapは、ランドサットとセンチネルの多解像度衛星画像と、作物の種類、土地利用、植生指標などの重要な補助データで構成されている。 データセットは2013年から2023年まで、米国西部の複数の州にまたがる1,687,899の農場と14,117,330エーカーに及ぶ。 データセットはML対応で、標準化された224x224 GeoTIFFパッチ、複数入力のモダリティ、慎重に選択されたトレイン-テスト-スプリットデータ、そして、洗浄マッピングにおけるシームレスなディープラーニングモデルのトレーニングとベンチマークのためのデータローダが付属している。 データセットにはデータセット生成のための完全なパイプラインも付属しており、研究者はIrrMapを新しいリージョンに拡張して灌水データを収集したり、農業や地理空間分析における他の類似のアプリケーションに最小限の労力で適応することができる。 また, 農作物群における灌水方法分布, 空間灌水パターン(シャノン多様性指標を用いた) およびランドサットとセンチネルの灌水地域変動を解析し, 地域差と解像度差について考察した。 さらなる調査を促進するため、GitHubリポジトリを通じて、派生したデータセット、ベンチマークモデル、パイプラインコードとともに、IrrMapをオープンにリリースしました。

関連論文リスト

• EarthScape: A Multimodal Dataset for Surficial Geologic Mapping and Earth Surface Analysis [0.31077024712075796]
  本研究では,地球表面マッピングと地球表面解析のための新しいAI対応マルチモーダルデータセットであるEarthScapeを紹介する。 EarthScapeは高解像度の空中RGBと近赤外(NIR)画像、デジタル標高モデル(DEM)、マルチスケールDEM起源の地形特徴、水文・インフラベクトルデータを統合している。 EarthScapeは、拡張のためのビジョンを持つ生きたデータセットとして、コンピュータビジョンと地球科学のギャップを埋める。
  論文  参考訳（メタデータ） (2025-03-19T18:23:48Z)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• AnySat: One Earth Observation Model for Many Resolutions, Scales, and Modalities [5.767156832161819]
  本稿では,JEPAとスケール適応型空間エンコーダに基づくマルチモーダルモデルであるAnySatを提案する。 この統一アプローチの利点を実証するため、異なる特徴を持つ5つのマルチモーダルデータセットの集合であるGeoPlexをコンパイルする。 次に、これらの多様なデータセット上で、単一の強力なモデルを同時にトレーニングします。
  論文  参考訳（メタデータ） (2024-12-18T18:11:53Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• FPCD: An Open Aerial VHR Dataset for Farm Pond Change Detection [0.2867517731896504]
  航空画像の変化検出は、関心のある領域に関連する変化の特定と特定を含む。 航空画像から農業用池をローカライズするための,公開可能なオブジェクト検出とインスタンスセグメンテーション(OD/IS)データセットを提案する。 また,17村の14年間の時間的データも収集・注釈した。
  論文  参考訳（メタデータ） (2023-02-28T13:19:11Z)
• Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles [63.20765930558542]
  3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。 そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。 ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
  論文  参考訳（メタデータ） (2023-02-16T13:41:19Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• A Deep Learning Approach to Mapping Irrigation: IrrMapper-U-Net [0.0]
  本研究では,2000年からのモンタナ州における新しい灌水マッピング法を提案し,その精度を実証する。 この手法は、ランドサット画像からの反射情報を用いて灌水されたピクセルを分類する畳み込みニューラルネットワークのアンサンブルに基づいている。 この方法は、米国農務省の農業統計調査(USDA)の灌水地域の推定値と、州全体でよりよく一致していることを発見した。
  論文  参考訳（メタデータ） (2021-03-04T19:27:39Z)

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。