論文の概要: AI Powered Urban Green Infrastructure Assessment Through Aerial Imagery of an Industrial Township
- arxiv url: http://arxiv.org/abs/2510.21876v1
- Date: Thu, 23 Oct 2025 14:36:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 17:41:21.922058
- Title: AI Powered Urban Green Infrastructure Assessment Through Aerial Imagery of an Industrial Township
- Title（参考訳）: 産業用タウンシップの航空画像による都市グリーンインフラストラクチャアセスメントのAI
- Authors: Anisha Dutta,
- Abstract要約: 本研究では,人工知能,特にコンピュータビジョン技術を用いたグリーンキャノピー被覆の推定を航空画像に適用するための効率的な手法を提案する。
提案手法は、ディープラーニングアルゴリズムに基づくオブジェクトベース画像解析を用いて、高解像度のドローン画像からグリーンキャノピーを正確に識別し、セグメント化する。
大規模なデータセットを処理する際の計算上の課題を克服するため、高性能プロセッサを使用したクラウドプラットフォーム上で実装された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate assessment of urban canopy coverage is crucial for informed urban planning, effective environmental monitoring, and mitigating the impacts of climate change. Traditional practices often face limitations due to inadequate technical requirements, difficulties in scaling and data processing, and the lack of specialized expertise. This study presents an efficient approach for estimating green canopy coverage using artificial intelligence, specifically computer vision techniques, applied to aerial imageries. Our proposed methodology utilizes object-based image analysis, based on deep learning algorithms to accurately identify and segment green canopies from high-resolution drone images. This approach allows the user for detailed analysis of urban vegetation, capturing variations in canopy density and understanding spatial distribution. To overcome the computational challenges associated with processing large datasets, it was implemented over a cloud platform utilizing high-performance processors. This infrastructure efficiently manages space complexity and ensures affordable latency, enabling the rapid analysis of vast amounts of drone imageries. Our results demonstrate the effectiveness of this approach in accurately estimating canopy coverage at the city scale, providing valuable insights for urban forestry management of an industrial township. The resultant data generated by this method can be used to optimize tree plantation and assess the carbon sequestration potential of urban forests. By integrating these insights into sustainable urban planning, we can foster more resilient urban environments, contributing to a greener and healthier future.
- Abstract（参考訳）: 都市のキャノピー範囲の正確な評価は、情報的都市計画、効果的な環境モニタリング、気候変動の影響軽減に不可欠である。
従来のプラクティスは、技術的要件の不十分、スケーリングとデータ処理の困難、専門的な専門知識の欠如によって、しばしば制限に直面します。
本研究では,人工知能,特にコンピュータビジョン技術を用いたグリーンキャノピー被覆の推定を航空画像に適用するための効率的な手法を提案する。
提案手法は、ディープラーニングアルゴリズムに基づくオブジェクトベース画像解析を用いて、高解像度のドローン画像からグリーンキャノピーを正確に識別し、セグメント化する。
このアプローチにより, 都市植生の詳細な解析, キャノピー密度の変動の把握, 空間分布の理解が可能となる。
大規模なデータセットを処理する際の計算上の課題を克服するため、高性能プロセッサを使用したクラウドプラットフォーム上で実装された。
このインフラストラクチャは、空間の複雑さを効率的に管理し、安価なレイテンシを確保し、大量のドローン画像の迅速な分析を可能にする。
本研究は, 都市規模でのキャノピー被覆を正確に推定する手法の有効性を実証し, 工業団地における林業経営に有用な知見を提供するものである。
この方法で生成されたデータは、樹木の植林を最適化し、都市森林の炭素沈降ポテンシャルを評価するために利用することができる。
これらの知見を持続可能な都市計画に統合することにより、より回復力のある都市環境を育むことができ、より温かく健康な未来に寄与する。
関連論文リスト
- Comparison of Segmentation Methods in Remote Sensing for Land Use Land Cover [0.0]
土地利用土地被覆(LULC)マッピングは都市・資源計画に不可欠である。
本研究では,Look-Up Table (LUT) をベースとした大気補正を,Cartosat Multispectral (MX) センサ画像に適用した高度なLULCマッピング手法について検討した。
論文 参考訳（メタデータ） (2025-07-24T05:23:02Z) - Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。
複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。
低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-21T03:57:10Z) - Using street view imagery and deep generative modeling for estimating the health of urban forests [0.0]
健康な都市林は気候変動の緩和に重要な役割を果たしている。
都会の森林の健康をモニタリングする伝統的なアプローチは、計器検査技術を必要とする。
簡易入力を用いた都市林のモニタリング手法を提案する。
論文 参考訳（メタデータ） (2025-04-20T12:09:15Z) - Geospatial Data Fusion: Combining Lidar, SAR, and Optical Imagery with AI for Enhanced Urban Mapping [0.0]
本研究では,高度都市マッピングのための高度な人工知能技術によるライダー,合成開口レーダ(SAR),光学画像の統合について検討する。
この研究は、都市の特徴抽出のための主要なディープラーニングモデルとして、FCN(Fully Convolutional Networks)を採用している。
主な発見は、FCN-PSOモデルが92.3%の画素精度、IoUの平均インターセクションは87.6%で、従来の単一センサーのアプローチを上回ったことを示している。
論文 参考訳（メタデータ） (2024-12-25T22:17:31Z) - Adopting Explainable-AI to investigate the impact of urban morphology design on energy and environmental performance in dry-arid climates [0.0]
本研究では,都市建築エネルギーモデリング(UBEM)と機械学習(ML)と説明可能なAI技術を組み合わせた都市形態評価手法を提案する。
テヘランの密集した都市景観をケーススタディとして、この研究は30の形態パラメータが主要なエネルギー指標に与える影響を評価し、ランク付けする。
その結果、建築形態、窓と壁の比率、商業比率がエネルギー効率に影響を与える最も重要なパラメータであることが判明した。
論文 参考訳（メタデータ） (2024-12-13T09:19:49Z) - AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。
AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。
実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
論文 参考訳（メタデータ） (2024-11-29T08:14:07Z) - Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳（メタデータ） (2023-08-24T16:20:00Z) - Pedestrian Wind Factor Estimation in Complex Urban Environments [0.0]
都市計画立案者や政策立案者は、より密集した都市環境においてより人口の多い都市のために、住みやすく楽しい都市を作るという課題に直面している。
都市マイクロ気候は、現在と将来における都市空間の質を定義する上で重要な役割を担っているが、初期の都市設計と計画プロセスにおける風力マイクロ気候評価の統合は依然として課題である。
この研究は、複雑な都市環境におけるリアルタイムな歩行者風の快適さ推定のためのデータ駆動ワークフローを開発する。
論文 参考訳（メタデータ） (2021-10-06T01:09:30Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z)
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。