論文の概要: Estimation of Fish Catch Using Sentinel-2, 3 and XGBoost-Kernel-Based Kernel Ridge Regression

• arxiv url: http://arxiv.org/abs/2602.08511v1
• Date: Mon, 09 Feb 2026 11:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.18253
• Title: Estimation of Fish Catch Using Sentinel-2, 3 and XGBoost-Kernel-Based Kernel Ridge Regression
• Title（参考訳）: Sentinel-2, 3およびXGBoost-Kernel-based Kernel Ridgeressionを用いた漁獲量の推定
• Authors: Kanu Mohammed, Vaishnavi Joshi, Pranjali Diliprao Patil, Sandipan Mondal, Ming-An Lee, Subhadip Dey,
• Abstract要約: 本研究では,Sentinel-2 MSIとSentinel-3 OLCIのマルチスペクトル画像を用いて漁獲量を推定する。 提案手法はSDGs 2 (Zero Hunger) と14 (Life Below Water) を進化させる。
• 参考スコア（独自算出の注目度）: 0.7433903349647366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Oceanographic factors, such as sea surface temperature and upper-ocean dynamics, have a significant impact on fish distribution. Maintaining fisheries that contribute to global food security requires quantifying these connections. This study uses multispectral images from Sentinel-2 MSI and Sentinel-3 OLCI to estimate fish catch using an Extreme Gradient Boosting (XGBoost)-kernelized Kernel Ridge Regression (KRR) technique. According to model evaluation, the XGBoost-KRR framework achieves the strongest correlation and the lowest prediction error across both sensors, suggesting improved capacity to capture nonlinear ocean-fish connections. While Sentinel-2 MSI resolves finer-scale spatial variability, emphasizing localized ecological interactions, Sentinel-3 OLCI displays smoother spectral responses associated with poorer spatial resolution. By supporting sustainable ecosystem management and strengthening satellite-based fisheries assessment, the proposed approach advances SDGs 2 (Zero Hunger) and 14 (Life Below Water).
• Abstract（参考訳）: 海面温度や上部海洋動態などの海洋学的要因は、魚類の分布に大きな影響を及ぼす。 世界の食料安全保障に寄与する漁業を維持するには、これらの関係を定量化する必要がある。 本研究では,Sentinel-2 MSIとSentinel-3 OLCIのマルチスペクトル画像を用いて,XGBoost (Extreme Gradient Boosting)-kernel Ridge Regression (KRR) 法を用いた漁獲量の推定を行った。 モデル評価によると,XGBoost-KRRフレームワークは,両センサ間の相関性が最も高く,予測誤差が低い。 Sentinel-2 MSIは、局所的な生態相互作用を強調しながら、より微細な空間変動を解消する一方、Sentinel-3 OLCIは、より粗い空間分解能に関連するよりスムーズなスペクトル応答を示す。 持続可能な生態系管理と衛星による漁業評価の強化により,提案手法はSDGs 2 (Zero Hunger) と14 (Life Below Water) を推進している。

関連論文リスト

• OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation [55.978228064498865]
  SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。 先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しています。
  論文  参考訳（メタデータ） (2026-01-12T10:20:43Z)
• Improving Underwater Acoustic Classification Through Learnable Gabor Filter Convolution and Attention Mechanisms [1.1024591739346294]
  本稿では,学習可能なGabor畳み込み層とResNeXtのバックボーンを統合したディープラーニングアーキテクチャであるGSE ResNeXtを紹介する。 モデルは複雑さを増大させる3つの分類課題に基づいて評価される。 その結果、GSE ResNeXtはXception、ResNet、MobileNetV2といったベースラインモデルより一貫して優れています。
  論文  参考訳（メタデータ） (2025-12-09T02:39:47Z)
• FishDetector-R1: Unified MLLM-Based Framework with Reinforcement Fine-Tuning for Weakly Supervised Fish Detection, Segmentation, and Counting [12.040327353059945]
  魚の発見, セグメンテーション, 計数のためのMLLMベースの統合フレームワークである FishDetector-R1 を紹介する。 DeepFishデータセットでは,ベースラインよりも大幅に向上し,APを20%,mIoUを10%,MAEを30%,GAMEを35%削減した。
  論文  参考訳（メタデータ） (2025-12-01T06:23:56Z)
• Chlorophyll-a Mapping and Prediction in the Mar Menor Lagoon Using C2RCC-Processed Sentinel 2 Imagery [3.4298729855744026]
  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。
  論文  参考訳（メタデータ） (2025-10-10T14:20:25Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• 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)
• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• Improving Water Quality Time-Series Prediction in Hong Kong using Sentinel-2 MSI Data and Google Earth Engine Cloud Computing [2.186901738997927]
  本研究は,香港沿岸域におけるクロロフィルa (Chl-a), 懸濁固体 (SS), 濁度を予測するための時系列モデルを構築した。
  論文  参考訳（メタデータ） (2024-08-26T04:31:55Z)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)

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。