PulseAugur
中
实时 09:05:02
English(EN) Feasibility to detect rapid change and disappearance of seagrass: Lessons from nearly 80 years of vegetation change in the Ako, Seto Inland Sea, Japan

深度学习追踪80年海草变化，揭示2025年海草崩溃

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种基于YOLO分割的深度学习模型，利用各种航空和卫星图像，能够准确追踪近80年来海草的分布。该研究聚焦于日本赤穗潮间带，那里在2025年发生了严重的海草消失事件，海草面积从历史平均的6.8公顷减少到仅0.2公顷。这种快速的生态系统转变，可能由水温升高引起，凸显了在监测海草时需要更高的 temporal resolution，尤其是在与自然相关的披露方面。 AI

影响 展示了深度学习在生态监测中的实用性，有望改善环境报告和保护工作。

排序理由 详细介绍深度学习在生态监测中新应用的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Takehisa Yamakita, Yoji Igarashi, Akira Eto, Ken Ishida, Masaaki Iiyama ·

    检测海草快速变化和消失的可行性：来自日本濑户内海安艺地区近80年植被变化的经验教训

    arXiv:2606.07949v1 Announce Type: cross Abstract: This study analyses the Ako tidal flat in the Seto Inland Sea, Japan, where nearly all Zostera marina disappeared within a single year in 2025. Using aerial photographs from the 1940s onward, high-resolution satellite imagery, GRU…

相关实体

相关话题