論文の概要: Chlorophyll-a Mapping and Prediction in the Mar Menor Lagoon Using C2RCC-Processed Sentinel 2 Imagery

• arxiv url: http://arxiv.org/abs/2510.09736v1
• Date: Fri, 10 Oct 2025 14:20:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.602095
• Title: Chlorophyll-a Mapping and Prediction in the Mar Menor Lagoon Using C2RCC-Processed Sentinel 2 Imagery
• Title（参考訳）: C2RCC-Processed Sentinel 2 画像を用いた丸面ラグーンのクロロフィルマッピングと予測
• Authors: Antonio Martínez-Ibarra, Aurora González-Vidal, Adrián Cánovas-Rodríguez, Antonio F. Skarmeta,
• Abstract要約: クロロフィルa(Chl-a)のモニタリングは、有害な藻類の開花と誘導緩和を予測するために不可欠である。 衛星ベースのアプローチは、より包括的なビューを提供し、スケーラブルで長期的な、そして転送可能な監視を可能にする。 本研究は,マルメナーの水柱を横断するChl-aを予測・マッピングするための信頼性の高い手法を開発した。
• 参考スコア（独自算出の注目度）: 3.4298729855744026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Mar Menor, Europe's largest coastal lagoon, located in Spain, has undergone severe eutrophication crises. Monitoring chlorophyll-a (Chl-a) is essential to anticipate harmful algal blooms and guide mitigation. Traditional in situ measurements are spatially and temporally limited. Satellite-based approaches provide a more comprehensive view, enabling scalable, long-term, and transferable monitoring. This study aims to overcome limitations of chlorophyll monitoring, often restricted to surface estimates or limited temporal coverage, by developing a reliable methodology to predict and map Chl-a across the water column of the Mar Menor. The work integrates Sentinel 2 imagery with buoy-based ground truth to create models capable of high-resolution, depth-specific monitoring, enhancing early-warning capabilities for eutrophication. Nearly a decade of Sentinel 2 images was atmospherically corrected using C2RCC processors. Buoy data were aggregated by depth (0-1 m, 1-2 m, 2-3 m, 3-4 m). Multiple ML and DL algorithms-including RF, XGBoost, CatBoost, Multilater Perceptron Networks, and ensembles-were trained and validated using cross-validation. Systematic band-combination experiments and spatial aggregation strategies were tested to optimize prediction. Results show depth-dependent performance. At the surface, C2X-Complex with XGBoost and ensemble models achieved R2 = 0.89; at 1-2 m, CatBoost and ensemble models reached R2 = 0.87; at 2-3 m, TOA reflectances with KNN performed best (R2 = 0.81); while at 3-4 m, RF achieved R2 = 0.66. Generated maps successfully reproduced known eutrophication events (e.g., 2016 crisis, 2025 surge), confirming robustness. The study delivers an end-to-end, validated methodology for depth-specific Chl-amapping. Its integration of multispectral band combinations, buoy calibration, and ML/DL modeling offers a transferable framework for other turbid coastal systems.
• Abstract（参考訳）: スペインにあるヨーロッパ最大の沿岸ラグーンであるマルメノールは、深刻な富栄養化の危機にさらされている。 クロロフィルa(Chl-a)のモニタリングは、有害な藻類の開花と誘導緩和を予測するために不可欠である。 伝統的なin situ測定は空間的にも時間的にも制限されている。 衛星ベースのアプローチは、より包括的なビューを提供し、スケーラブルで長期的な、そして転送可能な監視を可能にする。 本研究は, クロロフィルモニタリングの限界を克服することを目的として, マルメナーの水柱を横断するChl-aを予測・マッピングするための信頼性の高い方法論を開発した。 この研究は、Sentinel 2の画像とブイをベースとした地上の真実を統合し、高解像度で深度特異的なモニタリングが可能で、富栄養化の早期警戒能力を高めるモデルを作成する。 センチネル2の画像の10年近くをC2RCCプロセッサで大気補正した。 ブイデータは深さ0-1m, 1-2m, 2-3m, 3-4m)で集約された。 複数のMLおよびDLアルゴリズム(RF、XGBoost、CatBoost、Multilater Perceptron Networks、およびアンサンブル)は、クロスバリデーションを使用してトレーニングされ、検証される。 予測を最適化するために,系統的なバンド結合実験と空間集約戦略を試験した。 その結果,深度に依存した性能が得られた。 表面では、XGBoostとアンサンブルモデルを用いたC2X-コンプレックスがR2 = 0.89に達し、1-2mではCatBoostとアンサンブルモデルがR2 = 0.87に達し、2-3mではKNNによるTOA反射率が最高(R2 = 0.81)、3-4mではRFがR2 = 0.66となった。 作成した地図は、既知の富栄養化現象(例:2016年危機、2025年の急上昇)を再現し、堅牢性を確認した。 この研究は、深さ固有のChlマッピングのためのエンドツーエンドで検証された方法論を提供する。 マルチスペクトルバンドの組み合わせ、ブイキャリブレーション、ML/DLモデリングの統合は、他の濁った沿岸システムのための転送可能なフレームワークを提供する。

関連論文リスト

• Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency [60.74505433956616]
  連続時間一貫性モデル(sCM)は理論的に原理化され、学術規模の拡散を加速するために実証的に強力である。 まず並列性互換なFlashAttention-2 JVPカーネルを開発し、100億以上のパラメータと高次元ビデオタスクを持つモデル上でsCMトレーニングを可能にする。 本稿では, スコア蒸留を長軸正則化器として組み込んだスコア規則化連続時間一貫性モデル(rCM)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T16:45:30Z)
• No Mesh, No Problem: Estimating Coral Volume and Surface from Sparse Multi-View Images [45.20850219249498]
  有効なサンゴ礁のモニタリングには、正確な体積と表面積の推定によるサンゴの成長の定量化が必要である。 本稿では,2次元マルチビューRGB画像からサンゴのような物体の3次元体積と表面積を予測することによって,この問題に対処する,新しい,軽量でスケーラブルな学習フレームワークを提案する。 このフレームワークは、スパース画像から効率よくスケーラブルなサンゴの形状を推定する方法を開拓し、サンゴの成長分析やサンゴのモニタリングに応用できる可能性がある。
  論文  参考訳（メタデータ） (2025-09-14T08:52:01Z)
• CLIPure: Purification in Latent Space via CLIP for Adversarially Robust Zero-Shot Classification [65.46685389276443]
  画像とテキストプロンプトをマッチングすることでゼロショット分類を行うことができる、視覚言語で事前訓練されたエンコーダモデルであるCLIPについて検討する。 次に, 共分散精製プロセス間のKL分散として精製リスクを定式化する。 画像の潜伏ベクトルの確率をモデル化するCLI-Diffと、画像の埋め込みとaの写真とのコサイン類似度をモデル化するCLI-Cosの2つのバリエーションを提案する。
  論文  参考訳（メタデータ） (2025-02-25T13:09:34Z)
• TopoFormer: Integrating Transformers and ConvLSTMs for Coastal Topography Prediction [0.0]
  textitTopoFormerは、変換器ベースのエンコーダと畳み込みの長い短期記憶層を統合する。 このアーキテクチャは、ビーチプロファイルデータに固有の長距離依存関係と局所化された時間パターンの両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-01-11T09:46:02Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Dual Hyperspectral Mamba for Efficient Spectral Compressive Imaging [102.35787741640749]
  本稿では,グローバルな長距離依存関係と局所的コンテキストの両方を探索し,効率的なHSI再構成を実現するために,DHM(Dual Hyperspectral Mamba)を提案する。 具体的には、DHMは複数の双対超スペクトルS4ブロック(DHSB)から構成され、元のHSIを復元する。
  論文  参考訳（メタデータ） (2024-06-01T14:14:40Z)
• Coupling a Recurrent Neural Network to SPAD TCSPC Systems for Real-time Fluorescence Lifetime Imaging [4.49533352963549]
  近年,生物・医学研究における強力な診断技術として,蛍光寿命イメージング(FLI)が注目されている。 既存のFLIシステムは、処理速度、精度、堅牢性の間のトレードオフに悩まされることが多い。 精度を低下させることなく高速FLIを実現する頑健な手法を提案する。
  論文  参考訳（メタデータ） (2023-06-27T16:37:37Z)
• Transforming Observations of Ocean Temperature with a Deep Convolutional Residual Regressive Neural Network [0.0]
  海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。 ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。 本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。 我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
  論文  参考訳（メタデータ） (2023-06-16T17:35:11Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)

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。