論文の概要: Country-wide, high-resolution monitoring of forest browning with Sentinel-2

• arxiv url: http://arxiv.org/abs/2604.02074v1
• Date: Thu, 02 Apr 2026 14:05:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.844092
• Title: Country-wide, high-resolution monitoring of forest browning with Sentinel-2
• Title（参考訳）: センチネルによる森林の茶色化の全国高分解能モニタリング-2
• Authors: Samantha Biegel, David Brüggemann, Francesco Grossi, Michele Volpi, Konrad Schindler, Benjamin D. Stocker,
• Abstract要約: 本研究では,センチネル2データの10m解像度における森林緑化異常の全国分布図を作成するためのスケーラブルなアプローチを提案する。 我々はSentinel-2データから得られた正規化差分植生指標(NDVI)の予測的定量モデルを学習する。 結果として予想される季節周期は、2017年4月から2025年8月までにスイス全土でNDVI異常を検出するために使用される。
• 参考スコア（独自算出の注目度）: 21.30119488990051
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Natural and anthropogenic disturbances are impacting the health of forests worldwide. Monitoring forest disturbances at scale is important to inform conservation efforts. Here, we present a scalable approach for country-wide mapping of forest greenness anomalies at the 10 m resolution of Sentinel-2. Using relevant ecological and topographical context and an established representation of the vegetation cycle, we learn a predictive quantile model of the normalised difference vegetation index (NDVI) derived from Sentinel-2 data. The resulting expected seasonal cycles are used to detect NDVI anomalies across Switzerland between April 2017 and August 2025. Goodness-of-fit evaluations show that the conditional model explains 65% of the observed variations in the median seasonal cycle. The model consistently benefits from the local context information, particularly during the green-up period. The approach produces coherent spatial anomaly patterns and enables country-wide quantification of forest browning. Case studies with independent reference data from known events illustrate that the model reliably detects different types of disturbances.
• Abstract（参考訳）: 自然と人為的障害が世界中の森林の健康に影響を与えている。 森林破壊の大規模モニタリングは, 保全活動に重要な役割を担っている。 本稿では,センチネル2の10m分解能で森林緑度異常の全国分布図を作成するためのスケーラブルなアプローチを提案する。 環境・地形の関連状況と植生サイクルの確立した表現を用いて,Sentinel-2データから得られた正規化差分植生指標(NDVI)の予測的定量モデルを学習した。 結果として予想される季節周期は、2017年4月から2025年8月までにスイス全土でNDVI異常を検出するために使用される。 好適性評価では, 季節周期の中央値の65%が条件付きモデルで説明されている。 このモデルは、特に緑化期間中に、ローカルなコンテキスト情報から一貫して恩恵を受ける。 この手法は、コヒーレントな空間異常パターンを発生させ、森林のブラウニングの全国的な定量化を可能にする。 既知の事象からの独立した参照データを用いたケーススタディでは、モデルは異なる種類の障害を確実に検出する。

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)
• Forest tree species classification and entropy-derived uncertainty mapping using extreme gradient boosting and Sentinel-1/2 data [6.334209619488757]
  本研究は,スウェーデンの森林において,画素レベルの不確実性推定を伴う新しい10mの樹種マップを提示する。 木種分類は、Sentinel-1とSentinel-2の衛星データから得られた測定値と、スウェーデン国立森林調査所の観測値に基づいている。
  論文  参考訳（メタデータ） (2025-09-22T12:01:49Z)
• VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
  地理空間植生予測タスクのためのVegeDiffを提案する。 VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。 植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
  論文  参考訳（メタデータ） (2024-07-17T14:15:52Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Accuracy and Consistency of Space-based Vegetation Height Maps for Forest Dynamics in Alpine Terrain [18.23260742076316]
  スイス国立森林調査所(NFI)は、0.5mの空間解像度で全国の植生高度マップを提供している。 これは、宇宙からのリモートセンシングと深層学習を用いて、大規模な植生高度マップを生成することで改善できる。 センチネル2衛星画像に基づいて,2017年から2020年までの10m地点で年間,全国の植生高度マップを作成した。
  論文  参考訳（メタデータ） (2023-09-04T20:23:57Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• Learning to forecast vegetation greenness at fine resolution over Africa with ConvLSTMs [2.7708222692419735]
  我々は、このタスクに対処するために、畳み込みLSTM(ConvLSTM)アーキテクチャを使用します。 我々は,アフリカにおける植生の変化をSentinel-2衛星NDVIを用いて予測し,ERA5気象分析,SMAP衛星測定,地形解析を行った。 以上の結果から,ConvLSTMモデルがNDVIの季節変動を高分解能で予測できるだけでなく,観測基準値に対する気象異常の影響も明らかとなった。
  論文  参考訳（メタデータ） (2022-10-24T23:03:36Z)
• 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)
• 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)
• Linking Sap Flow Measurements with Earth Observations [0.0]
  我々は、天蓋振動をモデル化するための地球観測の適合性を検証した。 機械学習の枠組みの中で、私たちは天蓋呼吸をモデル化するための地球観測の適合性を検証した。
  論文  参考訳（メタデータ） (2021-08-03T04:40:15Z)

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。