論文の概要: Mapping Farmed Landscapes from Remote Sensing

• arxiv url: http://arxiv.org/abs/2506.13993v1
• Date: Mon, 16 Jun 2025 20:50:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.244334
• Title: Mapping Farmed Landscapes from Remote Sensing
• Title（参考訳）: リモートセンシングによる農地景観のマッピング
• Authors: Michelangelo Conserva, Alex Wilson, Charlotte Stanton, Vishal Batchu, Varun Gulshan,
• Abstract要約: 本稿では,農村景観の特徴の高解像度(25cm)マップであるFarmscapesを紹介した。 このマップは、942の注釈付きタイルからなる新しいデータセットに基づいて訓練されたディープラーニングセグメンテーションモデルを用いて作成された。 Google Earth Engineでイングランド全体の地図を公開することによって、生態学者や政策立案者に強力なオープンアクセスツールを提供しています。
• 参考スコア（独自算出の注目度）: 1.9049093778958732
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective management of agricultural landscapes is critical for meeting global biodiversity targets, but efforts are hampered by the absence of detailed, large-scale ecological maps. To address this, we introduce Farmscapes, the first large-scale (covering most of England), high-resolution (25cm) map of rural landscape features, including ecologically vital elements like hedgerows, woodlands, and stone walls. This map was generated using a deep learning segmentation model trained on a novel, dataset of 942 manually annotated tiles derived from aerial imagery. Our model accurately identifies key habitats, achieving high f1-scores for woodland (96\%) and farmed land (95\%), and demonstrates strong capability in segmenting linear features, with an F1-score of 72\% for hedgerows. By releasing the England-wide map on Google Earth Engine, we provide a powerful, open-access tool for ecologists and policymakers. This work enables data-driven planning for habitat restoration, supports the monitoring of initiatives like the EU Biodiversity Strategy, and lays the foundation for advanced analysis of landscape connectivity.
• Abstract（参考訳）: 農業景観の効果的な管理は、世界の生物多様性の目標を満たすために重要であるが、詳細な大規模生態地図が存在しないため、努力は妨げられている。 そこで本研究では,ヒゲ,森林,石垣などの生態学的に重要な要素を含む,最初の大規模(イングランドの大半をカバー)で高解像度(25cm)の農村景観の特徴マップであるFarmscapesを紹介した。 この地図は、空中画像から得られた942個の手動注釈付きタイルからなる新しいデータセットに基づいて訓練されたディープラーニングセグメンテーションモデルを用いて作成された。 本モデルでは, 重要な生息地を正確に把握し, 森林および農地のf1スコア(96 %)と農地の95 %(95 %)を達成し, ヒゲのF1スコア(72 %)を指標として, 直線的特徴のセグメンテーション能力を示す。 Google Earth Engineでイングランド全体の地図を公開することによって、生態学者や政策立案者に強力なオープンアクセスツールを提供しています。 この作業は、生息環境の復元のためのデータ駆動計画を可能にし、EU生物多様性戦略のようなイニシアチブの監視を支援し、ランドスケープ・コネクティビティの高度な分析の基礎を築いた。

関連論文リスト

• Detection and Geographic Localization of Natural Objects in the Wild: A Case Study on Palms [13.350975037304194]
  PRISM (Processing, Inference, and Mapping) は高密度熱帯林におけるヤシの検出と位置決定のための柔軟なパイプラインである。 まず,8,830個の箱と5,026個のヤシ中心点をアノテートした,エクアドル西部の21の生態学的に多様な場所に,UAV由来の大規模なオルソモザイクデータセットを構築した。 第2に、ゼロショットSAM2をセグメンテーションバックボーンとして統合し、効率と性能に基づいて複数の最先端物体検出器を評価し、第3に、信頼性スコアをIoUと整合させ、sを探索するキャリブレーション手法を適用した。
  論文  参考訳（メタデータ） (2025-02-18T16:43:11Z)
• PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
  地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。 その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。 このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
  論文  参考訳（メタデータ） (2025-01-10T18:59:42Z)
• MapGPT: Map-Guided Prompting with Adaptive Path Planning for Vision-and-Language Navigation [73.81268591484198]
  GPTを装備した身体的エージェントは、様々なタスクにまたがる異常な意思決定と一般化能力を示した。 本稿では,グローバルな探索を促進するオンライン言語地図を提供するMapGPTという,地図誘導型GPTエージェントについて紹介する。 本設計の利点を生かして,地図に基づく多段階経路計画を行うエージェントを支援する適応型計画手法を提案する。
  論文  参考訳（メタデータ） (2024-01-14T15:34:48Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• 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)
• Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
  本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。 地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。 また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
  論文  参考訳（メタデータ） (2023-04-14T15:52:57Z)
• Enabling Country-Scale Land Cover Mapping with Meter-Resolution Satellite Imagery [42.70832378336697]
  高解像度衛星画像は、土地被覆分類のための豊富な詳細な空間情報を提供することができる。 大規模に詳細なカテゴリのランドカバーマッピングに高解像度画像を適用した研究はほとんどない。 本稿では,50億画素以上の高解像度Gaofen-2(4m)衛星画像を含む大規模ランドカバー・データセットであるFive-Billion-Pixelsを提案する。
  論文  参考訳（メタデータ） (2022-09-01T21:00:23Z)

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。