論文の概要: DeepSalt: Bridging Laboratory and Satellite Spectra through Domain Adaptation and Knowledge Distillation for Large-Scale Soil Salinity Estimation

• arxiv url: http://arxiv.org/abs/2510.23124v1
• Date: Mon, 27 Oct 2025 08:57:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.499213
• Title: DeepSalt: Bridging Laboratory and Satellite Spectra through Domain Adaptation and Knowledge Distillation for Large-Scale Soil Salinity Estimation
• Title（参考訳）: DeepSalt:大規模土壌塩分濃度推定のための領域適応と知識蒸留によるブリッジ実験室と衛星スペクトル
• Authors: Rupasree Dey, Abdul Matin, Everett Lewark, Tanjim Bin Faruk, Andrei Bachinin, Sam Leuthold, M. Francesca Cotrufo, Shrideep Pallickara, Sangmi Lee Pallickara,
• Abstract要約: DeepSaltは、実験室ベースの分光から衛星ベースのハイパースペクトルセンシングへ高分解能のスペクトル洞察を伝達するフレームワークである。 提案手法は, 高精度で大規模な塩分濃度推定が可能でありながら, 大規模な地下水採取の必要性を排除している。
• 参考スコア（独自算出の注目度）: 4.767418692319928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Soil salinization poses a significant threat to both ecosystems and agriculture because it limits plants' ability to absorb water and, in doing so, reduces crop productivity. This phenomenon alters the soil's spectral properties, creating a measurable relationship between salinity and light reflectance that enables remote monitoring. While laboratory spectroscopy provides precise measurements, its reliance on in-situ sampling limits scalability to regional or global levels. Conversely, hyperspectral satellite imagery enables wide-area observation but lacks the fine-grained interpretability of laboratory instruments. To bridge this gap, we introduce DeepSalt, a deep-learning-based spectral transfer framework that leverages knowledge distillation and a novel Spectral Adaptation Unit to transfer high-resolution spectral insights from laboratory-based spectroscopy to satellite-based hyperspectral sensing. Our approach eliminates the need for extensive ground sampling while enabling accurate, large-scale salinity estimation, as demonstrated through comprehensive empirical benchmarks. DeepSalt achieves significant performance gains over methods without explicit domain adaptation, underscoring the impact of the proposed Spectral Adaptation Unit and the knowledge distillation strategy. The model also effectively generalized to unseen geographic regions, explaining a substantial portion of the salinity variance.
• Abstract（参考訳）: 土壌の塩分化は、植物が水分を吸収する能力を制限し、作物の生産性を低下させるため、生態系と農業の両方に重大な脅威をもたらす。 この現象は土壌のスペクトル特性を変化させ、塩分濃度と光反射率の関係を測り、リモート監視を可能にする。 実験室分光法は精密な測定を提供するが、その場でのサンプリングに依存しているため、スケーラビリティは地域レベルや世界レベルに制限される。 逆に、ハイパースペクトル衛星画像は広い領域での観測を可能にするが、実験機器の微細な解釈性に欠ける。 このギャップを埋めるために、DeepSaltは知識蒸留を利用したディープラーニングベースのスペクトル伝達フレームワークであり、実験室ベースの分光から高分解能スペクトル洞察を衛星ベースのハイパースペクトルセンシングに伝達する新しいスペクトル適応ユニットである。 提案手法は, 大規模な塩分濃度推定を行いながら, 広範囲な地下水採取の必要性を解消するものである。 DeepSaltは、提案されたスペクトル適応ユニットと知識蒸留戦略の影響を裏付ける、明示的なドメイン適応のない手法よりも大きなパフォーマンス向上を実現している。 モデルはまた、塩分濃度のばらつきのかなりの部分を説明するために、効果的に未確認の地理的領域に一般化した。

関連論文リスト

• Unveiling 3D Ocean Biogeochemical Provinces in the North Atlantic: A Systematic Comparison and Validation of Clustering Methods [1.2932412290302258]
  Aimは、クラスタリング手法の体系的な比較を通じて、北大西洋の地域を客観的に定義することを目的としていた。 塩分濃度, 温度, 酸素, 硝酸塩, リン酸塩, ケイ酸塩の濃度を入力として測定した。 その結果,UMAP-DBSCANはデータとして最適であることが判明した。
  論文  参考訳（メタデータ） (2025-04-25T08:55:40Z)
• Variational Autoencoder Framework for Hyperspectral Retrievals (Hyper-VAE) of Phytoplankton Absorption and Chlorophyll a in Coastal Waters for NASA's EMIT and PACE Missions [17.569943344077892]
  本研究では、ESMやPACEを含むNASAのハイパースペクトルミッションに対する機械学習に基づく新しいソリューションを提案する。 我々は、光学的に複雑な沿岸海域における高スペクトルRrsからアフィとChl-aのハイパースペクトル検索を実現するために、革新的な設計によるVAEモデルを初めて調整する。
  論文  参考訳（メタデータ） (2025-04-18T05:37:14Z)
• Rapid detection of soil carbonates by means of NIR spectroscopy, deep learning methods and phase quantification by powder Xray diffraction [0.0]
  FT NIR分光法と深層学習法を用いて土壌中の炭酸塩濃度を迅速かつ効率的に予測する方法を提案する。 1)回帰器、2)CNNなど複数の機械学習手法を利用して、それらの性能を従来のMLアルゴリズムと比較した。
  論文  参考訳（メタデータ） (2023-07-23T14:32:07Z)
• Boosting the Generalization Ability for Hyperspectral Image Classification using Spectral-spatial Axial Aggregation Transformer [14.594398447576188]
  ハイパースペクトル画像分類(HSIC)タスクでは、最も一般的に使われているモデル検証パラダイムは、画素単位のランダムサンプリングによってトレーニング・テストデータセットを分割することである。 私たちの実験では、トレーニングとテストデータセットが多くの情報を共有しているため、高い精度が達成できたことが分かりました。 本稿では,データセット分割間の一般化を保ったスペクトル-空間軸アグリゲーション変換器モデルSaaFormerを提案する。
  論文  参考訳（メタデータ） (2023-06-29T07:55:43Z)
• Quantum-enhanced absorption spectroscopy with bright squeezed frequency combs [91.3755431537592]
  本稿では,周波数変調分光の利点と,プローブ状態のスクイーズによるノイズ特性の低減を両立させる手法を提案する。 ホモダイン検出方式は、複数の周波数での吸収の同時測定を可能にする。 我々は、スキーズ係数と指数関数的にスケールする信号-雑音比の顕著な向上を予測した。
  論文  参考訳（メタデータ） (2022-09-30T17:57:05Z)
• Estimating the concentration of chiral media with bright squeezed light [77.34726150561087]
  キラル分析物の濃度を推定するためのガウスプローブの性能を定量的に評価する。 4倍精度向上は、最先端のスクイーズレベルと強度測定を用いて達成できる。
  論文  参考訳（メタデータ） (2022-08-21T17:18:10Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)

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。