Estimating blue carbon storage in Daya Bay mangrove forests using an integrated DeepSeek-Python-ArcGIS (DPA) framework
統合DeepSeek-Python-ArcGIS（DPA）フレームワークを用いた大亜湾マングローブ林のブルーカーボン貯蔵量の推定 (AI 翻訳)
Erlin Jin, Yang Bai, Dongning Feng, Qitao Yu, Meiqi Shen
🤖 gxceed AI 要約
日本語
この研究は、DeepSeek大規模言語モデルを用いた自動コード生成により、マングローブ林のブルーカーボン貯蔵量を推定する統合フレームワーク（DPA）を開発した。リモートセンシングデータを処理し、92.13%の精度でマングローブ面積を抽出。全バイオマス平均146.33 t/ha、土壌炭素が全体の88.6%を占め、総炭素貯蔵量は28,299.28 tCと算出。DPAフレームワークは手動コーディング作業を30-50%削減した。
English
This study developed the DeepSeek-Python-ArcGIS (DPA) framework for blue carbon storage estimation in Daya Bay mangroves. It used LLM-driven code generation to process Sentinel-2, GEDI LiDAR, and UAV data, achieving 92.13% accuracy in mangrove mapping. Total ecosystem carbon storage was 28,299.28 tC, with soil carbon accounting for 88.6%. The framework reduced manual coding effort by 30-50%.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本では沖縄・奄美など亜熱帯域でのマングローブブルーカーボン評価に応用可能。LLMをリモートセンシング解析に活用する手法は、Jブルークレジットの効率的なモニタリング手法として注目される。
In the global GX context
This paper demonstrates a novel LLM-assisted framework for blue carbon assessment, relevant to global mangrove conservation and carbon accounting under IPCC guidelines. The integration of AI with remote sensing can streamline monitoring for REDD+ and other nature-based solutions.
👥 読者別の含意
🔬研究者:Shows how LLMs can automate geospatial workflows for carbon stock estimation, reducing manual effort and improving reproducibility.
🏢実務担当者:Offers a template for efficient blue carbon assessment using publicly available data and AI code generation, applicable to mangrove monitoring projects.
🏛政策担当者:Highlights potential for AI-driven monitoring to support national greenhouse gas inventories and carbon crediting schemes for coastal wetlands.
📄 Abstract（原文）
This study developed the integrated DeepSeek-Python-ArcGIS (DPA) framework to quantify blue carbon storage in Daya Bay’s mangrove forests (South China Sea). Leveraging the DeepSeek large language model for automated Python code generation, the framework processed multi-source remote sensing data (Sentinel-2, GEDI LiDAR, UAV) within ArcGIS Pro and Google Earth Engine (GEE). Key methodological innovations included: (1) OTSU algorithm-based NDVI thresholding in GEE for 10m-resolution mangrove spatial extraction (0.44 km² area), achieving 92.13% overall accuracy (Kappa = 0.86); (2) Object-oriented crown width estimation (avg. 0.88m) in ArcGIS Pro, converted to tree height (avg. 5.86m) using a species-specific formula and fused with GEDI data; (3) Allometric biomass inversion (avg. 146.33 t/ha total biomass) and carbon stock calculation using a 0.5 conversion factor. Results showed total ecosystem carbon storage of 28,299.28 tC, with soil carbon (25,080 tC) constituting 88.6% of the reservoir. The DPA framework reduced manual coding effort by 30–50%, demonstrating high efficiency in blue carbon assessment for coastal ecosystems.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1117/12.3115592first seen 2026-06-25 04:51:07
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。