論文の概要: Scalable deep fusion of spaceborne lidar and synthetic aperture radar for global forest structural complexity mapping

• arxiv url: http://arxiv.org/abs/2510.06299v1
• Date: Tue, 07 Oct 2025 14:29:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.110512
• Title: Scalable deep fusion of spaceborne lidar and synthetic aperture radar for global forest structural complexity mapping
• Title（参考訳）: 大域森林構造解析のための宇宙用ライダーと合成開口レーダのスケーラブル深部融合
• Authors: Tiago de Conto, John Armston, Ralph Dubayah,
• Abstract要約: 森林構造複雑性メトリクスは、生息環境の品質と生態系の機能を反映した複数の天蓋属性を単一の値に統合する。 本稿では,多モード合成開口レーダ(SAR)データセットを用いたGEDI観測を融合したスケーラブルで深層学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.6372261626436676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forest structural complexity metrics integrate multiple canopy attributes into a single value that reflects habitat quality and ecosystem function. Spaceborne lidar from the Global Ecosystem Dynamics Investigation (GEDI) has enabled mapping of structural complexity in temperate and tropical forests, but its sparse sampling limits continuous high-resolution mapping. We present a scalable, deep learning framework fusing GEDI observations with multimodal Synthetic Aperture Radar (SAR) datasets to produce global, high-resolution (25 m) wall-to-wall maps of forest structural complexity. Our adapted EfficientNetV2 architecture, trained on over 130 million GEDI footprints, achieves high performance (global R2 = 0.82) with fewer than 400,000 parameters, making it an accessible tool that enables researchers to process datasets at any scale without requiring specialized computing infrastructure. The model produces accurate predictions with calibrated uncertainty estimates across biomes and time periods, preserving fine-scale spatial patterns. It has been used to generate a global, multi-temporal dataset of forest structural complexity from 2015 to 2022. Through transfer learning, this framework can be extended to predict additional forest structural variables with minimal computational cost. This approach supports continuous, multi-temporal monitoring of global forest structural dynamics and provides tools for biodiversity conservation and ecosystem management efforts in a changing climate.
• Abstract（参考訳）: 森林構造複雑性メトリクスは、生息環境の品質と生態系の機能を反映した複数の天蓋属性を単一の値に統合する。 Global Ecosystem Dynamics Investigation (GEDI) の宇宙用ライダーは温帯と熱帯の森林の構造的複雑さのマッピングを可能にしたが、そのスパースサンプリングは連続した高分解能マッピングを制限した。 本稿では,多モード合成開口レーダ(SAR)データセットを用いたGEDI観測を融合したスケーラブルな深層学習フレームワークを提案する。 適合したEfficientNetV2アーキテクチャは、1億3000万以上のGEDIフットプリントに基づいてトレーニングされ、40,000パラメータ未満の高性能(グローバルR2 = 0.82)を実現しています。 このモデルでは, バイオメカニカルな不確実性推定をバイオメカニカルや時間にわたって正確に予測し, 微細な空間パターンを保存している。 2015年から2022年まで、地球規模の多時期的な森林構造のデータセットを生成するために用いられてきた。 転送学習により、このフレームワークは最小の計算コストで追加の森林構造変数を予測することができる。 このアプローチは、地球規模の森林構造動態の連続的・多時期モニタリングをサポートし、変化する気候における生物多様性の保全と生態系管理のためのツールを提供する。

関連論文リスト

• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• Dimensionality reduction for homological stability and global structure preservation [49.84018914962972]
  本稿では,UMAP や tSNE といった従来の手法が直面する課題に対処するために,新しい次元削減ツールキットを提案する。 JAXフレームワーク上に構築されたDiReは、現代的なハードウェアアクセラレーションを活用し、複雑なデータ構造を視覚化するための効率的でスケーラブルで解釈可能なソリューションを提供する。 このツールキットは、最先端の UMAP や tSNE の実装と比較して、データ内のローカル構造とグローバル構造の両方を保存することにかなり有望である。
  論文  参考訳（メタデータ） (2025-03-05T03:56:01Z)
• PFSD: A Multi-Modal Pedestrian-Focus Scene Dataset for Rich Tasks in Semi-Structured Environments [73.80718037070773]
  本稿では, 半構造化シーンに, nuScenesの形式を付加したマルチモーダルなPedestrian-Focused Sceneデータセットを提案する。 また,密集・隠蔽シナリオにおける歩行者検出のためのHMFN(Hybrid Multi-Scale Fusion Network)を提案する。
  論文  参考訳（メタデータ） (2025-02-21T09:57:53Z)
• Trajectory World Models for Heterogeneous Environments [67.27233466954814]
  環境を横断するセンサーやアクチュエータの不均一性は、大規模な事前訓練された世界モデルを構築する上で大きな課題となる。 我々は80の環境から100万以上のトラジェクトリからなる統一データセットUniTrajを紹介した。 また,様々なセンサやアクチュエータ情報を扱える新しいアーキテクチャであるTrajWorldを提案する。
  論文  参考訳（メタデータ） (2025-02-03T13:59:08Z)
• Advancing the Understanding of Fine-Grained 3D Forest Structures using Digital Cousins and Simulation-to-Reality: Methods and Datasets [15.813305272984978]
  Boreal3Dは世界最大のフォレストポイントクラウドデータセットである。 1000の非常に現実的で構造的な森林区画を含んでいる。 合成データに基づいて事前訓練されたモデルは、実際の森林データセットに適用した場合のパフォーマンスを著しく向上させることができる。
  論文  参考訳（メタデータ） (2025-01-07T09:12:55Z)
• Fine-tuning of Geospatial Foundation Models for Aboveground Biomass Estimation [2.3429628556845405]
  地上バイオマスを推定するための地理空間基盤モデルの微調整は、スクラッチから訓練されたU-Netに匹敵する性能を有する。 また、ブラジルの異なるエコリージョンのスパースラベルを用いた衛星画像の微調整により、モデルの伝達学習能力についても検討する。
  論文  参考訳（メタデータ） (2024-06-28T12:54:10Z)
• FoMo: Multi-Modal, Multi-Scale and Multi-Task Remote Sensing Foundation Models for Forest Monitoring [23.192593517094714]
  第1回森林モニタリングベンチマーク(FoMo-Bench)について紹介する。 FoMo-Benchは、衛星、航空、在庫データを含む15の多様なデータセットで構成されている。 FoMo-Benchにおけるタスクと地理的多様性を高めるために,衛星画像と地上アノテーションを組み合わせた木種分類のためのグローバルデータセットであるTalloSを紹介した。
  論文  参考訳（メタデータ） (2023-12-15T09:49:21Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
  提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。 私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
  論文  参考訳（メタデータ） (2021-07-28T03:46:57Z)

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。