Using deep convolutional neural networks to forecast spatial patterns of Amazonian deforestation

Using deep convolutional neural networks to forecast spatial patterns of Amazonian deforestation

<p>1. Tropical forests are subject to diverse deforestation pressures while their conservation is essential to achieve global climate goals. Predicting the location of deforestation is challenging due to the complexity of the natural and human systems involved but accurate and timely forecasts...

Ausführliche Beschreibung

Bibliographische Detailangaben
Hauptverfasser:	Ball, JGC, Petrova, K, Coomes, DA, Flaxman, S
Format:	Journal article
Sprache:	English
Veröffentlicht:	Wiley 2022

Ähnliche Einträge

THE POLITICS OF AMAZONIAN DEFORESTATION
von: Hurrell, A
Veröffentlicht: (1991)

Deforestation limits evolutionary rescue under climate change in Amazonian lizards
von: Azevedo, JAR, et al.
Veröffentlicht: (2024)

Spatial patterns and fire response of recent Amazonian droughts
von: Aragão, L, et al.
Veröffentlicht: (2007)

CoordGate: efficiently computing spatially-varying convolutions in convolutional neural networks
von: Howard, S, et al.
Veröffentlicht: (2023)

Review of deep convolution neural network in image classification
von: Al-Saffar, Ahmed Ali Mohammed, et al.
Veröffentlicht: (2017)

Enhancing Evolutionary Couplings with Deep Convolutional Neural Networks
von: Liu, Yang, et al.
Veröffentlicht: (2018)

Pavement defect detection with deep convolutional neural network
von: Chan, Zhen Yi
Veröffentlicht: (2023)

Flower classification using deep convolutional neural networks
von: Hiary, H, et al.
Veröffentlicht: (2018)

Understanding Drivers of Deforestation using Games on Spatial Networks
von: Seby, Jean-Baptiste
Veröffentlicht: (2024)

DeepLOB: Deep convolutional neural networks for limit order books
von: Zhang, Z, et al.
Veröffentlicht: (2019)

Deep neural networks for stock forecasting
von: Gao, Kexin
Veröffentlicht: (2022)

Annual dilated convolution neural network for newbuilding ship prices forecasting
von: Gao, Ruobin, et al.
Veröffentlicht: (2022)

Image recognition based on deep learning of convolutional neural networks
von: Xie, Cong
Veröffentlicht: (2019)

Deep convolutional neural networks for manufactured IC image analysis
von: Tan, Weiwei
Veröffentlicht: (2019)

An efficient and effective convolutional neural network for visual pattern recognition /
von: Liew, Shan Sung, 1989-, author 602089, et al.
Veröffentlicht: (2016)

Deep RBM neural network for financial forecasting
von: Lyu, Yuetong
Veröffentlicht: (2022)

Learning patterns of the ageing brain in MRI using deep convolutional networks
von: Dinsdale, NK, et al.
Veröffentlicht: (2020)

A review of deep convolutional neural networks in mobile face recognition
von: Jing Chi, et al.
Veröffentlicht: (2023)

Eyeriss: An Energy-Efficient Reconfigurable Accelerator for Deep Convolutional Neural Networks
von: Chen, Yu-Hsin, et al.
Veröffentlicht: (2016)

Visualizing deep convolutional neural networks using natural pre-images
von: Mahendran, A, et al.
Veröffentlicht: (2016)

Deep convolutional neural networks for object detection under rainy conditions
von: Du, Kaiwen
Veröffentlicht: (2019)

Deep convolutional neural networks for efficient pose estimation in gesture videos
von: Pfister, T, et al.
Veröffentlicht: (2015)

A Branched Convolutional Neural Network for Forecasting the Occurrence of Hazes in Paris Using Meteorological Maps with Different Characteristic Spatial Scales
von: Wang, Chien
Veröffentlicht: (2024)

Understanding convolutional neural networks
von: Fong, R
Veröffentlicht: (2020)

Amazonian historical ecologies
von: Rival, L
Veröffentlicht: (2006)

DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks
von: Wang, S, et al.
Veröffentlicht: (2017)

Deep neural networks for financial time series forecasting
von: Liu, Ting-Jun
Veröffentlicht: (2020)

Eyeriss: A Spatial Architecture for Energy-Efficient Dataflow for Convolutional Neural Networks
von: Chen, Yu-Hsin, et al.
Veröffentlicht: (2016)

Representation of spatial transformations in deep neural networks
von: Lenc, K
Veröffentlicht: (2017)

Deep convolutional inverse graphics network
von: Kohli, Pushmeet, et al.
Veröffentlicht: (2017)

Deep convolutional neural network-based Bernoulli heatmap for head pose estimation
von: Hu, Zhongxu, et al.
Veröffentlicht: (2022)

A layer-wise theoretical framework for deep learning of convolutional neural networks
von: Nguyen, Huu-Thiet, et al.
Veröffentlicht: (2022)

Detection of Gaussian noise and its level using deep convolutional neural network
von: Chuah, J.H., et al.
Veröffentlicht: (2017)

Are Topographic Deep Convolutional Neural Networks Better Models of the Ventral Visual Stream?
von: Jozwik, Kamila Maria, et al.
Veröffentlicht: (2021)

An efficient and effective convolutional neural network for visual pattern recognition [electronic resource] /
von: Liew, Shan Sung, 1989-, author 602089, et al.
Veröffentlicht: (2016)

Convolutional neural networks with dynamic regularization
von: Wang, Yi, et al.
Veröffentlicht: (2022)

Modular learning of convolutional neural networks
von: Wang, Jinhua
Veröffentlicht: (2023)

The biogeography of the Amazonian tree flora
von: Luize, BG, et al.
Veröffentlicht: (2024)

The Amazonian rain forest [kasetvideo]
Veröffentlicht: ([197)

Hyperparameter tuning of deep neural network in time series forecasting
von: Xiang, Kelly Pang Li, et al.
Veröffentlicht: (2024)