論文の概要: Targeted Semantic Segmentation of Himalayan Glacial Lakes Using Time-Series SAR: Towards Automated GLOF Early Warning

• arxiv url: http://arxiv.org/abs/2512.24117v1
• Date: Tue, 30 Dec 2025 09:53:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.352421
• Title: Targeted Semantic Segmentation of Himalayan Glacial Lakes Using Time-Series SAR: Towards Automated GLOF Early Warning
• Title（参考訳）: 時系列SARによるヒマラヤ氷河のセマンティックセマンティックセマンティックセマンティックセマンティックセメンテーション--GLOF早期警戒に向けて
• Authors: Pawan Adhikari, Satish Raj Regmi, Hari Ram Shrestha,
• Abstract要約: 氷河湖の流出洪水は、最も破壊的な気候変動によって引き起こされる危険の1つである。 既存の遠隔監視アプローチは、しばしば空間的カバレッジを優先し、一般的なモデルを訓練したり、永続的な雲のカバレッジによって妨げられる光学的イメージに依存したりする。 本稿では, 時系列のSentinel-1 SARを用いて, 高リスクヒマラヤ氷河湖のモニタリングを行うためのディープラーニングパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Glacial Lake Outburst Floods (GLOFs) are one of the most devastating climate change induced hazards. Existing remote monitoring approaches often prioritise maximising spatial coverage to train generalistic models or rely on optical imagery hampered by persistent cloud coverage. This paper presents an end-to-end, automated deep learning pipeline for the targeted monitoring of high-risk Himalayan glacial lakes using time-series Sentinel-1 SAR. We introduce a "temporal-first" training strategy, utilising a U-Net with an EfficientNet-B3 backbone trained on a curated dataset of a cohort of 4 lakes (Tsho Rolpa, Chamlang Tsho, Tilicho and Gokyo Lake). The model achieves an IoU of 0.9130 validating the success and efficacy of the "temporal-first" strategy required for transitioning to Early Warning Systems. Beyond the model, we propose an operational engineering architecture: a Dockerised pipeline that automates data ingestion via the ASF Search API and exposes inference results via a RESTful endpoint. This system shifts the paradigm from static mapping to dynamic and automated early warning, providing a scalable architectural foundation for future development in Early Warning Systems.
• Abstract（参考訳）: 氷河湖流出洪水(英: Glacial Lake Outburst Floods、GLOFs)は、気候変動によって引き起こされる最も壊滅的な危険の1つである。 既存の遠隔監視アプローチでは、一般的なモデルを訓練したり、永続的な雲のカバレッジによって妨げられた光学画像に依存するために、空間的カバレッジを最大化するのが優先されることが多い。 本稿では、時系列Sentinel-1 SARを用いた高リスクヒマラヤ氷河湖の監視を目的としたエンドツーエンド自動ディープラーニングパイプラインを提案する。 我々は,4つの湖のコホート(Tsho Rolpa, Chamlang Tsho, Tilicho, Gokyo Lake)のキュレートされたデータセットに基づいて,効率的なNet-B3バックボーンを用いたU-Netの「時間優先」トレーニング戦略を導入する。 このモデルは、早期警戒システムへの移行に必要な「時間優先」戦略の成功と有効性を検証する0.9130のIoUを達成する。 ASF Search APIを介してデータの取り込みを自動化し、RESTfulエンドポイントを介して推論結果を公開するDocker化されたパイプライン。 このシステムは、パラダイムを静的マッピングから動的かつ自動化された早期警告に移行し、早期警告システムにおける将来の開発のためのスケーラブルなアーキテクチャ基盤を提供する。

関連論文リスト

• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• GLOFNet -- A Multimodal Dataset for GLOF Monitoring and Prediction [0.5131152350448099]
  氷河湖の流出洪水は珍しいが、高山地帯では破壊的な危険があるが、予測的な研究は断片化と不定形データによって妨げられている。 GLOFモニタリングと予測のためのマルチモーダルデータセットであるGLOFNetについて,カラコラムのシスパー氷河に着目した。 宇宙観測のためのSentinel-2マルチスペクトル画像、氷河キネマティックスのためのNASA ITS_LIVE速度生成物、20年以上にわたるMODISランドサーフェス温度記録の3つの補完的なソースを統合している。
  論文  参考訳（メタデータ） (2025-10-12T11:03:47Z)
• GTS_Forecaster: a novel deep learning based geodetic time series forecasting toolbox with python [13.397971255488365]
  我々は地理時系列予測のためのオープンソースのPythonパッケージであるGTS Forecasterを紹介する。 高度なディープラーニングモデルを統合し、非線形空間時間パターンを効果的にモデル化する。 GTS Forecasterは、外れ値データセットの予測、可視化、評価をサポートする。
  論文  参考訳（メタデータ） (2025-09-10T06:33:09Z)
• 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)
• Machine Learning for Proactive Groundwater Management: Early Warning and Resource Allocation [1.372066170415575]
  我々は,気候データ,水文気象記録,生理特性を用いて地下水位を推定する機械学習パイプラインを開発した。 我々のアプローチは、地理空間前処理、ドメイン駆動機能エンジニアリング、監視制限を克服する自動モデル選択を統合している。
  論文  参考訳（メタデータ） (2025-06-18T00:41:04Z)
• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• Robust ADAS: Enhancing Robustness of Machine Learning-based Advanced Driver Assistance Systems for Adverse Weather [5.383130566626935]
  本稿では,デノイングディープニューラルネットワークを前処理ステップとして,悪天候画像から晴天画像へ変換する。 ドライバーの視認性が向上し、悪天候下での安全なナビゲーションに欠かせない。
  論文  参考訳（メタデータ） (2024-07-02T18:03:52Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。