リモートセンシングと人工知能の結合:GEEで水文学的変数をマッピングし,ニューラルネットワークで地表水の範囲を予測する

科学分野:

• 水文学と環境科学について
• リモートセンシング アプリケーション
• 環境モニタリングにおける人工知能

背景:

• 水不足は,効率的な資源管理のために,高度なモニタリングと予測技術を必要とします.
• 既存の方法では,時空データ統合と,データ制限地域における予測精度が困難であることが多い.

研究 の 目的:

• 再現可能なコンピューティングワークフロー,RSAIを開発および検証し,Google Earth Engineと水文分析のためのディープラーニングを統合します.
• 水文学的変数の時空的傾向をマッピングし,アルジェリア沿岸盆地の月間地表水域を予測する.
• 水資源の動向に対する気候および人為的要因の影響を評価する.

主な方法:

• Google Earth Engineのスクリプトとディープラーニングモデルの組み合わせによるRemote-Sensing-Artificial-Intelligence (RSAI) ワークフローを開発しました.
• トレンド分析と地表水の範囲予測のために,アルジェリア沿岸盆地 (2001-2022) にRSAIを適用した.
• トレンド分析のためにマン・ケンドールテストを使用し,予測のために人工ニューラルネットワーク (ANN),ディープニューラルネットワーク (DNN),および長期短期記憶 (LSTM) モデルを訓練しました.

主要な成果:

• 沿岸アルジェリア盆地における地表水面面積の統計的に有意な減少 (36%の損失) を特定し,気象的な傾向が非有意で,人為的な要因を示唆した.
• ディープニューラルネットワーク (DNN) モデルは,ANNとLSTMと比較して優れた予測性能 (R=0.89,MAE=0.36 km2,RMSE=46.31 km2) を示しました.
• 感度分析は,センサーノイズに対するDNNの強度を確認した.

結論:

• RSAIは,特にデータに限られた地中海地域において,盆地規模の水文学的監視と予測のための実用的かつ移行可能なソリューションを提供します.
• この発見は,水不足地域における水資源の枯渇における人為的要因の重要な役割を強調しています.
• この研究は,複雑な水資源管理の課題に取り組むために,リモートセンシングとディープラーニングの統合の有効性を検証しています.