論文の概要: The first global agricultural field boundary map at 10m resolution
- arxiv url: http://arxiv.org/abs/2605.11055v1
- Date: Mon, 11 May 2026 15:54:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.332928
- Title: The first global agricultural field boundary map at 10m resolution
- Title（参考訳）: 10m分解能における最初の大域的農地境界図
- Authors: Caleb Robinson, Gedeon Muhawenayo, Subash Khanal, Zhanpei Fang, Isaac Corley, Ana M. Tárano, Lyndon Estes, Jennifer Marcus, Nathan Jacobs, Hannah Kerner, Inbal Becker-Reshef, Juan M. Lavista Ferres,
- Abstract要約: 世界の農業用リモートセンシング製品のほとんどは、ピクセルレベルでのみ利用可能である。
オープンで、グローバルに一貫した農地の境界の地図は、今のところ存在しない。
2024年と2025年の10m解像度で最初のグローバルフィールド境界データセットを提示する。
- 参考スコア（独自算出の注目度）: 23.150413419951388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The agricultural field is the natural unit at which crops are planted, managed, regulated, and reported, yet most global remote-sensing products for agriculture are only available at the pixel level. While some high-quality field-level data products exist, they come from parcel registries covering only parts of Europe or from ML-derived products for individual countries. No openly available, globally consistent map of agricultural field boundaries exists to date. Here we present the first global field boundary dataset at 10\,m resolution for the years 2024 and 2025, comprising 3.17 billion remote-sensing field polygons (1.62 B in 2024 and 1.55 B in 2025) across 241 countries and territories, produced by applying a U-Net segmentation model trained on the Fields of The World dataset to cloud-free Sentinel-2 mosaics. Validated against ground-truth field boundaries in 24 countries, the map achieved a mean pixel-level recall of 0.85 with 14 countries exceeding 0.90. Evaluation against full-country ground-truth datasets in Austria, Latvia, and Finland yielded F1 scores of 0.89, 0.88, and 0.74, respectively. Because reference data for global validation is inherently incomplete, we accompanied the map with a 500 m confidence layer that identifies regions where predictions are reliable. We release the dataset openly as three global maps: the confidence-thresholded default field boundary dataset, the full unfiltered dataset, and the continuous-valued confidence raster. These maps provide the first globally consistent field-level unit of analysis for crop monitoring, food security, and downstream agricultural science.
- Abstract（参考訳）: 農業分野は、作物が植えられ、管理され、規制され、報告される自然の単位であるが、ほとんどのグローバルな農業用リモートセンシング製品はピクセルレベルでしか利用できない。
高品質なフィールドレベルのデータ製品はいくつか存在するが、それらはヨーロッパの一部のみをカバーするパーセルレジストリや、各国のML由来の製品から来ている。
オープンで、グローバルに一貫した農地の境界の地図は、今のところ存在しない。
ここでは、2024年と2025年の最初のグローバルフィールド境界データセットを、241の国と領域にわたる317億のリモートセンシングフィールドポリゴン(2024年には1.62B、2025年には1.55B)からなる、2024年と2025年の10分の10mの解像度で提示する。
24ヶ国で地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地対地比は0.85。
オーストリア、ラトビア、フィンランドのフルカントリーの地上データに対する評価では、それぞれ0.89、0.88、0.74のスコアが得られた。
グローバルな検証のための参照データは本質的に不完全であるため、500mの信頼層で予測が信頼できる地域を特定する。
データセットをオープンに3つのグローバルマップとしてリリースします。
これらの地図は、作物のモニタリング、食料安全保障、下流農業科学のための、世界で初めて一貫した分野レベルの分析単位を提供する。
関連論文リスト
- PRUE: A Practical Recipe for Field Boundary Segmentation at Scale [50.194423500109025]
本研究では,大域境界線決定のためのセグメント化と地理空間基盤モデル(GFM)を初めて体系的に評価する。
U-Netセマンティックセマンティックセグメンテーションモデルは、パフォーマンスとデプロイメントのメトリクスのスイートにおいて、インスタンスベースとGFMの代替よりも優れています。
我々のアプローチは、モデル設計、トレーニング、推論にまたがる、信頼性があり、スケーラブルで再現可能なフィールド境界記述のための実践的なフレームワークを提供します。
論文 参考訳（メタデータ） (2026-03-28T02:47:46Z) - Fields of The World: A Field Guide for Extracting Agricultural Field Boundaries [15.115722799800055]
フィールドバウンダリマップは、農業データ製品のためのビルディングブロックであり、作物のモニタリング、収量推定、病気の推定をサポートする。
このチュートリアルでは、24カ国にまたがる1.6Mフィールドポリゴンのベンチマーク、事前訓練されたセグメンテーションモデル、コマンドライン推論ツールについて紹介する。
論文 参考訳（メタデータ） (2026-02-08T21:32:33Z) - GTPBD: A Fine-Grained Global Terraced Parcel and Boundary Dataset [16.659583314057013]
GTPBDは、ピクセルレベルのバウンダリラベル、マスクラベル、パーセルラベルを含む3レベルラベルを持つ47,537の高解像度画像で構成されている。
中国と大陸横断性気候圏の7つの主要地域をカバーしている。
GTPBDは、リモートセンシング研究において重要なギャップを埋め、きめ細かい農業地形解析のための基盤となる。
論文 参考訳（メタデータ） (2025-07-19T17:15:46Z) - National level satellite-based crop field inventories in smallholder landscapes [0.746823468023145]
モザンビークにおける2100万のフィールドの全国レベルのデータセットを初めて提供します。
我々の地図は、農耕地と非農耕地を分け、全体の93%の精度で分けている。
モザンビークのフィールドサイズは全体的に非常に低く、フィールドの半分は0.16ha以下、83%は0.5ha以下である。
論文 参考訳（メタデータ） (2025-07-14T17:23:43Z) - OmniEarth-Bench: Towards Holistic Evaluation of Earth's Six Spheres and Cross-Spheres Interactions with Multimodal Observational Earth Data [72.98496934729245]
地球科学におけるマルチモーダル学習のための既存のベンチマークは、地球の球体とその球体間相互作用の限定されたサイロ化されたカバレッジを提供する。
textbf OmniEarth-Benchは、6つの球体すべてに体系的にまたがる最初のマルチモーダルベンチマークである。
OmniEarth-Benchはスケーラブルでモジュール型のトポロジデータ推論フレームワークとネイティブなマルチオブザーブレーションソースで構築され、29,855の標準化された専門家によるアノテーションを生成する。
論文 参考訳（メタデータ） (2025-05-29T15:02:27Z) - Evaluating the Role of Training Data Origin for Country-Scale Cropland Mapping in Data-Scarce Regions: A Case Study of Nigeria [0.6249768559720122]
重要な課題は、トレーニングデータの量、品質、およびターゲット領域への近接がモデルの性能にどのように影響するかを理解することである。
ナイジェリアでは、全国をカバーする1,827のラベル付きサンプルとGeowikiデータセットのサブセットを用いて、これを評価した。
その結果,局所データにより精度が0.246 (RF) と0.178 (LSTM) に向上した。
論文 参考訳（メタデータ） (2023-12-18T01:23:22Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - 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) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z)
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。