論文の概要: An Ecologically-Informed Deep Learning Framework for Interpretable and Validatable Habitat Mapping
- arxiv url: http://arxiv.org/abs/2511.17627v1
- Date: Tue, 18 Nov 2025 23:38:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.305626
- Title: An Ecologically-Informed Deep Learning Framework for Interpretable and Validatable Habitat Mapping
- Title（参考訳）: 適応的・妥当性のあるハビタットマッピングのための生態情報を用いた深層学習フレームワーク
- Authors: Iván Felipe Benavides-Martínez, Cristiam Victoriano Portilla-Cabrera, Katherine E. Mills, Claire Enterline, José Garcés-Vargas, Andrew J. Allyn, Auroop R Ganguly,
- Abstract要約: ECOSAICは、ベント性生息地の自動分類のための人工知能フレームワークである。
ECOSAICは、ドメインインフォームド特徴間の特殊化と直交性を最適化することにより、n次元特徴空間を圧縮する。
このモデルをコロンビア太平洋に応用した結果,マングローブから深度1000mの深い岩場まで広がる16のベント性生息地が確認された。
- 参考スコア（独自算出の注目度）: 1.4672361353012924
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Benthic habitat is challenging due to the environmental complexity of the seafloor, technological limitations, and elevated operational costs, especially in under-explored regions. This generates knowledge gaps for the sustainable management of hydrobiological resources and their nexus with society. We developed ECOSAIC (Ecological Compression via Orthogonal Specialized Autoencoders for Interpretable Classification), an Artificial Intelligence framework for automatic classification of benthic habitats through interpretable latent representations using a customizable autoencoder. ECOSAIC compresses n-dimensional feature space by optimizing specialization and orthogonality between domain-informed features. We employed two domain-informed categories: biogeochemical and hydrogeomorphological, that together integrate biological, physicochemical, hydrological and geomorphological, features, whose constraints on habitats have been recognized in ecology for a century. We applied the model to the Colombian Pacific Ocean and the results revealed 16 benthic habitats, expanding from mangroves to deep rocky areas up to 1000 m depth. The candidate habitats exhibited a strong correspondence between their environmental constraints, represented in latent space, and their expected species composition. This correspondence reflected meaningful ecological associations rather than purely statistical correlations, where the habitat's environmental offerings align semantically with the species' requirements. This approach could improve the management and conservation of benthic habitats, facilitating the development of functional maps that support marine planning, biodiversity conservation and fish stock assessment. We also hope it provides new insights into how ecological principles can inform AI frameworks, particularly given the substantial data limitations that characterize ecological research.
- Abstract（参考訳）: ベント性生息地は、特に未調査地域において、海底の環境の複雑さ、技術的制限、および運用コストの高騰により困難である。
これにより、水文生物資源の持続可能な管理と社会とのネクサスのための知識ギャップが生じる。
自動エンコーダをカスタマイズ可能なラテント表現を用いて,ベント性生息地の自動分類のための人工知能フレームワークであるECOSAIC(Ecological Compression via Orthogonal Specialized Autoencoders for Interpretable Classification)を開発した。
ECOSAICは、ドメインインフォームド特徴間の特殊化と直交性を最適化することにより、n次元特徴空間を圧縮する。
生物,物理化学的,水理学的,地形学的な特徴を一体化した,生物地球化学と水文地形学という2つのドメインインフォームドカテゴリーを1世紀にわたって生態学で認識されてきた。
このモデルをコロンビア太平洋に応用した結果,マングローブから深度1000mの深い岩場まで広がる16のベント性生息地が確認された。
生息地候補地は, 潜伏空間で表される環境制約と, 期待される種組成との間に強い相関関係を示した。
この対応は純粋に統計的な相関ではなく有意義な生態学的関連を反映しており、生息地の環境提供物は種の要求と意味的に一致している。
このアプローチは、海洋計画、生物多様性の保全、魚類の備蓄評価を支援する機能地図の開発を促進するため、ベント性生息地の管理と保全を改善する可能性がある。
また、エコロジーの原則がAIフレームワークにどのように影響を与えるか、特に生態研究を特徴づけるデータ制限を考慮し、新たな洞察を提供することを期待しています。
関連論文リスト
- Topography, climate, land cover, and biodiversity: Explaining endemic richness and management implications on a Mediterranean island [0.0]
アイランド・エンドエミズムは、環境、生態学的、進化的要因の間の複雑な相互作用によって形成される。
地中海の生物多様性ホットスポットであるクレタ島を横断する内生植物の豊かさの要因について検討した。
その結果,総種多様性,標高範囲,気候変動が内在性豊かさの予測因子として最強であることが判明した。
論文 参考訳（メタデータ） (2025-11-05T07:09:18Z) - UWBench: A Comprehensive Vision-Language Benchmark for Underwater Understanding [54.16709436340606]
視覚言語モデル(VLM)は自然界の理解において顕著な成功を収めた。
水中画像は、厳しい光の減衰、色歪み、懸濁粒子散乱などの固有の課題を呈している。
水中視覚言語理解のためのベンチマークであるUWBenchを紹介する。
論文 参考訳（メタデータ） (2025-10-21T03:32:15Z) - Continental-scale habitat distribution modelling with multimodal earth observation foundation models [0.0]
ハビタットは、生物多様性を支援し、人々の自然への貢献を維持する、無生物的な条件、植生の構成、構造を統合する。
現在の生息地マップは、しばしばテーマや空間分解能において不足している。
我々は,高分解能リモートセンシング(RS)データと人工知能(AI)ツールが生息地マッピングをどのように改善するかを評価した。
論文 参考訳（メタデータ） (2025-07-13T18:11:26Z) - BioAnalyst: A Foundation Model for Biodiversity [0.565395466029518]
本稿では,生物多様性分析と保全計画に適した最初の基礎モデルであるBioAnalystを紹介する。
BioAnalystは、広範なマルチモーダルデータセットに基づいて事前トレーニングされた、トランスフォーマーベースのアーキテクチャを採用している。
本稿では,2つのダウンストリームユースケースにおけるモデルの性能評価を行い,既存手法と比較して汎用性を実証した。
論文 参考訳（メタデータ） (2025-07-11T23:56:08Z) - Multi-scale species richness estimation with deep learning [0.0]
我々はサンプリング理論と深層学習を組み合わせて、任意に大きなサンプリング領域内の局所的な種多様性を予測する。
我々の深部SARモデルが、鍵となる生物多様性プロセスのマルチスケール効果に関する基礎的な洞察をいかに得るかを示す。
論文 参考訳（メタデータ） (2025-07-08T19:42:33Z) - Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。
本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文 参考訳（メタデータ） (2025-03-06T05:13:19Z) - Mining for Species, Locations, Habitats, and Ecosystems from Scientific Papers in Invasion Biology: A Large-Scale Exploratory Study with Large Language Models [6.364723262453785]
本稿では,大規模言語モデル(LLM)の機能を利用して,侵略生物学の文献から重要な生態要素を抽出する。
具体的には、種名、生息地、生息地、生態系を抽出することに焦点を当て、種の普及を理解する上で重要な情報である。
この研究は、研究者や実践者が生物学的侵略を理解し、管理するのに役立つ、より高度で自動化された知識抽出ツールの基盤となる。
論文 参考訳（メタデータ） (2025-01-30T11:55:44Z) - Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。
我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。
また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
論文 参考訳（メタデータ） (2024-10-14T17:22:55Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。
その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。
河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z)
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。