文献

J-GLOBAL ID：202102225618634157   整理番号：21A2454355

歴史的地形図から露天採掘範囲を抽出するための意味的セグメンテーション深層学習【JST・京大機械翻訳】

Semantic Segmentation Deep Learning for Extracting Surface Mine Extents from Historic Topographic Maps

著者 (9件)： Maxwell Aaron E. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA) ,  Bester Michelle S. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA) ,  Guillen Luis A. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA) ,  Ramezan Christopher A. (John Chambers College of Business and Economics, West Virginia University, Morgantown, WV 26505, USA) ,  Carpinello Dennis J. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA) ,  Fan Yiting (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA) ,  Hartley Faith M. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA) ,  Maynard Shannon M. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA) ,  Pyron Jaimee L. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26505, USA)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 24  ページ： 4145  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 米国地質調査(USGS)と国立地図歴史的地形地図コレクション(HTMC)によって公的に利用可能になった歴史的地形地図は,歴史的土地被覆と土地利用(LCLU)情報の貴重な源であり,中程度の空間分解能地球観測ミッションからのデータと結合したとき,歴史的記録を拡大できる。これは,米国東部のAppalachian地域の表面石炭採掘のような長く複雑な歴史的記録を持つ景観擾乱に対して特に真実である。本研究では,畳み込みニューラルネットワーク(CNN)に基づく修正UNet意味セグメンテーション深層学習(DL)と,USGS地質学,地球物理学,および地球化学科学センター(GGGSC)からの歴史的表面鉱山擾乱範囲の大きな例データセットを用いて,この特定のマッピング問題を研究した。本研究の主要な目的は,(1)新しい地理的範囲と地形地図に対するモデル一般化を評価し,(2)訓練サンプルサイズの影響,あるいは手動で解釈された地形図のモデル性能への影響を評価することである。Kentuckyの状態のデータを用いて,DL意味セグメンテーションは,高いレベルの精度(Dice係数=0.902)と比較的バランスした省略と試運転誤差率(Precision=0.891,Recall=0.917)を有する地形図から表面鉱山擾乱特徴を検出することができることを示唆した。モデルをOhioとVirginiaの新しい地形地図に適用するとき,一般化を評価するために,モデル性能は減少した。しかし,性能はまだ強い(Ohio Dice係数=0.837およびVirginia Dice係数=0.763)。さらに,84から15までの訓練画像チップを導出するために使用される地形マップの数を減らすとき,モデル性能はわずかに減少し,新しいデータと地理的範囲によく一般化するモデルが大きな訓練セットを必要としないことを示唆した。手動ディジタル化労働要求を減らし,マルチスペクトル画像分析及び分類に焦点を当てた補足研究への代替カルトグラフィ表現への意味セグメンテーション法の適用に関連する追加研究を要求する,アプリケーションワークフローへのDL意味セグメンテーション法の導入を示唆した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地質調査 ,  *セグメンテーション ,  土地利用 ,  地質学 ,  地球物理学 ,  地球化学 ,  採炭 ,  鉱山 ,  *露天採掘 ,  応用プログラム ,  *地形図 ,  土地被覆 ,  ワークフロー
準シソーラス用語： 地球観測 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： セマンティックセグメンテーション ,  Unet ,  深層学習 ,  畳込みニューラルネットワーク ,  地形図 ,  特徴抽出 ,  露天採掘 ,  資源抽出

分類 (1件)： リモートセンシング一般  (AD04000L)

引用文献 (90件)：

• Drummond, M.A.; Loveland, T.R. Land-use Pressure and a Transition to Forest-cover Loss in the Eastern United States. BioSscience 2010, 60, 286-298.
• Midekisa, A.; Holl, F.; Savory, D.J.; Andrade-Pacheco, R.; Gething, P.W.; Bennett, A.; Sturrock, H.J.W. Mapping land cover change over continental Africa using Landsat and Google Earth Engine cloud computing. PLoS ONE 2017, 12, e0184926.
• Potapov, P.; Hansen, M.C.; Kommareddy, I.; Kommareddy, A.; Turubanova, S.; Pickens, A.H.; Adusei, B.; Tyukavina, A.; Ying, Q. Kommareddy Landsat Analysis Ready Data for Global Land Cover and Land Cover Change Mapping. Remote Sens. 2020, 12, 426.
• Brown, D.G.; Johnson, K.M.; Loveland, T.R.; Theobald, D.M. Rural land-use trends in the conterminous United States, 1950-2000. Ecol. Appl. 2005, 15, 1851-1863.
• Homer, C.; Dewitz, J.; Yang, L.; Jin, S.; Danielson, P.; Xian, G.; Coulston, J.; Herold, N.; Wickham, J.; Megown, K. Completion of the 2011 National Land Cover Database for the Conterminous United States-Representing a Decade of Land Cover Change Information. Photogramm. Eng. Remote Sens. 2015, 81, 346-354.

タイトルに関連する用語 (6件)： 歴史 ,  地形図 ,  露天採掘 ,  意味 ,  セグメンテーション ,  深層学習