Sentinel-2、Sentinel-3、および XGBoost に基づく核核積回帰 (Kernel Ridge Regression) を使用した魚捕獲量の推定

海洋学的要因、例えば海面温度と大洋のダイナミクスは、魚の分布に著しい影響を与えています。食料安全保障に貢献する水産業を維持するために、これらの関連性を定量化する必要があります。本研究は、多分光画像を用いて、サンデル-2 MSI とサンデル-3 OLCI からデータを取得し、XGBoost に核関数を組み込んだ核核積回帰 (Kernel Ridge Regression) 技術を使用して、魚の捕獲量を推定しました。モデルの評価によると、XGBoost-KRR フレームワークは両方のセンサーにおいて最も強い相関と最低の予報誤差を示し、非線形な海洋と魚の関係を捉える能力を向上させたと示唆しています。サンデル-2 MSI はより細かな空間変動を分解し、局所的な生態系の相互作用を強調する一方、サンデル-3 OLCI は空間分解能が低いことに伴うより滑らかなスペクトル応答を示しています。持続可能な生態系管理を支援し、衛星ベースの水産評価を強化することで、提案されたアプローチは SDG 2（飢餓ゼロ）と SDG 14（水下の生命）を進めます。

arXiv:2602.08511v1 Announce Type: cross Abstract: Oceanographic factors, such as sea surface temperature and upper-ocean dynamics, have a significant impact on fish distribution. Maintaining fisheries that contribute to global food security requires quantifying these connections. This study uses multispectral images from Sentinel-2 MSI and Sentinel-3 OLCI to estimate fish catch using an Extreme Gradient Boosting (XGBoost)-kernelized Kernel Ridge Regression (KRR) technique. According to model evaluation, the XGBoost-KRR framework achieves the strongest correlation and the lowest prediction error across both sensors, suggesting improved capacity to capture nonlinear ocean-fish connections. While Sentinel-2 MSI resolves finer-scale spatial variability, emphasizing localized ecological interactions, Sentinel-3 OLCI displays smoother spectral responses associated with poorer spatial resolution. By supporting sustainable ecosystem management and strengthening satellite-based fisheries assessment, the proposed approach advances SDGs 2 (Zero Hunger) and 14 (Life Below Water).