論文の概要: Towards Methane Detection Onboard Satellites

• arxiv url: http://arxiv.org/abs/2509.00626v1
• Date: Sat, 30 Aug 2025 22:54:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.310741
• Title: Towards Methane Detection Onboard Satellites
• Title（参考訳）: 衛星搭載メタン検出に向けて
• Authors: Maggie Chen, Hala Lambdouar, Luca Marini, Laura Martínez-Ferrer, Chris Bridges, Giacomo Acciarini,
• Abstract要約: メタンは温室効果ガスであり、気候変動の主要な要因である。 衛星に搭載された機械学習(ML)は、ダウンリンクコストを低減しつつ、迅速な検出を可能にする。 テクスチュノルト認証データ(UnorthoDOS)を用いて,これらの前処理ステップをバイパスする新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5900825203015314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Methane is a potent greenhouse gas and a major driver of climate change, making its timely detection critical for effective mitigation. Machine learning (ML) deployed onboard satellites can enable rapid detection while reducing downlink costs, supporting faster response systems. Conventional methane detection methods often rely on image processing techniques, such as orthorectification to correct geometric distortions and matched filters to enhance plume signals. We introduce a novel approach that bypasses these preprocessing steps by using \textit{unorthorectified} data (UnorthoDOS). We find that ML models trained on this dataset achieve performance comparable to those trained on orthorectified data. Moreover, we also train models on an orthorectified dataset, showing that they can outperform the matched filter baseline (mag1c). We release model checkpoints and two ML-ready datasets comprising orthorectified and unorthorectified hyperspectral images from the Earth Surface Mineral Dust Source Investigation (EMIT) sensor at https://huggingface.co/datasets/SpaceML/UnorthoDOS , along with code at https://github.com/spaceml-org/plume-hunter.
• Abstract（参考訳）: メタンは温室効果ガスであり、気候変動の主要な要因である。 衛星に搭載された機械学習(ML)は、ダウンリンクコストを低減し、迅速な応答システムをサポートするとともに、迅速な検出を可能にする。 従来のメタン検出法は、幾何歪みを補正するための補正や、配管信号を強化するための整合フィルタといった画像処理技術に頼っていることが多い。 In this approach that a novel approach that bypasss these preprocessing steps by using \textit{unorthorectified} data (UnorthoDOS)。 このデータセットでトレーニングされたMLモデルは、修正されたデータでトレーニングされたモデルに匹敵するパフォーマンスを実現する。 さらに、修正データセット上でモデルをトレーニングし、マッチングされたフィルタベースライン(mag1c)よりも優れていることを示す。 モデルチェックポイントと2つのML対応データセットを,地球表層鉱物ダスト源調査(EMIT)センサーの補正および修正されていないハイパースペクトル画像と,https://huggingface.co/datasets/SpaceML/UnorthoDOS のコードと,https://github.com/spaceml-org/plume-hunter のコードからリリースする。

関連論文リスト

• Multi-Platform Methane Plume Detection via Model and Domain Adaptation [0.16678439732526815]
  本研究では、ESMイメージング分光ミッションのデータを用いて、宇宙に浮かぶメタンプラム分類器を開発した。 我々は、教師なし画像と画像の変換技術であるCycleGANを用いて、空中と宇宙のコンテキスト間のデータ分布を整列する。
  論文  参考訳（メタデータ） (2025-06-02T00:38:41Z)
• HyperspectralViTs: General Hyperspectral Models for On-board Remote Sensing [21.192836739734435]
  機械学習モデルによるハイパースペクトルデータのオンボード処理は、幅広いタスクに対して前例のない量の自律性を可能にする。 これにより早期警戒システムが可能となり、衛星の星座にまたがる自動スケジューリングなどの新機能が実現される可能性がある。 本研究では,高スペクトル次元のデータを用いたエンドツーエンドの学習を支援する,高速かつ正確な機械学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-22T17:59:55Z)
• Investigation on domain adaptation of additive manufacturing monitoring systems to enhance digital twin reusability [12.425166883814153]
  機械学習(ML)ベースのモデリングを使用したデジタルツイン(DT)は、AMプロセスの監視と制御のためにデプロイできる。 メルトプールは、プロセス監視において最もよく見られる物理現象の1つである。 本稿では,AM DTの再利用性を高めるため,異なるAM設定間の知識伝達パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-09-19T13:54:01Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Test-time adaptation for geospatial point cloud semantic segmentation with distinct domain shifts [6.80671668491958]
  テスト時間適応(TTA)は、ソースデータへのアクセスや追加のトレーニングなしに、推論段階でラベル付けされていないデータに事前訓練されたモデルの直接適応を可能にする。 本稿では,3つの領域シフトパラダイムを提案する。光グラムから空気中LiDAR,空気中LiDAR,合成-移動レーザー走査である。 実験の結果,分類精度は最大20%mIoUに向上し,他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-07-08T15:40:28Z)
• Object-Size-Driven Design of Convolutional Neural Networks: Virtual Axle Detection based on Raw Data [0.0]
  本研究では,橋梁上に任意に設置したセンサを用いた列車軸受のリアルタイム検出手法を提案する。 VADER(Virtual Axle Detector with Enhanced Receptive Field)の開発は、単線鉄道橋上で検証されている。 生データを入力として使用することで、最先端のスペクトログラムベースの手法をスピードとメモリ使用率の両方で99%向上させた。
  論文  参考訳（メタデータ） (2023-09-04T12:53:54Z)
• DDPM-CD: Denoising Diffusion Probabilistic Models as Feature Extractors for Change Detection [31.125812018296127]
  Deno Diffusion Probabilistic Model (DDPM) の事前学習による変化検出のための新しいアプローチを提案する。 DDPMは、訓練画像を徐々にマルコフ連鎖を用いてガウス分布に変換することにより、トレーニングデータ分布を学習する。 推論(サンプリング)中に、トレーニング分布に近い多様なサンプルセットを生成することができる。 LEVIR-CD, WHU-CD, DSIFN-CD, CDDデータセットを用いて行った実験により,提案手法は既存の変化検出法よりもF1スコアで大幅に優れており, I。
  論文  参考訳（メタデータ） (2022-06-23T17:58:29Z)
• Towards Data-Efficient Detection Transformers [77.43470797296906]
  我々は、ほとんどの検出トランスフォーマーが、小さなデータセットで大きなパフォーマンス低下に悩まされていることを示す。 我々はデータ効率に影響を与える要因を、データ効率のRCNNから代表DETRへのステップバイステップ遷移によって実証的に分析する。 本稿では,よりリッチな監視とデータ効率向上を目的とした,シンプルながら効果的なラベル拡張手法を提案する。
  論文  参考訳（メタデータ） (2022-03-17T17:56:34Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)

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。