論文の概要: Earth Embeddings Reveal Diverse Urban Signals from Space

• arxiv url: http://arxiv.org/abs/2604.03456v1
• Date: Fri, 03 Apr 2026 20:58:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.589957
• Title: Earth Embeddings Reveal Diverse Urban Signals from Space
• Title（参考訳）: 宇宙からのさまざまな都市信号が地球に埋め込まれる
• Authors: Wenjing Gong, Udbhav Srivastava, Yuchen Wang, Yuhao Jia, Qifan Wu, Weishan Bai, Yifan Yang, Xiao Huang, Xinyue Ye,
• Abstract要約: 都市信号予測のために、AlphaEarth、Prithvi、Clayの3つの地球埋め込みファミリーをベンチマークした。 統一的な教師付き学習フレームワークを用いて、犯罪、収入、健康、旅行行動にまたがる14の地区レベルの指標を予測する。 以上の結果から, 地層埋没が都市構造に結びつく結果の予測技術として, かなりの都市変動を捉えていることが示唆された。
• 参考スコア（独自算出の注目度）: 17.134313498337804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional urban indicators derived from censuses, surveys, and administrative records are often costly, spatially inconsistent, and slow to update. Recent geospatial foundation models enable Earth embeddings, compact satellite image representations transferable across downstream tasks, but their utility for neighborhood-scale urban monitoring remains unclear. Here, we benchmark three Earth embedding families, AlphaEarth, Prithvi, and Clay, for urban signal prediction across six U.S. metropolitan areas from 2020 to 2023. Using a unified supervised-learning framework, we predict 14 neighborhood-level indicators spanning crime, income, health, and travel behavior, and evaluate performance under four settings: global, city-wise, year-wise, and city-year. Results show that Earth embeddings capture substantial urban variation, with the highest predictive skill for outcomes more directly tied to built-environment structure, including chronic health burdens and dominant commuting modes. By contrast, indicators shaped more strongly by fine-scale behavior and local policy, such as cycling, remain difficult to infer. Predictive performance varies markedly across cities but remains comparatively stable across years, indicating strong spatial heterogeneity alongside temporal robustness. Exploratory analysis suggests that cross-city variation in predictive performance is associated with urban form in task-specific ways. Controlled dimensionality experiments show that representation efficiency is critical: compact 64-dimensional AlphaEarth embeddings remain more informative than 64-dimensional reductions of Prithvi and Clay. This study establishes a benchmark for evaluating Earth embeddings in urban remote sensing and demonstrates their potential as scalable, low-cost features for SDG-aligned neighborhood-scale urban monitoring.
• Abstract（参考訳）: 国勢調査、測量、行政記録から得られた従来の都市指標は、しばしば費用がかかり、空間的に一貫性がなく、更新が遅い。 近年の地空間基盤モデルにより、下流のタスク間で転送可能な小型衛星画像表現である地球埋め込みが実現されているが、近隣の都市モニタリングにおけるその有用性は未定である。 ここでは、2020年から2023年までの6大都市圏の都市信号予測のために、AlphaEarth、Prithvi、Clayの3つの地球埋め込みファミリーをベンチマークする。 本研究では,犯罪・所得・健康・旅行行動にまたがる14の地域レベル指標を総合的に予測し,国際的・都市的・年次的・都市的・都市的に評価する。 以上の結果から, 都市内埋没地は, 慢性的な健康負担や通勤モードなど, 建設環境構造と直接結びついている結果の予測能力が最も高いことが示唆された。 対照的に、精密な行動によってより強く形づくられた指標や、サイクリングのような局所的な政策は、推論が難しいままである。 予測性能は都市によって大きく異なるが、数年にわたって比較的安定しており、時間的堅牢性とともに強い空間的不均一性を示している。 調査分析により,予測性能の都市間変動は,タスク固有の方法で都市形態と関連していることが示された。 コンパクトな64次元のAlphaEarth埋め込みは、プリスヴィとクレイの64次元の還元よりもより情報的なままである。 本研究は, 都市リモートセンシングにおける地球埋め込み評価のベンチマークを確立し, SDGによる広域都市モニタリングのための, スケーラブルで低コストな機能としての可能性を示す。

関連論文リスト

• Building Age Estimation: A New Multi-Modal Benchmark Dataset and Community Challenge [35.23751185910119]
  建物の建設年を推定することは持続可能性を高めるために重要であり、古い建物はエネルギー効率のよい特徴を欠いていることが多い。 MapYourCityは、Copernicus Sentinel-2衛星の超高解像度(VHR)画像、多スペクトル地球観測(EO)データからなる、新しいマルチモーダルベンチマークデータセットである。 EOの一般化とマルチモーダルラーニングの研究を進めるため、ESA$Phi$-labが主催するコミュニティ主導のデータチャレンジを2024年に実施しました。
  論文  参考訳（メタデータ） (2025-02-19T15:31:13Z)
• Space-aware Socioeconomic Indicator Inference with Heterogeneous Graphs [46.52719756897067]
  非連続推論のための地理空間を表現するために不均一なグラフ構造を用いる空間認識型社会経済指標推論法GeoHGを提案する。
  論文  参考訳（メタデータ） (2024-05-23T03:19:02Z)
• CityPulse: Fine-Grained Assessment of Urban Change with Street View Time Series [12.621355888239359]
  都市変革は、個人と地域社会の両方に大きな社会的影響を及ぼす。 本研究では,大規模に構築された環境における物理的変化を効果的に捉えるために,エンドツーエンドの変更検出モデルを提案する。 我々のアプローチは既存のデータセットを補完し、都市の変化をきめ細やかに正確に評価する可能性がある。
  論文  参考訳（メタデータ） (2024-01-02T08:57:09Z)
• 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)
• Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT) [0.0]
  都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。 ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
  論文  参考訳（メタデータ） (2022-02-18T04:59:20Z)
• 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。