Detecting Environmental Violations with Satellite Imagery in Near Real Time: Land Application under the Clean Water Act

要約

このホワイト ペーパーでは、環境の持続可能性のためにコンピューター ビジョンを使用するための、非常に重要な新しい設定を紹介します。
集中動物飼育事業 (CAFO) (集約的な畜産農場または「工場農場」とも呼ばれる) は、かなりの肥料と汚染を生み出します。
冬季に堆肥を投棄することは、重大な環境リスクをもたらし、多くの州で環境法に違反しています。
しかし、連邦環境保護庁 (EPA) と州の機関は、主に自己申告に依存して、そのような「土地利用」の事例を監視してきました。
私たちの論文は4つの貢献をしています。
最初に、CAFO の環境、政策、農業環境と土地利用について紹介します。
次に、ウィスコンシン州の 330 の CAFO について、2018 年から 2020 年までのハイケイデンス (毎日から毎週) の 3m/ピクセルの衛星画像の新しいデータセットを提供し、土地利用のインスタンス (n=57,697) を手作業でラベル付けしました。
第三に、土地利用を予測する物体検出モデルと、ほぼリアルタイムで推論を実行するシステムを開発します。
このシステムが効果的に土地の適用を検出するように見えることを示し（PR AUC = 0.93）、定期的かつ過度に適用されるように見えるいくつかの外れ値施設を明らかにします。
最後に、2021/22 年冬の土地申請イベントの人口普及率を推定します。
土地申請の有病率は、施設による自己申告よりもはるかに高いことを示しています。
このシステムは、環境規制当局や利益団体が使用することができ、そのうちの 1 つが昨年の冬にこのシステムに基づいてフィールドを調査しました。
全体として、私たちのアプリケーションは、AI ベースのコンピューター ビジョン システムが、ほぼ毎日の画像による環境コンプライアンスの主要な問題を解決する可能性を示しています。

要約(オリジナル)

This paper introduces a new, highly consequential setting for the use of computer vision for environmental sustainability. Concentrated Animal Feeding Operations (CAFOs) (aka intensive livestock farms or ‘factory farms’) produce significant manure and pollution. Dumping manure in the winter months poses significant environmental risks and violates environmental law in many states. Yet the federal Environmental Protection Agency (EPA) and state agencies have relied primarily on self-reporting to monitor such instances of ‘land application.’ Our paper makes four contributions. First, we introduce the environmental, policy, and agricultural setting of CAFOs and land application. Second, we provide a new dataset of high-cadence (daily to weekly) 3m/pixel satellite imagery from 2018-20 for 330 CAFOs in Wisconsin with hand labeled instances of land application (n=57,697). Third, we develop an object detection model to predict land application and a system to perform inference in near real-time. We show that this system effectively appears to detect land application (PR AUC = 0.93) and we uncover several outlier facilities which appear to apply regularly and excessively. Last, we estimate the population prevalence of land application events in Winter 2021/22. We show that the prevalence of land application is much higher than what is self-reported by facilities. The system can be used by environmental regulators and interest groups, one of which piloted field visits based on this system this past winter. Overall, our application demonstrates the potential for AI-based computer vision systems to solve major problems in environmental compliance with near-daily imagery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google