論文の概要: Tree crop mapping of South America reveals links to deforestation and conservation

• arxiv url: http://arxiv.org/abs/2602.17372v1
• Date: Thu, 19 Feb 2026 13:54:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:29.050414
• Title: Tree crop mapping of South America reveals links to deforestation and conservation
• Title（参考訳）: 南アメリカの森林伐採と保全との関係が明らかに
• Authors: Yuchang Jiang, Anton Raichuk, Xiaoye Tong, Vivien Sainte Fare Garnot, Daniel Ortiz-Gonzalo, Dan Morris, Konrad Schindler, Jan Dirk Wegner, Maxim Neumann,
• Abstract要約: 我々は,Sentinel-1およびSentinel-2衛星画像に基づいて学習した多時間深度学習モデルを用いて,南アメリカにおける最初の10m分解能木作図を提示する。 この地図は、約1100万ヘクタールの樹木を識別しており、その23%は2000-2020年の森林被覆損失と関連している。
• 参考スコア（独自算出の注目度）: 22.896300183639156
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring tree crop expansion is vital for zero-deforestation policies like the European Union's Regulation on Deforestation-free Products (EUDR). However, these efforts are hindered by a lack of highresolution data distinguishing diverse agricultural systems from forests. Here, we present the first 10m-resolution tree crop map for South America, generated using a multi-modal, spatio-temporal deep learning model trained on Sentinel-1 and Sentinel-2 satellite imagery time series. The map identifies approximately 11 million hectares of tree crops, 23% of which is linked to 2000-2020 forest cover loss. Critically, our analysis reveals that existing regulatory maps supporting the EUDR often classify established agriculture, particularly smallholder agroforestry, as "forest". This discrepancy risks false deforestation alerts and unfair penalties for small-scale farmers. Our work mitigates this risk by providing a high-resolution baseline, supporting conservation policies that are effective, inclusive, and equitable.
• Abstract（参考訳）: 森林伐採拡大のモニタリングは、欧州連合の森林伐採自由製品規制(EUDR)のような森林伐採ゼロ政策にとって不可欠である。 しかし、これらの努力は、森林から多様な農業システムを区別する高解像度データがないために妨げられている。 本稿では,Sentinel-1 と Sentinel-2 の衛星画像時系列に基づいて学習したマルチモーダル時空間深度学習モデルを用いて,南アメリカ初の10m分解能木作図を提示する。 この地図は、約1100万ヘクタールの樹木を識別しており、そのうち23%は2000-2020年の森林被覆損失と関連している。 批判的に、EUDRを支持する既存の規制地図は、確立した農業、特に小規模の農林業を「森林」として分類することが多い。 この不一致は、小規模農家にとって偽の森林破壊警告と不公平な罰を負う。 我々の研究は、高解像度のベースラインを提供し、効果的で包括的で公平な保全政策をサポートすることで、このリスクを軽減します。

関連論文リスト

• FORMSpoT: A Decade of Tree-Level, Country-Scale Forest Monitoring [40.631100826517375]
  森林キャノピーの高さを1.5mの解像度で全国で10年(2014-2024年)にわたってマッピングしたFOMSpoT(Forest Mapping with SPOT Time series)を紹介した。 異種買収におけるロバストな変更検出を可能にするため、我々は専用の後処理パイプラインを開発した。 乱れが小さく空間的に断片化された山岳林では、FOMSpoT-$$はF1スコアが0.44で、既存のベンチマークよりも桁違いに高い。
  論文  参考訳（メタデータ） (2025-12-18T19:35:09Z)
• Detection and Geographic Localization of Natural Objects in the Wild: A Case Study on Palms [10.342516627774438]
  PRISM (Processing, Inference, and Mapping) は高密度熱帯林におけるヤシの検出と位置決定のための柔軟なパイプラインである。 まず,8,830個の箱と5,026個のヤシ中心点をアノテートした,エクアドル西部の21の生態学的に多様な場所に,UAV由来の大規模なオルソモザイクデータセットを構築した。 第2に、ゼロショットSAM2をセグメンテーションバックボーンとして統合し、効率と性能に基づいて複数の最先端物体検出器を評価し、第3に、信頼性スコアをIoUと整合させ、sを探索するキャリブレーション手法を適用した。
  論文  参考訳（メタデータ） (2025-02-18T16:43:11Z)
• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.10353372557444]
  シェードツリーのカバーを30%まで増やすことで、さらに3700万トンのCO2を回収することができる。 これは、ガーナとコート・ディヴォワールにおける現代のココア関連の排出量の167%を相殺する可能性がある。
  論文  参考訳（メタデータ） (2024-10-28T10:02:32Z)
• Deep Learning tools to support deforestation monitoring in the Ivory Coast using SAR and Optical satellite imagery [0.0]
  衛星は森林の消失を認識し、関心領域の拡大を防ぐために使用できる。 フォレスト・ノン・フォレスト・マップ (FNF) はセンチネル画像入力モデルの基礎的真理として用いられている。 森林と非森林を分類するモデルは、森林破壊の起こりうる場所を予測するためにオープンデータセットを使用して、この地域の森林と非森林のピクセルを分類する。
  論文  参考訳（メタデータ） (2024-09-16T14:26:41Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Texture based Prototypical Network for Few-Shot Semantic Segmentation of Forest Cover: Generalizing for Different Geographical Regions [0.0]
  提案手法は,南アジアの熱帯林を同定し,中央ヨーロッパの温帯林を決定するために適応する。 1-way 1-shot) の森林群に対する0.62のIoUを提案手法を用いて取得し, 従来の少数ショットセマンティックセグメンテーション手法よりも有意に高い値(PANetは0.46)を示した。
  論文  参考訳（メタデータ） (2022-03-29T15:48:17Z)
• 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)

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。