Soil Organic Carbon Estimation from Climate-related Features with Graph Neural Network

要約

土壌有機炭素 (SOC) は地球規模の炭素循環において極めて重要な役割を果たしており、気候変動に影響を与え、持続可能な土地と農業管理のための正確な推定を必要としています。
従来の SOC 推定方法は解像度と精度の課題に直面していますが、最近の技術ソリューションではリモート センシング、機械学習、高解像度衛星マッピングが活用されています。
グラフ ニューラル ネットワーク (GNN) は、特に位置エンコーダーと統合すると、土壌と気候の間の複雑な関係を捉えることができます。
この研究では、LUCAS データベースを使用して、位置エンコーダ フレームワーク内の 4 つの GNN 演算子を比較しました。
結果は、PESAGE モデルと PETransformer モデルが SOC 推定において他のモデルよりも優れていることを明らかにし、SOC と気候特徴の間の複雑な関係を捉える潜在力を示しています。
私たちの調査結果は、SOC 予測における GNN アーキテクチャの適用の実現可能性を確認し、より高度な GNN モデルを使用してこのトピックを将来探求するためのフレームワークを確立します。

要約(オリジナル)

Soil organic carbon (SOC) plays a pivotal role in the global carbon cycle, impacting climate dynamics and necessitating accurate estimation for sustainable land and agricultural management. While traditional methods of SOC estimation face resolution and accuracy challenges, recent technological solutions harness remote sensing, machine learning, and high-resolution satellite mapping. Graph Neural Networks (GNNs), especially when integrated with positional encoders, can capture complex relationships between soil and climate. Using the LUCAS database, this study compared four GNN operators in the positional encoder framework. Results revealed that the PESAGE and PETransformer models outperformed others in SOC estimation, indicating their potential in capturing the complex relationship between SOC and climate features. Our findings confirm the feasibility of applications of GNN architectures in SOC prediction, establishing a framework for future explorations of this topic with more advanced GNN models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google