Integrating pre-processing pipelines in ODC based framework

要約

オンデマンド処理パイプラインを使用して仮想地理空間プロダクトを生成することは、リソース管理を最適化し、処理要件とデータストレージ領域を減少させるのに有益である。さらに、前処理されたプロダクトは、機械学習や深層学習モデルなどのデータ駆動型分析アルゴリズムのためのデータ品質を向上させる。本論文では、オープンソースの処理パイプラインの統合に基づく仮想プロダクトの統合手法を提案する。本手法の機能を検証・評価するために、Open Data Cube（ODC）をベースとしたジオ・イメージ管理フレームワークに本手法を組み込んだ。本手法を検証するために、Sentinel-1やSentinel-2などのマルチセンサリモートセンシングデータを用いたオンデマンド処理パイプラインの開発実験を3回実施した。これらのパイプラインは、オープンソースの処理フレームワークを用いて統合されている。

要約(オリジナル)

Using on-demand processing pipelines to generate virtual geospatial products is beneficial to optimizing resource management and decreasing processing requirements and data storage space. Additionally, pre-processed products improve data quality for data-driven analytical algorithms, such as machine learning or deep learning models. This paper proposes a method to integrate virtual products based on integrating open-source processing pipelines. In order to validate and evaluate the functioning of this approach, we have integrated it into a geo-imagery management framework based on Open Data Cube (ODC). To validate the methodology, we have performed three experiments developing on-demand processing pipelines using multi-sensor remote sensing data, for instance, Sentinel-1 and Sentinel-2. These pipelines are integrated using open-source processing frameworks.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL