論文の概要: National level satellite-based crop field inventories in smallholder landscapes

• arxiv url: http://arxiv.org/abs/2507.10499v1
• Date: Mon, 14 Jul 2025 17:23:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:25.575098
• Title: National level satellite-based crop field inventories in smallholder landscapes
• Title（参考訳）: 国有衛星による小規模景観における作物畑の在庫
• Authors: Philippe Rufin, Pauline Lucie Hammer, Leon-Friedrich Thomas, Sá Nogueira Lisboa, Natasha Ribeiro, Almeida Sitoe, Patrick Hostert, Patrick Meyfroidt,
• Abstract要約: モザンビークにおける2100万のフィールドの全国レベルのデータセットを初めて提供します。 我々の地図は、農耕地と非農耕地を分け、全体の93%の精度で分けている。 モザンビークのフィールドサイズは全体的に非常に低く、フィールドの半分は0.16ha以下、83%は0.5ha以下である。
• 参考スコア（独自算出の注目度）: 0.746823468023145
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The design of science-based policies to improve the sustainability of smallholder agriculture is challenged by a limited understanding of fundamental system properties, such as the spatial distribution of active cropland and field size. We integrate very high spatial resolution (1.5 m) Earth observation data and deep transfer learning to derive crop field delineations in complex agricultural systems at the national scale, while maintaining minimum reference data requirements and enhancing transferability. We provide the first national-level dataset of 21 million individual fields for Mozambique (covering ~800,000 km2) for 2023. Our maps separate active cropland from non-agricultural land use with an overall accuracy of 93% and balanced omission and commission errors. Field-level spatial agreement reached median intersection over union (IoU) scores of 0.81, advancing the state-of-the-art in large-area field delineation in complex smallholder systems. The active cropland maps capture fragmented rural regions with low cropland shares not yet identified in global land cover or cropland maps. These regions are mostly located in agricultural frontier regions which host 7-9% of the Mozambican population. Field size in Mozambique is very low overall, with half of the fields being smaller than 0.16 ha, and 83% smaller than 0.5 ha. Mean field size at aggregate spatial resolution (0.05{\deg}) is 0.32 ha, but it varies strongly across gradients of accessibility, population density, and net forest cover change. This variation reflects a diverse set of actors, ranging from semi-subsistence smallholder farms to medium-scale commercial farming, and large-scale farming operations. Our results highlight that field size is a key indicator relating to socio-economic and environmental outcomes of agriculture (e.g., food production, livelihoods, deforestation, biodiversity), as well as their trade-offs.
• Abstract（参考訳）: 小規模農家の持続可能性を高めるための科学技術的政策の設計は、アクティブな作物の空間分布や畑の大きさなど、基本的なシステム特性の限定的な理解に挑戦されている。 超高空間分解能(1.5m)の地球観測データと深層移動学習を統合して,国家規模の複雑な農業システムにおいて,最小限の基準データ要件を維持し,移動可能性を向上させる。 我々は2023年にモザンビーク(約800,000 km2)の2100万の個別のフィールドの全国レベルのデータセットを初めて提供した。 我々の地図は、農耕地と非農耕地を区別し、全体の93%の精度で、除草と管理ミスのバランスを取っている。 フィールドレベルの空間的合意は、結合(IoU)スコアの0.81に到達し、複雑なスモールホルダーシステムにおける大面積フィールドデライン化の最先端を推し進めた。 活発な耕作地地図は、世界的土地被覆や耕作地地図ではまだ特定されていない低い耕作地シェアを持つ断片化された田園地帯を捉えている。 これらの地域は主にモザンビークの人口の7-9%を占める農業フロンティア地域にある。 モザンビークのフィールドサイズは全体的に非常に低く、フィールドの半分は0.16ha以下、83%は0.5ha以下である。 集合空間分解能(0.05{\deg})の平均電場サイズは0.32haであるが、アクセシビリティ、人口密度、純林被覆の変化の勾配によって大きく異なる。 この変化は、半自給自足農場から中規模商業農業、大規模農業活動まで多岐にわたるアクターの集合を反映している。 以上の結果から,フィールドサイズは農業の社会的・経済的・環境的成果(例えば,食料生産,生活,森林破壊,生物多様性)とトレードオフに関連する重要な指標であることが示唆された。

関連論文リスト

• Satellite-based Rabi rice paddy field mapping in India: a case study on Telangana state [0.0]
  本研究は、2018-19年米の季節にインドの32の地域におけるアグロ・エコロジーの変動に適応する表現学主導の枠組みを開発した。 地域別校正法は,従来の地域クラスタリング法に比べて93.3%の精度で8.0ポイント改善した。
  論文  参考訳（メタデータ） (2025-07-07T16:47:37Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• Local vs. Global: Local Land-Use and Land-Cover Models Deliver Higher Quality Maps [3.606726772030176]
  2023年、アフリカの人口の58.0%が深刻な食料不安全を経験し、21.6%が深刻な食料不安全に直面した。 本研究では,多様なデータソースを用いて局所的な土地被覆地図を作成する教師学生モデル構成によるデータ中心型フレームワークを提案する。 我々のフレームワークは、F1スコアで0.14、Intersection-over-Unionで0.21の改善とともに、最高のグローバルモデルよりも高品質なマップを実現した。
  論文  参考訳（メタデータ） (2024-12-01T11:48:58Z)
• Agricultural Landscape Understanding At Country-Scale [7.978859577060083]
  我々は、高解像度画像とUNetスタイルのセグメンテーションモデルを用いて、その種類の国規模のマルチクラスパノラマセグメンテーション出力の1つを生成する。 我々は151.7万ヘクタールにまたがる個別の畑を特定でき、水資源や植生などの重要な特徴を記述できる。
  論文  参考訳（メタデータ） (2024-11-08T06:29:02Z)
• The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.652015514785546]
  機械学習を用いて、西アフリカ地域全体での日陰木カバーと炭素ストックの見積もりを生成します。 既存の陰木カバーは低く、空間的に気候の脅威と一致していないことが判明した。 しかし、このセクターが毎年高い炭素フットプリントのかなりの割合とバランスをとるという、巨大な非現実的な可能性も見出されています。
  論文  参考訳（メタデータ） (2024-10-28T10:02:32Z)
• 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)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Unlocking large-scale crop field delineation in smallholder farming systems with transfer learning and weak supervision [14.98900824231117]
  作物畑の境界は、作物の種類をマッピングし、収穫量を予測し、農家に大規模分析を提供する。 近年、産業用農業システムにおける分野境界の定式化にディープラーニングの応用が成功している。 インドでは1万のフィールドラベルを効率よく生成する手法が成功している。
  論文  参考訳（メタデータ） (2022-01-13T03:01:06Z)
• Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
  ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。 衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
  論文  参考訳（メタデータ） (2020-04-11T19:49:09Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。