文献

J-GLOBAL ID：202202276794669982   整理番号：22A0733542

Sentinel-1時系列と深層学習を用いたブラジルの地域における深海油分監視と再発解析【JST・京大機械翻訳】

Deep-water oil-spill monitoring and recurrence analysis in the Brazilian territory using Sentinel-1 time series and deep learning

著者 (5件)： de Moura Najla Vilar Aires (Departamento de Geografia, Universidade de Brasilia, Campus Universitario Darcy Ribeiro, Asa Norte, Brasilia, DF CEP.: 70910-900, Brazil) ,  de Carvalho Osmar Luiz Ferreira (Departamento de Ciencia da Computacao, Universidade de Brasilia, Campus Universitario Darcy Ribeiro, Asa Norte, Brasilia, DF CEP.: 70910-900, Brazil) ,  Gomes Roberto Arnaldo Trancoso (Departamento de Geografia, Universidade de Brasilia, Campus Universitario Darcy Ribeiro, Asa Norte, Brasilia, DF CEP.: 70910-900, Brazil) ,  Guimaraes Renato Fontes (Departamento de Geografia, Universidade de Brasilia, Campus Universitario Darcy Ribeiro, Asa Norte, Brasilia, DF CEP.: 70910-900, Brazil) ,  de Carvalho Junior Osmar Abilio (Departamento de Geografia, Universidade de Brasilia, Campus Universitario Darcy Ribeiro, Asa Norte, Brasilia, DF CEP.: 70910-900, Brazil)
資料名： International Journal of Applied Earth Observation and Geoinformation  (International Journal of Applied Earth Observation and Geoinformation)
巻： 107  ページ： Null  発行年： 2022年 
JST資料番号： W3181A  ISSN： 1569-8432  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 石油流出は環境問題と財政損失を引き起こすので世界的な懸念である。自動検出は,損傷を低減するための迅速な意思決定において重要な役割を果たす。この文脈において,深い学習とリモートセンシングは,多くの領域で成功した応用を有する強力なツールである。しかし,深層水ゾーンとブラジルの領域における研究はまだない。本研究は3つの貢献がある。(1)ブラジル地域の石油流出データセットを作成し,(2)この課題に対する最先端の深層学習モデルを比較し,(3)2016年から2021年までの138の画像を含む,より感受性の高い地域を同定するために,Sentinel-1時系列を用いてCampos盆地(ブラジル最大の生産者)に新しい応用を提案する。専門家は,石油会社と連邦検査からの確認でデータセットを手動でラベル付けし,512×512空間次元とそれらのそれぞれの注釈(訓練のための600,検証のための125,試験のための75)を有する800の画像をもたらした。研究は,4つのバックボーン(ResNet-101,ResNet-50,効率的ネット-B0,および効率的ネット-B3)を有する3つのセマンティックセグメンテーションアーキテクチャ(U-net,DeepLabv3+,およびLinkNet)を比較し,12のモデルをもたらした。効率的なネットB3バックボーンを有するUネットは,わずかに良好な結果(98%の精度,75%の精度,78%の再現率,76%のFスコア,および62%のIoU)を示した。時系列解析は,8,192×11,264空間次元の画像を考慮した。全体の画像分類は,128ピクセルストライド(重複画素を平均化)でスライディングウィンドウアプローチを使用した。さらに,再発分析はより感受性の高い領域を検出し,ルックアライクを除去した。偽陽性特徴は,高い空間的存在を有するが,低い再発(3イベントに達する)で,閾値再発を用いてそれらの除去を促進する。油流出に対するこの新規分析は,時間に沿ったパターンを理解し,実時間で当局の地域を提供するのに適している。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  時系列分析 ,  石油 ,  セグメンテーション ,  分類 ,  ブラジル連邦共和国 ,  画素 ,  リモートセンシング ,  生産者 ,  盆地 ,  *機械学習 ,  *深海 ,  深層水 ,  アノテーション
準シソーラス用語： 環境問題 ,  画像分類 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 沿岸管理 ,  セマンティックセグメンテーション ,  Campos盆地

分類 (2件)： 海洋汚濁  (SB02040B) ,  その他の汚染原因物質  (SB05040W)

タイトルに関連する用語 (8件)： 時系列 ,  深層学習 ,  ブラジル ,  地域 ,  深海 ,  油分 ,  再発 ,  解析