論文の概要: EuroMineNet: A Multitemporal Sentinel-2 Benchmark for Spatiotemporal Mining Footprint Analysis in the European Union (2015-2024)

• arxiv url: http://arxiv.org/abs/2510.14661v1
• Date: Thu, 16 Oct 2025 13:15:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.867935
• Title: EuroMineNet: A Multitemporal Sentinel-2 Benchmark for Spatiotemporal Mining Footprint Analysis in the European Union (2015-2024)
• Title（参考訳）: EuroMineNet: 欧州連合における時空間採鉱足図分析のためのマルチテンポラルセンチネル-2ベンチマーク(2015-2024)
• Authors: Weikang Yu, Vincent Nwazelibe, Xianping Ma, Xiaokang Zhang, Richard Gloaguen, Xiao Xiang Zhu, Pedram Ghamisi,
• Abstract要約: EuroMineNetは、マイニングフットプリントマッピングとモニタリングのための、最初の総合的なマルチテンポラルベンチマークである。 欧州連合全体で133の鉱業地帯にまたがっており、GeoAIベースのモデルで大陸規模で環境動態を解析することができる。 エウロマイネネットは、時間的に一貫した説明可能な鉱業モニタリングを進めることで、持続可能な土地利用管理、環境の回復力、そして、GeoAIを社会と環境の良し悪しに適用するというより広い目標に貢献する。
• 参考スコア（独自算出の注目度）: 27.42428692928213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mining activities are essential for industrial and economic development, but remain a leading source of environmental degradation, contributing to deforestation, soil erosion, and water contamination. Sustainable resource management and environmental governance require consistent, long-term monitoring of mining-induced land surface changes, yet existing datasets are often limited in temporal depth or geographic scope. To address this gap, we present EuroMineNet, the first comprehensive multitemporal benchmark for mining footprint mapping and monitoring based on Sentinel-2 multispectral imagery. Spanning 133 mining sites across the European Union, EuroMineNet provides annual observations and expert-verified annotations from 2015 to 2024, enabling GeoAI-based models to analyze environmental dynamics at a continental scale. It supports two sustainability-driven tasks: (1) multitemporal mining footprint mapping for consistent annual land-use delineation, evaluated with a novel Change-Aware Temporal IoU (CA-TIoU) metric, and (2) cross-temporal change detection to capture both gradual and abrupt surface transformations. Benchmarking 20 state-of-the-art deep learning models reveals that while GeoAI methods effectively identify long-term environmental changes, challenges remain in detecting short-term dynamics critical for timely mitigation. By advancing temporally consistent and explainable mining monitoring, EuroMineNet contributes to sustainable land-use management, environmental resilience, and the broader goal of applying GeoAI for social and environmental good. We release the codes and datasets by aligning with FAIR and the open science paradigm at https://github.com/EricYu97/EuroMineNet.
• Abstract（参考訳）: 鉱業活動は産業や経済の発展に欠かせないが、環境劣化の主要な原因であり、森林破壊、土壌浸食、水質汚染に寄与している。 持続可能な資源管理と環境ガバナンスは、鉱業によって引き起こされる土地表面の変化を継続的に長期にわたって監視する必要があるが、既存のデータセットは時間的深さや地理的範囲で制限されることが多い。 このギャップに対処するため、EuroMineNetは、Sentinel-2マルチスペクトル画像に基づく地雷フットプリントマッピングとモニタリングのための、初めての総合的マルチテンポラルベンチマークである。 欧州連合(EU)全体で133の鉱業サイトを拡大するEuroMineNetは、2015年から2024年までの年次観測と専門家によるアノテーションを提供し、GeoAIベースのモデルが大陸規模で環境動態を解析できるようにする。 持続可能性駆動型タスクは,(1)一貫した一貫した土地利用デライン化のためのマルチテンポラル・マイニング・フットプリントマッピング(CA-TIoU)と(2)段階的および急激な表面変換を捉えるための時間的変化検出(クロステンポラル・チェンジ検出)の2つをサポートする。 最先端のディープラーニングモデル20のベンチマークでは、GeoAI手法が長期的な環境変化を効果的に識別する一方で、短期的ダイナミクスの検出が時間的緩和に不可欠であることが示されている。 エウロマイネネットは、時間的に一貫した説明可能な鉱業モニタリングを進めることで、持続可能な土地利用管理、環境の回復力、そして、GeoAIを社会と環境の良し悪しに適用するというより広い目標に貢献する。 FAIRとオープンサイエンスパラダイムを連携させて、コードとデータセットをhttps://github.com/EricYu97/EuroMineNet.comで公開します。

関連論文リスト

• Geo-Aware Models for Stream Temperature Prediction across Different Spatial Regions and Scales [30.77342818734587]
  GeoSTAR-Sは、異なる流域と空間スケールにまたがる水温を予測するためのフレームワークである。 GeoSTAR-Sの大きな革新は、ジオアウェア埋め込みの導入である。 河川水温予測におけるGeoSTAR-Sの有効性について検討した。
  論文  参考訳（メタデータ） (2025-10-10T16:04:35Z)
• HEIMDALL: a grapH-based sEIsMic Detector And Locator for microseismicity [13.628458744188325]
  本稿では,地震カタログ作成のためのエンドツーエンドパイプラインを構成する新しいディープラーニングモデルを提案する。 アイスランドのヘンギル地域の複雑な地熱地帯で試験された。 その結果, 以前公表した自動システムと比較して, イベント検出が有意に増加した。
  論文  参考訳（メタデータ） (2025-07-14T22:47:49Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
  3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。 大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。 また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
  論文  参考訳（メタデータ） (2025-02-19T14:21:25Z)
• SALINA: Towards Sustainable Live Sonar Analytics in Wild Ecosystems [12.711126566709076]
  本稿では,サステナブルライブソナー分析システムであるSALINAを紹介する。 SALINAは空間的および時間的適応による音響ソナーデータのリアルタイム処理を可能にする。 SALINAは6ヶ月間、カナダのブリティッシュコロンビア州の2つの内陸河川に配備された。
  論文  参考訳（メタデータ） (2024-10-10T00:32:28Z)
• A Deep Learning-Based Approach for Mangrove Monitoring [0.0]
  本研究は,マングローブセグメンテーションの課題における最近のディープラーニングモデルの包括的評価を提供する。 我々はまず,Global Mangrove WatchのmangroveアノテーションとSentinel-2の衛星画像を組み合わせた,オープンソースの新しいデータセットMagSet-2を紹介し,公開する。 次に、生成されたデータセットを使用して、3つのアーキテクチャグループ、すなわち畳み込み、トランスフォーマー、mambaモデルをベンチマークします。
  論文  参考訳（メタデータ） (2024-10-07T19:22:08Z)
• MineSegSAT: An automated system to evaluate mining disturbed area extents from Sentinel-2 imagery [0.0]
  本稿では,Sentinel-2データに基づいて学習したSegFormerディープラーニングセグメンテーションアーキテクチャを用いて,鉱物抽出サイトの環境影響領域を予測する新しい手法を提案する。 このデータは2021年にカナダ西部の非重複地域から収集された。 AWS上のデータにアクセスするためのモデルと進行中のAPIにより、自動化ツールが作成され、既知の鉱業サイトを取り巻く混乱した領域を監視できる。
  論文  参考訳（メタデータ） (2023-11-03T02:52:01Z)
• GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
  地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。 まず,地理的適応のための大規模データセットGeoNetを紹介する。 第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。 第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:34Z)
• Neural Laplace Control for Continuous-time Delayed Systems [76.81202657759222]
  本稿では,ニューラルラプラス力学モデルとモデル予測制御(MPC)プランナを組み合わせた連続時間モデルに基づくオフラインRL法を提案する。 専門家の政策性能に近い連続的な遅延環境を実験的に示す。
  論文  参考訳（メタデータ） (2023-02-24T12:40:28Z)

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。