論文の概要: EUNIS Habitat Maps: Enhancing Thematic and Spatial Resolution for Europe through Machine Learning

• arxiv url: http://arxiv.org/abs/2506.13649v1
• Date: Mon, 16 Jun 2025 16:10:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:48.909322
• Title: EUNIS Habitat Maps: Enhancing Thematic and Spatial Resolution for Europe through Machine Learning
• Title（参考訳）: EUNIS Habitat Maps: 機械学習によるヨーロッパにおけるテーマと空間解像度の強化
• Authors: Sara Si-Moussi, Stephan Hennekens, Sander Mücher, Wanda De Keersmaecker, Milan Chytrý, Emiliano Agrillo, Fabio Attorre, Idoia Biurrun, Gianmaria Bonari, Andraž Čarni, Renata Ćušterevska, Tetiana Dziuba, Klaus Ecker, Behlül Güler, Ute Jandt, Borja Jiménez-Alfaro, Jonathan Lenoir, Jens-Christian Svenning, Grzegorz Swacha, Wilfried Thuiller,
• Abstract要約: EUNISの生息地分類は欧州の生息地を分類するのに重要である。 260のEUNIS生息地を階層レベル3で予測する。 欧州全体で100mの解像度で、最も可能性の高いEUNIS生息地を示す欧州の生息地マップを作成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The EUNIS habitat classification is crucial for categorising European habitats, supporting European policy on nature conservation and implementing the Nature Restoration Law. To meet the growing demand for detailed and accurate habitat information, we provide spatial predictions for 260 EUNIS habitat types at hierarchical level 3, together with independent validation and uncertainty analyses. Using ensemble machine learning models, together with high-resolution satellite imagery and ecologically meaningful climatic, topographic and edaphic variables, we produced a European habitat map indicating the most probable EUNIS habitat at 100-m resolution across Europe. Additionally, we provide information on prediction uncertainty and the most probable habitats at level 3 within each EUNIS level 1 formation. This product is particularly useful for both conservation and restoration purposes. Predictions were cross-validated at European scale using a spatial block cross-validation and evaluated against independent data from France (forests only), the Netherlands and Austria. The habitat maps obtained strong predictive performances on the validation datasets with distinct trade-offs in terms of recall and precision across habitat formations.
• Abstract（参考訳）: EUNISの生息地分類は、欧州の生息地を分類し、自然保護に関する欧州の政策を支援し、自然再生法を施行するために重要である。 詳細な正確な生息地情報に対する需要の増大に対応するため,260のEUNIS生息地を階層レベル3で空間予測し,独立した検証と不確実性分析を行う。 エンサンブル機械学習モデルと高解像度衛星画像と、生態学的に意味のある気候、地形、およびエダフィック変数を用いて、ヨーロッパ全土100mのEUNISの生息地を示す欧州の生息地マップを作成した。 さらに,EUNISレベル1のそれぞれの構成において,予測の不確実性や最も可能性の高い生息地について,各レベル3で情報を提供する。 この製品は特に保存および修復の目的で有用である。 欧州規模での予測は空間ブロッククロスバリデーションを用いてクロスバリデーションされ、フランス(森林のみ)、オランダ、オーストリアからの独立したデータに対して評価された。 生息地マップは、生息地形成におけるリコールと精度の観点から、異なるトレードオフを持つ検証データセットの強い予測性能を得た。

関連論文リスト

• Feedforward Few-shot Species Range Estimation [61.60698161072356]
  特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。 正確な射程推定は 知られている全ての種の 比較的小さな割合でしか 利用できない 我々は、限られたデータから種の範囲を正確に推定するという課題に対処するために、数発の種範囲推定の新しいアプローチを概説する。
  論文  参考訳（メタデータ） (2025-02-20T19:13:29Z)
• 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)
• A Geospatial Approach to Predicting Desert Locust Breeding Grounds in Africa [3.6826233660285395]
  ロカスト群れは農業と食料安全保障に 大きな脅威を与えます 本研究は,ロカスト繁殖場予測のための操作可能なモデルを開発した。
  論文  参考訳（メタデータ） (2024-03-11T16:13:58Z)
• Modelling Species Distributions with Deep Learning to Predict Plant Extinction Risk and Assess Climate Change Impacts [2.874893537471256]
  種別IUCNの分類法について検討した。 本手法は, フレキシブルSDM機能に依存しながら, 最先端の分類性能に適合する。 絶滅危惧種の比率は世界中で増加しており、アフリカ、アジア、南米で臨界率が高い。
  論文  参考訳（メタデータ） (2024-01-10T15:24:27Z)
• 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)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Inter and Intra-Annual Spatio-Temporal Variability of Habitat Suitability for Asian Elephants in India: A Random Forest Model-based Analysis [1.370633147306388]
  インドにおけるアジアゾウの種分布を推定するランダムフォレストモデルを構築した。 好適な生息地の季節的減少は、アジアゾウの出現パターンと人・エレファント紛争の増加を説明する可能性がある。
  論文  参考訳（メタデータ） (2021-07-22T06:42:54Z)

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。