論文の概要: RL-Driven Sustainable Land-Use Allocation for the Lake Malawi Basin

• arxiv url: http://arxiv.org/abs/2604.03768v1
• Date: Sat, 04 Apr 2026 15:39:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.761023
• Title: RL-Driven Sustainable Land-Use Allocation for the Lake Malawi Basin
• Title（参考訳）: マラウイ湖流域におけるRL駆動型持続可能な土地利用配分
• Authors: Ying Yao,
• Abstract要約: 本稿では,マラウイ湖流域の土地利用配分を最適化し,生態系全体のサービス価値(ESV)を最大化するための枠組みを提案する。 本枠組みは, (i) 純粋なESV, (ii) 空間的な報酬形成を伴うESV, (iii) 再生型農業政策シナリオの3つのシナリオで評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsustainable land-use practices in ecologically sensitive regions threaten biodiversity, water resources, and the livelihoods of millions. This paper presents a deep reinforcement learning (RL) framework for optimizing land-use allocation in the Lake Malawi Basin to maximize total ecosystem service value (ESV). Drawing on the benefit transfer methodology of Costanza et al., we assign biome-specific ESV coefficients -- locally anchored to a Malawi wetland valuation -- to nine land-cover classes derived from Sentinel-2 imagery. The RL environment models a 50x50 cell grid at 500m resolution, where a Proximal Policy Optimization (PPO) agent with action masking iteratively transfers land-use pixels between modifiable classes. The reward function combines per-cell ecological value with spatial coherence objectives: contiguity bonuses for ecologically connected land-use patches (forest, cropland, built area etc.) and buffer zone penalties for high-impact development adjacent to water bodies. We evaluate the framework across three scenarios: (i) pure ESV maximization, (ii) ESV with spatial reward shaping, and (iii) a regenerative agriculture policy scenario. Results demonstrate that the agent effectively learns to increase total ESV; that spatial reward shaping successfully steers allocations toward ecologically sound patterns, including homogeneous land-use clustering and slight forest consolidation near water bodies; and that the framework responds meaningfully to policy parameter changes, establishing its utility as a scenario-analysis tool for environmental planning.
• Abstract（参考訳）: 環境に敏感な地域での持続不可能な土地利用慣行は、生物多様性、水資源、数百万人の生活を脅かす。 本稿では,マラウイ湖流域の土地利用配分を最適化し,生態系全体のサービス価値(ESV)を最大化するための深層強化学習(RL)フレームワークを提案する。 Costanzaらによる便益移転手法に基づき,マレーの湿地評価に局所的に固定された生物相特異的ESV係数を,Sentinel-2画像から得られた9つの土地被覆クラスに割り当てる。 RL環境は500mの解像度で50x50セルグリッドをモデル化し、アクションマスキングを繰り返すPPOエージェントは、修正可能なクラス間で土地利用画素を反復的に転送する。 報酬関数は、細胞ごとの生態的価値と空間的コヒーレンス目標を結合し、生態的に連結された土地利用パッチ(森林、農地、建設地域など)の連続ボーナスと、水域に隣接する高インパクト開発のためのバッファゾーンペナルティである。 フレームワークを3つのシナリオで評価します。 (i)純粋なESV最大化。 (二)空間報酬形成を伴うESV、及び (三)再生農業政策のシナリオ その結果,ESVの総量増加を効果的に学べること,均質な土地利用クラスタリングや水面近傍の森林統合といった環境音のパターンに対する空間報酬形成が成功し,政策パラメータの変化に有意義に対応できること,環境計画のためのシナリオ分析ツールとしての有用性が示された。

関連論文リスト

• 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)
• Fine-Scale Soil Mapping in Alaska with Multimodal Machine Learning [1.4786253394033289]
  高分解能土壌地図は永久凍土の分布を特徴づけ、脆弱な地域を特定し、適応戦略を示すのに不可欠である。 近地永久凍土と土壌分類のための大規模土壌マップを作成するための視覚ベース機械学習(ML)モデルであるMISOを提案する。 我々は,土壌マッピングに広く用いられている従来のMLモデルであるRandom Forest (RF)とMISOを比較した。
  論文  参考訳（メタデータ） (2025-06-17T22:09:48Z)
• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• 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)
• Fine-tuning of Geospatial Foundation Models for Aboveground Biomass Estimation [2.3429628556845405]
  地上バイオマスを推定するための地理空間基盤モデルの微調整は、スクラッチから訓練されたU-Netに匹敵する性能を有する。 また、ブラジルの異なるエコリージョンのスパースラベルを用いた衛星画像の微調整により、モデルの伝達学習能力についても検討する。
  論文  参考訳（メタデータ） (2024-06-28T12:54:10Z)
• Discovering Effective Policies for Land-Use Planning with Neuroevolution [9.949152590444811]
  森林、都市部、農業など、異なる用途の土地がどのように配分されているかは、地球上の炭素収支に大きな影響を及ぼす。 意思決定者が利用できるさまざまな選択肢を効率的に評価できるようにする代理モデルを学ぶことができる。 進化的探索プロセスは、特定の場所に対する効果的な土地利用政策を発見するために使用できる。
  論文  参考訳（メタデータ） (2023-11-21T02:46:14Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• 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。