論文の概要: Improved flood mapping for efficient policy design by fusion of
Sentinel-1, Sentinel-2, and Landsat-9 imagery to identify population and
infrastructure exposed to floods
- arxiv url: http://arxiv.org/abs/2306.06074v1
- Date: Wed, 31 May 2023 20:46:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-18 13:00:21.386028
- Title: Improved flood mapping for efficient policy design by fusion of
Sentinel-1, Sentinel-2, and Landsat-9 imagery to identify population and
infrastructure exposed to floods
- Title(参考訳): Sentinel-1,Sentinel-2,Landsat-9画像の融合による効率的な政策設計のための洪水マッピングの改善
- Authors: Usman Nazir, Muhammad Ahmad Waseem, Falak Sher Khan, Rabia Saeed, Syed
Muhammad Hasan, Momin Uppal, Zubair Khalid
- Abstract要約: タンデムにおける光学およびSAR画像の応用は、洪水マッピングの可用性と信頼性を高める手段を提供する。
本稿では,これらの2種類のイメージを共通データ空間にマージする手法を提案する。
- 参考スコア(独自算出の注目度): 15.893084685925073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A reliable yet inexpensive tool for the estimation of flood water spread is
conducive for efficient disaster management. The application of optical and SAR
imagery in tandem provides a means of extended availability and enhanced
reliability of flood mapping. We propose a methodology to merge these two types
of imagery into a common data space and demonstrate its use in the
identification of affected populations and infrastructure for the 2022 floods
in Pakistan. The merging of optical and SAR data provides us with improved
observations in cloud-prone regions; that is then used to gain additional
insights into flood mapping applications. The use of open source datasets from
WorldPop and OSM for population and roads respectively makes the exercise
globally replicable. The integration of flood maps with spatial data on
population and infrastructure facilitates informed policy design. We have shown
that within the top five flood-affected districts in Sindh province, Pakistan,
the affected population accounts for 31 %, while the length of affected roads
measures 1410.25 km out of a total of 7537.96 km.
- Abstract(参考訳): 洪水水の拡散を推定するための信頼性の高い安価で安価なツールは,災害管理の効率化に寄与する。
タンデムにおける光学およびSAR画像の応用は、洪水マッピングの可用性と信頼性を高める手段を提供する。
2022年にパキスタンで発生した洪水に対して,これらの2種類の画像を共通データ空間に融合させる手法を提案し,影響を受けた人口とインフラの同定における利用を実証する。
光とSARデータの融合により、雲の激しい地域での観測が改善され、洪水マッピングアプリケーションに関するさらなる洞察を得るために使用される。
人口と道路にそれぞれworldpopとosmのオープンソースデータセットを使用することで、このエクササイズはグローバルに複製できる。
洪水マップと人口とインフラの空間データの統合は、情報的な政策設計を促進する。
パキスタンのシンド州の洪水被害地域のトップ5のうち、影響を受けた人口は31%であり、影響を受ける道路の長さは総面積7537.96kmのうち1410.25kmである。
関連論文リスト
- Deep Efficient Private Neighbor Generation for Subgraph Federated
Learning [57.39918843245229]
そこで我々は,FedDEPを提案する。FedDEPは,部分グラフの欠落が原因で,局所的な部分グラフ上での不完全な情報伝達に対処する。
FedDEPは,(1)GNN埋め込みを利用した深部近傍世代,(2)埋め込みプロトタイピングによる近接世代に対する効率的な擬似FL,(3)ノイズのないエッジ局所微分プライバシによるプライバシ保護という,一連の新しい技術設計で構成されている。
論文 参考訳(メタデータ) (2024-01-09T03:29:40Z) - Kuro Siwo: 12.1 billion $m^2$ under the water. A global multi-temporal
satellite dataset for rapid flood mapping [3.1368593246939898]
洪水は人命、インフラ、環境に深刻な脅威をもたらす。
Kuro Siwoは、世界中の32の洪水イベントにまたがる、細心の注意を払ってキュレートされた多時期データセットである。
我々のデータセットは63億m2以上の土地をマッピングし、そのうち1210億は浸水した地域か永久的な水域である。
論文 参考訳(メタデータ) (2023-11-18T13:55:05Z) - Leveraging Citizen Science for Flood Extent Detection using Machine
Learning Benchmark Dataset [0.9029386959445269]
我々は、アメリカ本土とバングラデシュ内の約36,000平方キロメートルの地域をカバーする、既知の洪水イベントの間に、ラベル付きの水域範囲と浸水地域の範囲を作成します。
また、データセットをオープンソース化し、データセットに基づいたオープンコンペティションを開催して、コミュニティ生成モデルを使用した洪水範囲検出を迅速にプロトタイプ化しました。
データセットはSentinel-1C SARデータに基づく既存のデータセットに追加され、より堅牢な洪水範囲のモデリングにつながります。
論文 参考訳(メタデータ) (2023-11-15T18:49:29Z) - Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。
本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文 参考訳(メタデータ) (2023-01-04T05:19:33Z) - Transformer-based Flood Scene Segmentation for Developing Countries [1.7499351967216341]
洪水は大規模な自然災害であり、しばしば大量の死者、大規模な材料被害、経済的混乱を引き起こす。
早期警戒システム(EWS)は洪水を予測するための水位やその他の要因を常に評価し、被害を最小限に抑える。
FloodTransformerは、災害現場の空中画像から浸水した領域を検出し、セグメンテーションする最初のビジュアルトランスフォーマーベースのモデルである。
論文 参考訳(メタデータ) (2022-10-09T10:29:41Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane
Markings [54.298482823211806]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳(メタデータ) (2021-11-25T16:21:28Z) - Feasibility study of urban flood mapping using traffic signs for route
optimization [9.973554387848257]
水害は世界で最も頻繁に発生し、最もコストがかかる気候災害である。
アメリカ合衆国では、海岸部に住む推定1億2700万人がハリケーンや洪水による住宅被害の恐れがある。
論文 参考訳(メタデータ) (2021-09-24T02:13:23Z) - A Machine learning approach for rapid disaster response based on
multi-modal data. The case of housing & shelter needs [0.0]
災害に遭った人々の最も直接的なニーズの1つは避難所を見つけることである。
本稿では,マルチモーダルデータの融合と解析を目的とした機械学習ワークフローを提案する。
世界中の200以上の災害に対する19の特徴のデータベースに基づいて、意思決定レベルでの融合アプローチが用いられた。
論文 参考訳(メタデータ) (2021-07-29T18:22:34Z) - Physically-Consistent Generative Adversarial Networks for Coastal Flood
Visualization [60.690929022840685]
合成視覚衛星画像の物理的整合性を確保するための,最初のディープラーニングパイプラインを提案する。
物理ベースのフラッドマップと比較して画像を評価することにより,提案手法が物理一貫性とフォトリアリズムの両方においてベースラインモデルを上回ることを見出した。
地球観測における画像と画像の翻訳を研究するために、25k以上の画像ペアのデータセットを公開する。
論文 参考訳(メタデータ) (2021-04-10T15:00:15Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳(メタデータ) (2020-10-16T02:15:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。