社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

Nat. Commun. 速递:深度学习根据卫星图像检测全球垃圾场分布

集智俱乐部 • 2 年前 • 417 次点击  


关键词:CNN,城市科学,卫星图像分析



论文题目:Revealing influencing factors on global waste distribution via deep-learning based dumpsite detection from satellite imagery
论文来源:Nature Communications
论文链接:https://www.nature.com/articles/s41467-023-37136-1

随着全球文明进步,监测和管理垃圾场已成为各国环境治理的重要组成部分。然而当地政府机构和环保组织很难及时获得垃圾场的位置。世界银行表明,政府需要花费大量的人力和经济成本来收集非法垃圾场信息,以实施管理。

这篇发表在 Nature Communications 上的文章表明,将新型深度卷积神经网络应用于高分辨率卫星图像,可以提供一种高效且低成本的方法来检测垃圾场。在全球28个城市的采样区域中,该模型检测到2021年前后出现的近1000个垃圾场。该方法与人工方法相比,缩短了96.8%以上的调查时间。利用这种新颖而有力的方法,它现在能够在全球范围、时间和空间上分析垃圾场与各种社会属性之间的关系。

图1. 垃圾场数据集基本信息及四类典型实例

图2. 展示和确认垃圾场检测结果

图3. 空间统计实验选取区域的地理分布和全球垃圾场指数(GDI)


计算社会科学读书会第二季


计算社会科学作为一个新兴交叉领域,越来越多地在应对新冠疫情、舆论传播、社会治理、城市发展、组织管理等社会问题和社科议题中发挥作用,大大丰富了我们对社会经济复杂系统的理解。相比于传统社会科学研究,计算社会科学广泛采用了计算范式和复杂系统视角,因而与计算机仿真、大数据、人工智能、统计物理等领域的前沿方法密切结合。为了进一步梳理计算社会科学中的各类模型方法,推动研究创新,集智俱乐部发起了计算社会科学系列读书会。


计算社会科学读书会】第二季由清华大学罗家德教授领衔,卡内基梅隆大学、密歇根大学、清华大学、匹兹堡大学的多位博士生联合发起,进行了12周的分享和讨论,一次闭门茶话会,两次圆桌讨论。本季读书聚焦讨论Graph、Embedding、NLP、Modeling、Data collection等方法及其与社会科学问题的结合,并针对性讨论预测性与解释性、人类移动、新冠疫情、科学学研究等课题。读书会详情见文末,欢迎从事相关研究或对计算社会科学感兴趣的朋友参与学习。



详情请见:

数据与计算前沿方法整合:计算社会科学读书会第二季启动



推荐阅读

1.  Nature封面:机器学习携手卫星影像,理解电力设施与经济财富的因果关系
2. PNAS:大数据揭示非洲城市形态的规模法则
3. 从城市到国家:多学科视角的城市复杂系统
4. 《张江·复杂科学前沿27讲》完整上线!
5. 成为集智VIP,解锁全站课程/读书会
6加入集智,一起复杂!



点击“阅读原文”,报名读书会

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/153025
 
417 次点击