Remote sensing colour image semantic segmentation of trails created by large herbivorous Mammals

要約

生物多様性が危険にさらされている空間領域の検出は、生態系の保全と監視にとって最も重要です。
大きな陸生哺乳類の草食動物は、彼らの活動が土壌、植物、動物に深い影響を与えるだけでなく、大きな草食動物が同種生態系エンジニアとして作用するため、景観を形作るため、キーストーン種です。
激しい草食動物の活動を示し、生物多様性に影響を与える可能性のある重要な景観機能の1つは、放牧トレイルの形成です。
放牧トレイルは、裸の土壌のトラックの複雑なネットワークを生成できる大きな草食動物の連続的な踏みつけ活動によって形成されます。
ここでは、放牧トレイルを特定するための機械学習技術に基づいて、さまざまなアルゴリズムを評価しました。
私たちの目標は、激しい草食活動のある潜在的な領域を自動的に検出することです。これは、保全と管理計画に有益である可能性があります。
空中画像に放牧トレイルをマッピングすることを目的とした14のエンコーダーと組み合わせた5つのセマンティックセグメンテーション方法を適用しました。
私たちの結果は、ほとんどの場合、選択した方法論がトレイルをうまくマッピングしたことを示していますが、実際のトレイル構造が過小評価されていたいくつかの例がありました。
Mambaoutエンコーダーを備えたUNETアーキテクチャは、マッピングトレイルに最適なアーキテクチャでした。
提案されたアプローチは、生息地の保全と土地管理プログラムをサポートするために、これらの景観構造の時間的変化をマッピングおよび監視するためのツールを開発するために適用できます。
私たちの知る限り、これは初めてのことですが、大規模な草食性哺乳類のトレイルの検出と描写のために、競争力のある画像セグメンテーションの結果が得られることです。

要約(オリジナル)

Detection of spatial areas where biodiversity is at risk is of paramount importance for the conservation and monitoring of ecosystems. Large terrestrial mammalian herbivores are keystone species as their activity not only has deep effects on soils, plants, and animals, but also shapes landscapes, as large herbivores act as allogenic ecosystem engineers. One key landscape feature that indicates intense herbivore activity and potentially impacts biodiversity is the formation of grazing trails. Grazing trails are formed by the continuous trampling activity of large herbivores that can produce complex networks of tracks of bare soil. Here, we evaluated different algorithms based on machine learning techniques to identify grazing trails. Our goal is to automatically detect potential areas with intense herbivory activity, which might be beneficial for conservation and management plans. We have applied five semantic segmentation methods combined with fourteen encoders aimed at mapping grazing trails on aerial images. Our results indicate that in most cases the chosen methodology successfully mapped the trails, although there were a few instances where the actual trail structure was underestimated. The UNet architecture with the MambaOut encoder was the best architecture for mapping trails. The proposed approach could be applied to develop tools for mapping and monitoring temporal changes in these landscape structures to support habitat conservation and land management programs. This is the first time, to the best of our knowledge, that competitive image segmentation results are obtained for the detection and delineation of trails of large herbivorous mammals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google