PyEOGPR: 地球観測クラウドプラットフォームにおけるガウス過程回帰を用いた植生形質マッピングのためのPythonパッケージ

科学分野:

• 地球観測
• 機械学習
• 植生科学

背景:

• 衛星データからの植生形質の定量化は、環境モニタリングと農生態学にとって重要です。
• 既存の方法では、多くの場合、かなりのローカル処理が必要であり、不確実性推定が欠けています。
• ガウス過程回帰（GPR）は、不確実性定量化を伴う確率的アプローチを提供します。

研究 の 目的:

• アクセス可能なGPRベースの植生形質定量化のためのPyEOGPR Pythonパッケージを紹介すること。
• Google Earth EngineやopenEOなどのクラウドプラットフォーム内での検証済みGPRモデルの使用を可能にすること。
• 不確実性推定を伴う大規模な植生分析とマッピングを容易にすること。

主な方法:

• 確率的GPRモデルを統合したPyEOGPR Pythonパッケージの開発。
• 植生形質取得のためのSentinel-2およびSentinel-3衛星データへのGPRモデルの適用。
• 不確実性定量化を伴う景観および地球規模の植生形質マッピングの実証。

主要な成果:

• PyEOGPRは、葉窒素含有量を含む、一般的および困難な植生形質のための27の検証済みGPRモデルへのアクセスを提供します。
• このパッケージは、ローカルデータダウンロードなしで、効率的かつ大規模な植生形質マッピングを可能にします。
• 生成されたマップは、Sentinel-2データを用いた景観スケールの形質分布と、Sentinel-3データを用いた地球規模の形質分布を示しています。

結論:

• PyEOGPRは、クラウド環境における植生分析のための高度なGPRモデルへのアクセスを民主化します。
• このパッケージは、不確実性推定を通じて植生形質取得の信頼性を向上させます。
• PyEOGPRは、環境モニタリングと持続可能な農生態学のための地球観測データ処理の効率を向上させます。