論文の概要: Characterizing Brazilian Atlantic Forest Restoration Outcomes with Geospatial AlphaEarth Embeddings
- arxiv url: http://arxiv.org/abs/2605.05547v1
- Date: Thu, 07 May 2026 00:52:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-08 22:27:11.46544
- Title: Characterizing Brazilian Atlantic Forest Restoration Outcomes with Geospatial AlphaEarth Embeddings
- Title（参考訳）: 地理空間的アルファアース埋め込みによるブラジル大西洋の森林再生特性
- Authors: Alice Heiman,
- Abstract要約: ブラジルのアトランティック・フォレスト(Atlantic Forest)は、生物多様性のホットスポットである。
従来の手法は、そのようなスケールでの地上での報告の不実用性によって制限されている。
そこで本研究では,AlphaEarth Foundationのモデルによる衛星埋設による1,729箇所の修復現場について検討し,早期修復の成功を特徴づける効果を評価する。
- 参考スコア（独自算出の注目度）: 1.0891226355700592
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The Atlantic Forest in Brazil is a critical biodiversity hotspot, yet less than 12-15% of its original cover remains. Although monitoring forest restoration on a large scale is essential, traditional methods are limited by the impracticality of on-the-ground reporting on such a scale and by the saturation of remote-sensing indices such as NDVI. Furthermore, reforestation is a gradual process as opposed to the rapid spectral changes caused by deforestation. In this study, we examine 1,729 restoration sites in São Paulo, using satellite embeddings from the AlphaEarth Foundation's model to evaluate their effectiveness in characterising early restoration success. We introduce the concept of a 'Reference Trajectory Embedding', defining a metric of restoration success based on cosine similarity to reference sites of mature secondary forest. We observe distinct clusters in embedding space according to different land use and land cover (LULC) types, and we can identify sites with clear change vectors. However, the signal can be noisy, and embeddings may require further fine-tuning to capture and predict site metadata beyond LULC.
- Abstract（参考訳）: ブラジルのアトランティック・フォレスト(Atlantic Forest)は、生物多様性のホットスポットである。
大規模な森林修復のモニタリングは不可欠であるが, 従来の手法は, 地上での報告の非現実性や, NDVIなどのリモートセンシング指標の飽和によって制限されている。
さらに、森林再生は、森林破壊による急激なスペクトル変化とは対照的に、段階的なプロセスである。
本研究では,AlphaEarth Foundationのモデルからの衛星埋め込みを用いて,サンパウロの1,729の修復遺跡を調査し,早期修復の成功を特徴づける効果を評価する。
本稿では,成熟二次林の基準地とコサイン類似性に基づいて,復元成功の指標を定義する「参照軌道埋め込み」の概念を紹介した。
異なる土地利用と土地被覆 (LULC) タイプに応じて, 埋設空間内の異なるクラスターを観察し, 明確な変化ベクトルを持つ地点を同定する。
しかし、信号はノイズがあり、埋め込みはLULC以外のサイトのメタデータをキャプチャして予測するためにさらに微調整を必要とする可能性がある。
関連論文リスト
- Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。
テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
論文 参考訳（メタデータ） (2026-03-15T22:20:59Z) - 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) - Detection and Geographic Localization of Natural Objects in the Wild: A Case Study on Palms [10.342516627774438]
PRISM (Processing, Inference, and Mapping) は高密度熱帯林におけるヤシの検出と位置決定のための柔軟なパイプラインである。
まず,8,830個の箱と5,026個のヤシ中心点をアノテートした,エクアドル西部の21の生態学的に多様な場所に,UAV由来の大規模なオルソモザイクデータセットを構築した。
第2に、ゼロショットSAM2をセグメンテーションバックボーンとして統合し、効率と性能に基づいて複数の最先端物体検出器を評価し、第3に、信頼性スコアをIoUと整合させ、sを探索するキャリブレーション手法を適用した。
論文 参考訳（メタデータ） (2025-02-18T16:43:11Z) - Deep Learning tools to support deforestation monitoring in the Ivory Coast using SAR and Optical satellite imagery [0.0]
衛星は森林の消失を認識し、関心領域の拡大を防ぐために使用できる。
フォレスト・ノン・フォレスト・マップ (FNF) はセンチネル画像入力モデルの基礎的真理として用いられている。
森林と非森林を分類するモデルは、森林破壊の起こりうる場所を予測するためにオープンデータセットを使用して、この地域の森林と非森林のピクセルを分類する。
論文 参考訳（メタデータ） (2024-09-16T14:26:41Z) - 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) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳（メタデータ） (2023-04-22T22:39:03Z) - 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) - Texture based Prototypical Network for Few-Shot Semantic Segmentation of
Forest Cover: Generalizing for Different Geographical Regions [0.0]
提案手法は,南アジアの熱帯林を同定し,中央ヨーロッパの温帯林を決定するために適応する。
1-way 1-shot) の森林群に対する0.62のIoUを提案手法を用いて取得し, 従来の少数ショットセマンティックセグメンテーション手法よりも有意に高い値(PANetは0.46)を示した。
論文 参考訳（メタデータ） (2022-03-29T15:48:17Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳（メタデータ） (2021-11-25T16:21:28Z)
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。