論文の概要: Forest tree species classification and entropy-derived uncertainty mapping using extreme gradient boosting and Sentinel-1/2 data

• arxiv url: http://arxiv.org/abs/2509.18228v1
• Date: Mon, 22 Sep 2025 12:01:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.501425
• Title: Forest tree species classification and entropy-derived uncertainty mapping using extreme gradient boosting and Sentinel-1/2 data
• Title（参考訳）: 極度勾配増進とセンチネル1/2データを用いた森林樹種分類とエントロピー由来の不確実性マッピング
• Authors: Abdulhakim M. Abdi, Fan Wang,
• Abstract要約: 本研究は,スウェーデンの森林において,画素レベルの不確実性推定を伴う新しい10mの樹種マップを提示する。 木種分類は、Sentinel-1とSentinel-2の衛星データから得られた測定値と、スウェーデン国立森林調査所の観測値に基づいている。
• 参考スコア（独自算出の注目度）: 6.334209619488757
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a new 10-meter map of dominant tree species in Swedish forests accompanied by pixel-level uncertainty estimates. The tree species classification is based on spatiotemporal metrics derived from Sentinel-1 and Sentinel-2 satellite data, combined with field observations from the Swedish National Forest Inventory. We apply an extreme gradient boosting model with Bayesian optimization to relate field observations to satellite-derived features and generate the final species map. Classification uncertainty is quantified using Shannon's entropy of the predicted class probabilities, which provide a spatially explicit measure of model confidence. The final model achieved an overall accuracy of 85% (F1 score = 0.82, Matthews correlation coefficient = 0.81), and mapped species distributions showed strong agreement with official forest statistics (r = 0.96).
• Abstract（参考訳）: 我々は,スウェーデンの森林における優占樹種の新しい10mマップと画素レベルの不確実性推定を行った。 木種分類は、Sentinel-1とSentinel-2の衛星データから得られた時空間的指標と、スウェーデン国立森林調査所によるフィールド観測に基づいている。 ベイズ最適化を用いた極度勾配上昇モデルを適用し, 観測結果と衛星の特徴を関連づけ, 最終種図を生成する。 分類の不確実性は、予測クラス確率のシャノンのエントロピーを用いて定量化され、空間的に明らかなモデル信頼性の測定値を提供する。 最終モデルは85%の精度(F1スコア=0.82、マシューズ相関係数=0.81)を達成し、マッピングされた種分布は公式の森林統計(r = 0.96)と強い一致を示した。

関連論文リスト

• Clustered random forests with correlated data for optimal estimation and inference under potential covariate shift [4.13592995550836]
  我々はクラスタ内の依存を示す独立したグループから生じるランダムなデータに対するランダムなフォレストアルゴリズムであるClustered Random Forestsを開発した。 集団化されたランダム林を構成する各決定木の葉回り予測は、重み付き最小二乗推定器の形を取る。 伐採された無作為林は、特定の樹木分割基準に対して、ポイントワイド条件の平均推定に最適なミニマックスレートを示す。
  論文  参考訳（メタデータ） (2025-03-16T20:07:23Z)
• Variational phylogenetic inference with products over bipartitions [48.2982114295171]
  単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。 我々の手法はすべての木空間に対して推論を行い、マルコフ連鎖モンテカルロ部分ルーチンは不要であり、我々の変分族は微分可能である。
  論文  参考訳（メタデータ） (2025-02-21T00:06:57Z)
• Ensembles of Probabilistic Regression Trees [46.53457774230618]
  木に基づくアンサンブル法は多くの応用や研究で回帰問題に成功している。 本研究では,確率分布に関する各領域の観察を割り当てることで,目的関数のスムーズな近似を提供する確率回帰木のアンサンブルバージョンについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T06:51:51Z)
• Evaluating Perceptual Distance Models by Fitting Binomial Distributions to Two-Alternative Forced Choice Data [47.18802526899955]
  2つの代替的な強制選択実験は視覚知覚文学で人気がある。 クラウドソースによる知覚距離モデルが登場し、三つ子間で画像を共有することはなく、ランキングが実現不可能になった。 両面分布を用いた2AFC実験において,基礎となる意思決定過程を統計的にモデル化する。
  論文  参考訳（メタデータ） (2024-03-15T15:21:04Z)
• Generalized Random Forests using Fixed-Point Trees [4.642647756403864]
  本研究では,多次元の異種効果を推定するための一般化ランダムフォレスト(GRF)に対する計算効率の良い代替手法を提案する。 GRFは勾配に基づく分割基準に依存しているが、この手法はジャコビアン推定の必要性を排除した固定点近似を導入する。 提案手法は,機械学習および因果推論アプリケーションにおける局所的効果推定のスケーラブルな代替手段であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-20T21:45:35Z)
• Prediction Algorithms Achieving Bayesian Decision Theoretical Optimality Based on Decision Trees as Data Observation Processes [1.2774526936067927]
  本稿では,データの背後にあるデータ観測過程を表現するために木を用いる。 我々は、過度な適合に対して頑健な統計的に最適な予測を導出する。 これをマルコフ連鎖モンテカルロ法により解き、ステップサイズは木の後方分布に応じて適応的に調整される。
  論文  参考訳（メタデータ） (2023-06-12T12:14:57Z)
• Variational Classification [51.2541371924591]
  我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。 軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。 我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
  論文  参考訳（メタデータ） (2023-05-17T17:47:19Z)
• 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)
• Data-driven advice for interpreting local and global model predictions in bioinformatics problems [17.685881417954782]
  条件付き特徴コントリビューション(CFC)は、予測のテキストローカルでケースバイケースの説明を提供する。 両手法で計算した説明を, 公開されている164の分類問題に対して比較した。 ランダム林では,地域とグローバルのSHAP値とCFCスコアの相関関係が極めて高い。
  論文  参考訳（メタデータ） (2021-08-13T12:41:39Z)
• Wood-leaf classification of tree point cloud based on intensity and geometrical information [22.738466338122418]
  地上レーザースキャン(TLS)は、高精度で高密度のツリーポイント雲を得ることができる。 樹木の構造パラメーターと生態特性を研究するためには,木点と葉点の効率的な分類が不可欠である。 自動木葉分類を実現するために3段階の分類と検証手法が提案された。
  論文  参考訳（メタデータ） (2021-08-02T16:04:48Z)

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。