論文の概要: Unbox Responsible GeoAI: Navigating Climate Extreme and Disaster Mapping
- arxiv url: http://arxiv.org/abs/2605.00315v1
- Date: Fri, 01 May 2026 00:49:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:28.800737
- Title: Unbox Responsible GeoAI: Navigating Climate Extreme and Disaster Mapping
- Title（参考訳）: ボックスレスレスポンシブルジオAI:気候極端の航行と災害対応
- Authors: Hao Li, Steffen Knoblauch,
- Abstract要約: 地球空間人工知能(GeoAI)は,大規模災害マッピングとリスク低減のための変革的アプローチとして登場した。
責任あるGeoAIの概念を解き放つために、気候極端と災害マッピングにおけるその新たな役割について考察する。
- 参考スコア（独自算出の注目度）: 5.238802422720473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As climate extreme and disaster events become more frequent and intense, Geospatial Artificial Intelligence (GeoAI) has emerged as a transformative approach for large-scale disaster mapping and risk reduction. However, the purely mechanical, performance-driven deployment of GeoAI models can result in amplifying inherent spatial inequalities, preventing effective emergency decision-making, and producing severe environmental carbon footprint. To unbox the concept of responsible GeoAI, this position paper examines its emerging role, e.g., in climate extreme and disaster mapping, from a critical GIS perspective. We address the nexus of responsible GeoAI into four interrelated theoretical dimensions, specifically Representativeness, Explainability, Sustainability, and Ethics, with examples from climate extreme and disaster mapping. Moreover, targeting at the operational practice, we then propose a conceptual governance Model of responsible GeoAI that categorizes its governance practices into Data, Application, and Society scopes. Last, this position paper aims to raise the attention in the broader GIS community that the future of climate resilience relies not just on building better algorithms, but on fostering a governance ecosystem where GeoAI is deployed responsibly, ethically, and sustainably.
- Abstract（参考訳）: 地空間人工知能(GeoAI)は, 気候の極端と災害イベントの頻度と激化に伴い, 大規模災害マッピングとリスク低減のための変革的アプローチとして出現している。
しかし、純粋に機械的、性能駆動的なGeoAIモデルの展開は、固有の空間的不平等を増幅し、効果的な緊急意思決定を阻止し、厳しい環境炭素フットプリントを生み出す。
責任あるGeoAIの概念を解き放つために,気候極端および災害対応におけるその新たな役割,例えば,GISの立場から検討する。
我々は,責任あるGeoAIのネクサスを,特に代表性,説明可能性,持続可能性,倫理の4つの相互関係理論次元に対処する。
さらに、運用上の実践を目標として、ガバナンスのプラクティスをデータ、アプリケーション、および社会のスコープに分類する責任あるGeoAIの概念的なガバナンスモデルを提案する。
最後に、このポジションペーパーは、気候変動のレジリエンスの将来は、より良いアルゴリズムの構築だけでなく、GeoAIが責任、倫理的、持続的に展開されるガバナンスエコシステムの育成にも依存している、というGISコミュニティの関心を高めることを目的としている。
関連論文リスト
- GCA Framework: A GCC Countries-Grounded Dataset and Agentic Pipeline for Climate Decision Support [67.9633930125889]
本稿では,(i) GCA-DS,(ii) GCC州に根ざしたキュレートされたマルチモーダルデータセット,および(ii) 気候分析用ツール強化剤であるガルフ気候エージェント(GCA)を統合したGCAフレームワークを提案する。
GCA-DSは、政府の政策と適応計画、NGOと国際フレームワーク、学術、文学、および熱波、塵嵐、洪水に関するイベント駆動レポートにまたがる200万の質問対からなる。
GCAエージェントは、リアルタイムおよび歴史的信号と地理空間処理を基盤としたモジュラーツールパイプラインを編成し、派生したインデックスと解釈可能な視覚化を生成する。
論文 参考訳（メタデータ） (2026-04-14T05:31:40Z) - Smart Transfer: Leveraging Vision Foundation Model for Rapid Building Damage Mapping with Post-Earthquake VHR Imagery [26.925877970467663]
伝統的災害被害調査は、異なる都市形態と新しい災害事象にまたがる一般化に失敗する。
本稿では,地震後の超高分解能(VHR)画像を用いた建物損傷の迅速マッピングのための新しいGeoAIフレームワークであるSmart Transferを紹介する。
2023年のトゥルカイ・シリア地震の実験と改善は、複数のクロスリージョン転送環境で有望な性能を示した。
論文 参考訳（メタデータ） (2026-04-03T01:35:52Z) - CC-GRMAS: A Multi-Agent Graph Neural System for Spatiotemporal Landslide Risk Assessment in High Mountain Asia [0.0]
地すべり(英: Landslides)は、特に高山アジアにおいて、厳しい環境と人為的な影響を伴う、気候変動によって引き起こされる危険性の増大である。
この研究は、一連の衛星観測と環境信号を利用して地すべり予測の精度を高めるフレームワークであるCC-GRMASを導入している。
論文 参考訳（メタデータ） (2025-10-23T10:30:48Z) - GeoEvolve: Automating Geospatial Model Discovery via Multi-Agent Large Language Models [49.257706111340134]
進化的探索と地理空間的ドメイン知識を結合した多エージェントLLMフレームワークであるGeoEvolveを紹介する。
本研究では,空間的不確実性と空間的不確実性という2つの基本的・古典的課題について評価する。
空間誤差(RMSE)を13-21%削減し、不確実性推定性能を17%向上させる。
論文 参考訳（メタデータ） (2025-09-25T21:03:57Z) - PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。
その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。
このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
論文 参考訳（メタデータ） (2025-01-10T18:59:42Z) - A comprehensive GeoAI review: Progress, Challenges and Outlooks [0.0]
Geospatial Artificial Intelligence (GeoAI)は、最も関連性の高い研究と産業応用で注目を集めている。
本稿では,地理空間データに人工知能(AI)手法とモデルを適用した相乗的概念としてGeoAIを包括的にレビューする。
論文 参考訳（メタデータ） (2024-12-16T10:41:02Z) - Mapping Land Naturalness from Sentinel-2 using Deep Contextual and Geographical Priors [1.4528189330418977]
我々は,現代の人的圧力の連続体に自然の陸地をマッピングするマルチモーダル教師付き深層学習フレームワークを開発した。
我々のフレームワークは、センチネル2データから陸地自然度をマッピングする際のモデルの予測性能を改善する。
論文 参考訳（メタデータ） (2024-06-27T16:17:33Z) - GeoAI in Social Science [0.9527350779226282]
GeoAI(Geospatial AI、地理空間的人工知能)は、人工知能(AI)、地理空間的ビッグデータ、そして膨大なコンピューティングパワーを活用して、高度な自動化と知能の問題を解決するエキサイティングな新しい分野である。
本稿では、社会科学研究におけるAIの進歩を概観し、GeoAIを用いて重要なデータと知識ギャップを埋める重要な進歩について述べる。
論文 参考訳（メタデータ） (2023-12-19T20:23:18Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳（メタデータ） (2021-04-10T13:40:22Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳（メタデータ） (2020-10-16T02:15:34Z)
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。