Early Detection of Bark Beetle Attack Using Remote Sensing and Machine Learning: A Review

要約

この論文では、キクイムシと宿主の相互作用、RS、ML/DL という 3 つの主要な観点から、キクイムシによる樹木枯死の早期発見における過去と現在の進歩を包括的にレビューします。
これまでの取り組みとは対照的に、このレビューはすべての RS システムを網羅し、その長所と短所を調査するために ML/DL 手法に重点を置いています。
マルチスペクトルまたはハイパースペクトル分析に基づいて既存の文献を解析し、以下に基づいて知識を抽出します。攻撃の初期段階に主に重点を置いたキクイムシの種と攻撃段階、宿主樹木、調査地域、RS プラットフォームとセンサー、スペクトル/空間
/時間解像度、スペクトル シグネチャ、スペクトル植生インデックス (SVI)、ML アプローチ、学習スキーム、タスク カテゴリ、モデル、アルゴリズム、クラス/クラスター、機能、DL ネットワークとアーキテクチャ。
DL ベースの手法とランダム フォレスト (RF) アルゴリズムは有望な結果を示し、可視スペクトル領域、熱スペクトル領域、および短波赤外 (SWIR) スペクトル領域にわたる微妙な変化を検出できる可能性を強調しましたが、有効性は依然として限られており、不確実性が高くなります。
これらの欠点に対する新たな解決策を生み出すために、私たちは主要な課題と機会をさまざまな視点から掘り下げ、研究の現状をより深く理解し、将来の研究の方向性を導きます。

要約(オリジナル)

This paper provides a comprehensive review of past and current advances in the early detection of bark beetle-induced tree mortality from three primary perspectives: bark beetle & host interactions, RS, and ML/DL. In contrast to prior efforts, this review encompasses all RS systems and emphasizes ML/DL methods to investigate their strengths and weaknesses. We parse existing literature based on multi- or hyper-spectral analyses and distill their knowledge based on: bark beetle species & attack phases with a primary emphasis on early stages of attacks, host trees, study regions, RS platforms & sensors, spectral/spatial/temporal resolutions, spectral signatures, spectral vegetation indices (SVIs), ML approaches, learning schemes, task categories, models, algorithms, classes/clusters, features, and DL networks & architectures. Although DL-based methods and the random forest (RF) algorithm showed promising results, highlighting their potential to detect subtle changes across visible, thermal, and short-wave infrared (SWIR) spectral regions, they still have limited effectiveness and high uncertainties. To inspire novel solutions to these shortcomings, we delve into the principal challenges & opportunities from different perspectives, enabling a deeper understanding of the current state of research and guiding future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google