論文の概要: WildfireVLM: AI-powered Analysis for Early Wildfire Detection and Risk Assessment Using Satellite Imagery

• arxiv url: http://arxiv.org/abs/2602.13305v1
• Date: Mon, 09 Feb 2026 19:40:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:27.838082
• Title: WildfireVLM: AI-powered Analysis for Early Wildfire Detection and Risk Assessment Using Satellite Imagery
• Title（参考訳）: WildfireVLM: 衛星画像を用いた早期の山火事検出とリスク評価のためのAIによる分析
• Authors: Aydin Ayanzadeh, Prakhar Dixit, Sadia Kamal, Milton Halem,
• Abstract要約: 森林火災は、生態系、人間の生活、インフラに対する脅威が増えている。 本研究では,衛星画像の山火事検出と言語によるリスク評価を組み合わせたAIフレームワークWildfireVLMを紹介する。
• 参考スコア（独自算出の注目度）: 1.0907929392898186
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wildfires are a growing threat to ecosystems, human lives, and infrastructure, with their frequency and intensity rising due to climate change and human activities. Early detection is critical, yet satellite-based monitoring remains challenging due to faint smoke signals, dynamic weather conditions, and the need for real-time analysis over large areas. We introduce WildfireVLM, an AI framework that combines satellite imagery wildfire detection with language-driven risk assessment. We construct a labeled wildfire and smoke dataset using imagery from Landsat-8/9, GOES-16, and other publicly available Earth observation sources, including harmonized products with aligned spectral bands. WildfireVLM employs YOLOv12 to detect fire zones and smoke plumes, leveraging its ability to detect small, complex patterns in satellite imagery. We integrate Multimodal Large Language Models (MLLMs) that convert detection outputs into contextualized risk assessments and prioritized response recommendations for disaster management. We validate the quality of risk reasoning using an LLM-as-judge evaluation with a shared rubric. The system is deployed using a service-oriented architecture that supports real-time processing, visual risk dashboards, and long-term wildfire tracking, demonstrating the value of combining computer vision with language-based reasoning for scalable wildfire monitoring.
• Abstract（参考訳）: 森林火災は生態系、人命、インフラへの脅威が増大しており、気候変動や人的活動によって頻度と強度が上昇している。 早期検出は重要であるが、煙信号の弱さ、動的気象条件、大規模領域でのリアルタイム分析の必要性により、衛星による監視は依然として困難である。 本研究では,衛星画像の山火事検出と言語によるリスク評価を組み合わせたAIフレームワークWildfireVLMを紹介する。 我々は、ランドサット8/9、GOES-16、その他の公開地球観測衛星の画像を用いて、同調スペクトル帯を持つ調和した製品を含む、ラベル付き山火事と煙のデータセットを構築した。 WildfireVLMは、YOLOv12を使用して、衛星画像の小さな複雑なパターンを検出する能力を活用して、火災帯や煙突を検出する。 マルチモーダル大言語モデル(MLLM)を統合して,検出出力をコンテキスト化されたリスクアセスメントに変換し,災害管理のための応答レコメンデーションを優先順位付けする。 LLM-as-judge 評価によるリスク推論の品質評価を行った。 このシステムは、リアルタイム処理、視覚リスクダッシュボード、長期的な山火事追跡をサポートするサービス指向アーキテクチャを使用してデプロイされ、スケーラブルな山火事モニタリングのための、コンピュータビジョンと言語ベースの推論を組み合わせることの価値を実証する。

関連論文リスト

• AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
  UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。 我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。 また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
  論文  参考訳（メタデータ） (2025-11-26T04:44:27Z)
• FireScope: Wildfire Risk Prediction with a Chain-of-Thought Oracle [69.84129020970477]
  既存の方法には、信頼性の高い一般化に必要な因果推論と理解が欠如している。 Sentinel-2イメージと気候データと専門家が定義したリスクを結合したデータセットとベンチマークであるtextbfFireScope-Benchを紹介します。 米国でトレーニングし、ヨーロッパでテストすると、$textbfFireScope$は大幅なパフォーマンス向上を達成する。 本研究は,推論が一般化と解釈可能性の両方を改善することによって,予測モデルの基礎となることを示す。
  論文  参考訳（メタデータ） (2025-11-21T11:45:22Z)
• Natural Reflection Backdoor Attack on Vision Language Model for Autonomous Driving [55.96227460521096]
  視覚言語モデル(VLM)は推論能力を高めるために自律運転システムに統合されている。 本稿では,自律運転シナリオにおけるVLMシステムを対象とした自然反射型バックドアアタックを提案する。 我々の発見は、自動運転の厳しいリアルタイム要求を生かした、新たなタイプの攻撃を発見しました。
  論文  参考訳（メタデータ） (2025-05-09T20:28:17Z)
• More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV [58.89234732689013]
  CODroneは、現実の状況を正確に反映した、UAVのための包括的なオブジェクト指向オブジェクト検出データセットである。 また、下流のタスク要求に合わせて設計された新しいベンチマークとしても機能する。 我々は、CODroneを厳格に評価するために、22の古典的またはSOTA法に基づく一連の実験を行う。
  論文  参考訳（メタデータ） (2025-04-28T17:56:02Z)
• Decision support system for Forest fire management using Ontology with Big Data and LLMs [0.8668211481067458]
  火災リスクを評価し、資源需要を予測する火災指標が不可欠である。 医療や環境モニタリングなどの分野におけるセンサネットワークの増加に伴い、セマンティックセンサーネットワークは、気候データ収集にますます利用されている。 本稿では,Apache Sparkによる森林火災の早期検出,気象・地理データによる火災リスク予測の強化について論じる。
  論文  参考訳（メタデータ） (2024-05-18T17:30:30Z)
• A Synergistic Approach to Wildfire Prevention and Management Using AI, ML, and 5G Technology in the United States [44.99833362998488]
  本研究は、アメリカ合衆国における山火事の検出および対処のための積極的な方法を検討する。 本研究の目的は,高度技術を用いた山火事の予防的検出と防止である。 AI対応のリモートセンシングや5Gベースのアクティブモニタリングなど、さまざまな方法により、アクティブな山火事の検出と管理が強化される。
  論文  参考訳（メタデータ） (2024-02-27T04:09:30Z)
• A comprehensive survey of research towards AI-enabled unmanned aerial systems in pre-, active-, and post-wildfire management [6.043705525669726]
  森林火災は世界でも最も破壊的な自然災害の1つであり、人命と森林の野生生物に壊滅的な被害をもたらしている。 近年、無人航空機(UAV)とディープラーニングモデルの統合によって推進される山火事における人工知能(AI)の使用は、より効果的な山火事管理を実装し、開発するための前例のない勢いを生み出している。
  論文  参考訳（メタデータ） (2024-01-04T05:09:35Z)
• FireRisk: A Remote Sensing Dataset for Fire Risk Assessment with Benchmarks Using Supervised and Self-supervised Learning [1.6596490382976503]
  本研究では, 火災リスク評価のために, 91872 画像を含む7つの火災リスククラスからなる新しいリモートセンシングデータセット FireRisk を提案する。 FireRiskでは,Masked Autoencoders (MAE) がImageNet1k上で事前トレーニングされ,65.29%の分類精度が得られた。
  論文  参考訳（メタデータ） (2023-03-13T11:54:16Z)
• Multimodal Wildland Fire Smoke Detection [5.15911752972989]
  研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。 スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。 SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T01:16:06Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Unsupervised Wildfire Change Detection based on Contrastive Learning [1.53934570513443]
  山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
  論文  参考訳（メタデータ） (2022-11-26T20:13:14Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)

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。