論文の概要: Satellite-derived bathymetry of Arabian Gulf ports under leakage-free validation: a multi-site benchmark of empirical, machine-learning and deep-learning models against 285,000 multibeam soundings, with an outlook for UAE waters
- arxiv url: http://arxiv.org/abs/2610.33609v2
- Date: Fri, 30 Oct 2026 12:36:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.351572
- Title: Satellite-derived bathymetry of Arabian Gulf ports under leakage-free validation: a multi-site benchmark of empirical, machine-learning and deep-learning models against 285,000 multibeam soundings, with an outlook for UAE waters
- Title（参考訳）: 漏れのないアラビア湾港の衛星観測 -285,000個のマルチビーム音に対する経験的、機械学習およびディープラーニングモデルのマルチサイトベンチマークとUAE水の将来展望-
- Abstract要約: 衛星由来の浴量測定(SDB)は、ポートのマルチビームサーベイを低コストで補完するものとしてしばしば提案される。
アブダビ沿岸の濁水・浅海・潮流水中で285,619個のマルチビーム音に対してSDBを試験した。
- 参考スコア（独自算出の注目度）: 0.15554979526414522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Satellite-derived bathymetry (SDB) is often proposed as a low-cost complement to multibeam surveys of ports, but its accuracy is seldom measured on an area the model has never seen. We test SDB in the turbid, shallow and tidal waters of the Abu Dhabi coast against 285,619 multibeam soundings from twelve surveys at six port areas, reduced to Lowest Astronomical Tide. The Stumpf ratio, the Lyzenga transform, a monotonic gradient-boosted tree model (LightGBM) and a U-Net ensemble were trained on 72 Sentinel-2 images and tested in transfer to an unseen site and with local control (about 20% of a site's soundings, spatial blocks beyond a 225 m buffer). The validation design changed the result more than the model: the same LightGBM model gave 0.57 m RMSE under a random pixel split, 1.30 m under spatial blocks and 1.66 m at an unseen site. In transfer the Stumpf ratio (1.45 m) was not beaten by LightGBM, the U-Net or Lyzenga. With local control a hybrid of the tree output and the band ratio reached 1.11 m over 0-11 m, 67% of pixels within the IHO S-44 Order 2 tolerance and a conformal 95% interval with 95% observed coverage; in clear water it reached 0.29-0.53 m. The seabed could not be read beyond 11 m, and summer images were five to six times more turbid than winter ones. ICESat-2 ATL24 agreed with the surveys to 0.25 m after a depth-dependent offset was removed. A 60 m reconnaissance mosaic of 17,200 km2 of the UAE coast, calibrated cell by cell on ICESat-2 without any vessel survey, reached 1.42 m RMSE on held-out blocks over half of the product. Sentinel-2 SDB with about a hundred control depths per image is a usable reconnaissance and change-monitoring tool in these waters to about 10 m; it does not meet S-44 Order 1 without local control, and accuracies from random splits should not be taken as operational accuracy.
- Abstract（参考訳）: 衛星由来の潜水計(SDB)は、ポートのマルチビームサーベイの低コスト補完としてしばしば提案されるが、その精度はモデルが見たことのない領域で測定されることはめったにない。
本研究では, アブダビ沿岸の濁水, 浅海, 潮流水中のSDBを, 6つの港湾地域での12回の調査で285,619個のマルチビーム音に対して試験した。
Stumpf比、Lyzenga変換、モノトニック勾配木モデル(LightGBM)、U-Netアンサンブルを72のSentinel-2画像でトレーニングし、未確認のサイトとローカルコントロール(サイトサウンドの約20%、バッファ225mを超える空間ブロック)でテストした。
同じLightGBMモデルは、ランダムなピクセル分割で0.57m RMSE、空間ブロックで1.30m、目に見えない場所で1.66mを与えている。
転送において、Stumpf比(1.45m)はLightGBM、U-Net、Lyzengaでは打ち負かされなかった。
IHO S-44 Order 2 耐性の 67% は IHO S-44 Order 2 耐性の 1.11 m で、95% が可観測範囲の 95% 間隔で、澄水では 0.29-0.53 m に達した。
海底は11mを超えず、夏の画像は冬の5倍から6倍の濁っていた。
ICESat-2 ATL24は深度依存オフセットが除去された後、0.25mまで調査に同意した。
UAEの海岸17,200 km2の60mの偵察モザイクは、船体調査なしでICESat-2のセルを調整し、製品の半分以上の保留ブロックで1.42mのRMSEに達した。
画像あたり約100の制御深度を持つSentinel-2 SDBは、これらの水中での偵察および変更監視ツールとして、局所的な制御なしではS-44 Order 1に到達せず、ランダムスプリットからの精度を運用上の正確さとみなすべきではない。
関連論文リスト
- How Murky Before a VLM Knows It Cannot See? Accuracy, Confidence and Abstention on a Physical Visibility Axis [0.0]
視覚言語モデル(VLM)のロバスト性の研究は、物理単位を持たない名目重大度スケールの分解についての研究である。
我々は,メートル内の視界軸上で,精度,内部(確率)信頼度,言語的信頼度,明示的な禁忌オプションを測定する。
論文 参考訳（メタデータ） (2026-10-16T06:04:26Z) - Privacy-Preserving Full-Body Meshing from mmWave Radar via Mesh Foundation Model Supervision [0.05833117322405446]
ミリ波レーダー(mmWave)は、プライバシーを守る人間の知覚を可能にするが、商用の単一チップセンサーからの点雲の極端に広い範囲は、先行技術をボディ部分のキーポイントまたは個別のアクション分類に制限している。
本稿では,市販のレーダをフレーム単位のフルボディ,メトリック3Dメッシュに引き上げるクロスモーダルな教師学生用フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-28T09:49:08Z) - GNSS-free quantum gravity-aided navigation and fine-scale marine surveying with a strapdown quantum gravimeter [48.52363836235071]
重力マップマッチングおよび29m表面容器を用いた移動型量子重力計による微細分解能重力探査を行った。
ハイブリッドセンサーは、局所的な測定された重力を衛星由来の異常マップに参照することで、83km海洋軌道上の慣性溶液を補正した。
重力による制約 INS は漂流し、海里の精度で有界位置を計測する。
論文 参考訳（メタデータ） (2026-08-26T09:16:02Z) - SkySeaLand: A Wide-Format Satellite Transportation Benchmark with an Ultra-Lightweight Detection Baseline [0.0]
1,307個の高解像度衛星画像と19,101個の検証済みバウンディングボックスからなる公開データセットであるSkySeaLandを紹介した。
コレクションは、大きなソースイメージと広いシーン幾何学によって支配されている。
YOLO,RT-DETR,DETR,Faster R-CNNの12個の検出器を共通スプリットとCOCO測定値を用いて評価した。
論文 参考訳（メタデータ） (2026-08-07T16:23:52Z) - From Local Training to Large-Scale Mapping: A Comparative Assessment of Machine Learning and Deep Learning for Transferable Satellite-Derived Bathymetry [0.3093890460224435]
我々は、Sentinel-2画像を用いて、0-20mの深度範囲で転送可能なSDBの機械学習とディープラーニングを評価する。
ランダムフォレスト基地線と4つのCNNがプラタス島と選択されたグレートバリアリーフ地域で訓練されている。
新しいサイトへのスケーラブルな転送を可能にするために、最適化されたアーキテクチャと事前訓練されたウェイトをリリースします。
論文 参考訳（メタデータ） (2026-06-01T18:28:18Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - Estimating the Diameter at Breast Height of Trees in a Forest With a Single 360 Camera [52.85399274741336]
森林在庫は、生態モニタリング、資源管理、炭素会計のために、乳房の高さ(DBH)の直径の正確な測定に頼っている。
LiDARベースの技術はセンチメートル単位の精度を達成できるが、コストは抑えられ、運用上複雑である。
コンシューマグレードの360度ビデオカメラしか必要としない低価格の代替機を提示する。
論文 参考訳（メタデータ） (2025-05-06T01:09:07Z) - 113 km absolute ranging with nanometer precision [16.87926750704851]
本研究では, 距離113kmでの航続を成功させる2方向デュアルコムレンジ手法を提案する。
得られた精度は、11.5 $mu$m @ 1.3 ms、681 nm @ 1 s、82 nm @ 21 sである。
論文 参考訳（メタデータ） (2024-12-07T05:25:23Z) - StreakNet-Arch: An Anti-scattering Network-based Architecture for Underwater Carrier LiDAR-Radar Imaging [44.96583097079915]
我々は,我々の開発した水中キャリアLiDAR-Radar(UCLR)に基づくリアルタイムエンドツーエンドバイナリ分類フレームワークであるStreakNet-Archを紹介した。
制御された水槽検証条件下では、StreakNet-Arch with Self-Attention または DBC-Attention が従来のバンドパスフィルタリングより優れている。
南シナ海におけるUCLRシステムの検証を行い,深度1000m,幅20mの3Dターゲットに対して46mmの誤差に達した。
論文 参考訳（メタデータ） (2024-04-14T06:19:46Z) - Ultra-low Power Deep Learning-based Monocular Relative Localization
Onboard Nano-quadrotors [64.68349896377629]
この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。
超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。
実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
論文 参考訳（メタデータ） (2023-03-03T14:14:08Z)
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。