論文の概要: Embedding -based Crop Type Classification in the Groundnut Basin of Senegal

• arxiv url: http://arxiv.org/abs/2601.16900v1
• Date: Fri, 23 Jan 2026 17:05:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.77519
• Title: Embedding -based Crop Type Classification in the Groundnut Basin of Senegal
• Title（参考訳）: セネガルのグラウンドナッツ盆地における埋没型作物型分類
• Authors: Madeline C. Lisaius, Srinivasan Keshav, Andrew Blake, Clement Atzberger,
• Abstract要約: 衛星リモートセンシングによる作物型地図は, 世界の小地域における食料安全保障, 地域生活支援, 気候変動緩和のための重要なツールである。 このギャップに対処するため,1) 性能, 2) 可視性, 3) 伝達性, 4) アクセシビリティからなる組込み型アプローチの4つの基準を確立する。 TESSERAをベースとした土地被覆法と作物型マッピング法は,選択基準を最良に満たし,ある時間移動例では,次の最適手法と比較して28%高い精度を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crop type maps from satellite remote sensing are important tools for food security, local livelihood support and climate change mitigation in smallholder regions of the world, but most satellite-based methods are not well suited to smallholder conditions. To address this gap, we establish a four-part criteria for a useful embedding-based approach consisting of 1) performance, 2) plausibility, 3) transferability and 4) accessibility and evaluate geospatial foundation model (FM) embeddings -based approaches using TESSERA and AlphaEarth against current baseline methods for a region in the groundnut basin of Senegal. We find that the TESSERA -based approach to land cover and crop type mapping fulfills the selection criteria best, and in one temporal transfer example shows 28% higher accuracy compared to the next best method. These results indicate that TESSERA embeddings are an effective approach for crop type classification and mapping tasks in Senegal.
• Abstract（参考訳）: 衛星リモートセンシングによる作物型地図は, 世界の小地域における食料安全保障, 地域生活支援, 気候変動緩和のための重要なツールである。 このギャップに対処するため、我々は組込み型アプローチに有用な4つの基準を定めている。 1)パフォーマンス 2)妥当性 3)転送性、及び 4)セネガルのグラウンドナッツ盆地における現在の基準法に対するTESSERAおよびAlphaEarthを用いた地空間基盤モデル(FM)埋め込みのアクセシビリティと評価 TESSERAをベースとした土地被覆法と作物型マッピング法は,選択基準を最良に満たし,ある時間移動例では,次の最適手法と比較して28%高い精度を示した。 これらの結果から,セネガルの作物型分類とマッピング作業において,TESSERAの埋め込みが有効な手法であることが示唆された。

関連論文リスト

• SALPA: Spaceborne LiDAR Point Adjustment for Enhanced GEDI Footprint Geolocation [0.052498055901649014]
  地すべりの不確実性は、炭素在庫評価を含む森林プロファイルの推定を損なう。 SALPAは,3つの最適化パラダイムと5つの距離メトリクスを統合したマルチアルゴリズム最適化フレームワークである。 対照的な地域--日光, 平地--
  論文  参考訳（メタデータ） (2025-11-18T03:05:30Z)
• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• Less is More: Fewer Interpretable Region via Submodular Subset Selection [54.07758302264416]
  本稿では,上述の画像帰属問題を部分モジュラ部分選択問題として再モデル化する。 我々は、より正確な小さな解釈領域を発見するために、新しい部分モジュラー関数を構築する。 正しく予測されたサンプルに対しては,HSIC-Attributionに対する平均4.9%と2.5%の利得で,Deletion and Insertionスコアを改善した。
  論文  参考訳（メタデータ） (2024-02-14T13:30:02Z)
• Cross Domain Early Crop Mapping using CropSTGAN [12.271756709807898]
  本稿では,Crop Mapping Spectral-temporal Generative Adrial Neural Network (CropSTGAN)を紹介する。 CropSTGANは、ターゲットドメインのスペクトル特徴をソースドメインのスペクトル特徴に変換することを学習し、実質的に大きな相似性をブリッジする。 実験では、CropSTGANは様々な最先端(SOTA)メソッドに対してベンチマークされる。
  論文  参考訳（メタデータ） (2024-01-15T00:27:41Z)
• Deep Learning for Reference-Free Geolocation for Poplar Trees [0.17999333451993943]
  ジオロケーションは、その遺伝的な構成に基づいて、与えられたサンプルの原産地を特定することに関係している。 本稿では,米国エネルギー省が高速回転型バイオ燃料作物として同定したPopulus trichocarpa(Poplar)のゲノム位置について検討する。 我々のモデルであるMashNetは、ランダムにサンプリングされた不整合配列断片からポプラ木の緯度と経度を予測する。
  論文  参考訳（メタデータ） (2023-01-31T03:37:47Z)
• A Coarse-to-Fine Approach for Urban Land Use Mapping Based on Multisource Geospatial Data [4.2968261363970095]
  本稿では,パーセルレベルの都市土地利用マッピングのための機械学習に基づくアプローチを提案する。 まず、道路網から生成された区画に基づいて、都市をビルトアップと非ビルトアップに分割する。 次に,異なる地域におけるパーセルの分類戦略を採用し,最終的に分類結果を統合された土地利用地図に組み合わせた。
  論文  参考訳（メタデータ） (2022-08-18T13:30:56Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)

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。