論文の概要: CryoNet: A Deep Learning Framework for Multi-Modal Debris-Covered Glacier Mapping. A Case Study of the Poiqu Basin, Central Himalaya

• arxiv url: http://arxiv.org/abs/2605.21527v1
• Date: Tue, 19 May 2026 15:31:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.927861
• Title: CryoNet: A Deep Learning Framework for Multi-Modal Debris-Covered Glacier Mapping. A Case Study of the Poiqu Basin, Central Himalaya
• Title（参考訳）: CryoNet マルチモーダルデブリ被覆氷河マッピングのための深層学習フレームワーク : ヒマラヤ中央部ポイク盆地を事例として
• Authors: Farzaneh Barzegar, Tobias Bolch, Norbert Kuehtreiber, Silvia L. Ullo,
• Abstract要約: 氷河は淡水保護区や気候変動の指標として重要な役割を担っているが、特に破片に覆われた氷河では、その自動的な乾燥は依然として困難である。 CryoNetは、Sentinel-2光画像、DEM由来の地形変数、スペクトル指標、主成分分析(PCA)、InSARコヒーレンスとフェーズ、タッセルキャップの特徴、GLCMテクスチャを組み合わせた、リッチなマルチモーダルデータセットを活用するディープラーニングフレームワークである。 CryoNetは、ネストしたスキップ接続と空間チャネルSqueeze-and-Excitation(scSE)アテンションを備えたエンコーダデコーダCNNで、ResNet上に構築されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Glaciers play a critical role as freshwater reserves and indicators of climate change, yet their automatic delineation, especially for debris-covered glaciers, remains challenging due to spectral similarity with surrounding terrain. This study introduces CryoNet, a deep learning framework that leverages a rich multi-modal dataset combining Sentinel-2 optical imagery, DEM-derived topographic variables, spectral indices, Principal Component Analysis (PCA), InSAR coherence and phase, tasseled-cap features, and GLCM texture to discriminate clean-ice glaciers, debris-covered glaciers, and glacial lakes. CryoNet is an encoder-decoder CNN with nested skip connections and spatial-channel Squeeze-and-Excitation (scSE) attention, built upon a ResNet101 encoder to capture hierarchical contextual and spatial features. The study is conducted in the Poiqu Basin in the central Himalaya, and transferability is evaluated by applying the trained model to the Mont Blanc Massif in the Alps. We additionally analyse the importance of each data layer in improving glacier mapping performance. The proposed model achieves an overall IoU of 90.52%, mean Recall of 98.08%, and mean Precision of 92.26%. For debris-covered glaciers specifically, CryoNet obtains an IoU of 90.46%, a recall of 95.79%, and a precision of 94.21%. Across both per-class and overall metrics, CryoNet surpasses DeepLabV3+, SegFormer, and U-Net, taken as state-of-the-art (SOTA) references, demonstrating its effectiveness for robust glacier mapping in complex high-mountain environments.
• Abstract（参考訳）: 氷河は淡水保護区や気候変動の指標として重要な役割を担っているが、特に破片に覆われた氷河では、周囲の地形とスペクトルが類似していることから、その自動的な乾燥は依然として困難である。 本研究では, センチネル2光画像, DEM由来の地形変数, スペクトル指標, 主成分分析(PCA), InSARコヒーレンスと位相, タッセルキャップの特徴, GLCMテクスチャを組み合わせて, クリーンアイス氷河, 破砕氷河, 氷河湖を識別する, リッチなマルチモーダルデータセットを利用するディープラーニングフレームワークCryoNetを紹介する。 CryoNetは、ネストしたスキップ接続と空間チャネルSqueeze-and-Excitation (scSE)アテンションを備えたエンコーダ・デコーダCNNであり、階層的コンテキストおよび空間的特徴をキャプチャするためにResNet101エンコーダ上に構築されている。 この研究はヒマラヤ中央部のポイク盆地で行われ、アルプスのモンブラン・マシフに訓練されたモデルを適用して伝達性を評価する。 また,氷河マッピングの性能向上における各データ層の重要性を解析した。 提案したモデルでは、全体的なIoUは90.52%、平均リコールは98.08%、精度は92.26%である。 特に破片に覆われた氷河の場合、CryoNetは90.46%のIoU、95.79%のリコール、94.21%の精度を得られる。 クラスごとのメトリクスと全体的なメトリクスの両方で、CryoNetはDeepLabV3+、SegFormer、U-Netを越え、最先端(SOTA)リファレンスとして捉え、複雑な高山環境での堅牢な氷河マッピングの有効性を実証している。

関連論文リスト

• Divide-and-Conquer Approach to Holistic Cognition in High-Similarity Contexts with Limited Data [73.20753799870282]
  我々はDHCNet(Divide-and-Conquer Holistic Cognition Network)を提案する。 DHCNetは、空間的に関連する微妙な相違点に包括的キューを分解することで、分割・対数戦略を実装している。 DHCNetは、広く使われている5つのUltra-FGVCデータセットで顕著なパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-04-21T11:17:09Z)
• A Rapid GeoSAM-Based Workflow for Multi-Temporal Glacier Delineation: Case Study from Svalbard [51.56484100374058]
  我々は,Sentinel-2画像からの氷河の高速デライン化のためのGeoSAMに基づく半自動ワークフローを提案する。 その結果, 本手法は, 主要な氷河体に対して, 空間的に一貫性があり, 時間的に一貫した輪郭を生じさせることが示唆された。 導出RGB画像への依存により、他の光学データセットに柔軟で転送可能である。
  論文  参考訳（メタデータ） (2025-12-28T09:42:01Z)
• Geodiffussr: Generative Terrain Texturing with Elevation Fidelity [48.82552523546255]
  テキスト誘導テクスチャマップを合成するフローマッチングパイプラインであるGeodiffussrを紹介する。 マルチスケールコンテンツアグリゲーション(MCA): DEM機能は、複数の解像度でUNetブロックに注入され、グローバルからローカライズされた高度の一貫性が強制される。 Geodiffussrを訓練し,評価するために,SRTM由来のDEMとSentinel-2画像と視覚接地型自然出現キャプションを組み合わせた三重項のグローバル分布,バイオメ-および気候成層コーパスを組み立てた。
  論文  参考訳（メタデータ） (2025-11-28T09:52:44Z)
• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• Globally Scalable Glacier Mapping by Deep Learning Matches Expert Delineation Accuracy [0.718723384367814]
  Glacier-VisionTransformer-U-Net (GlaViTU) は畳み込み変換型ディープラーニングモデルである。 合成開口レーダデータ、すなわち後方散乱と干渉コヒーレンスを追加することで、利用可能なすべての領域の精度が向上する。 世界中の氷河の9%をカバーするベンチマークデータセットをリリースしました。
  論文  参考訳（メタデータ） (2024-01-25T20:41:17Z)
• GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine Glacier Mapping [5.953569982292301]
  氷河の幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制と感受性を理解するのに不可欠である。 デブリ被覆氷河(DCG)の正確なマッピングは、スペクトル情報と従来の機械学習技術によって難しいことが知られている。 本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
  論文  参考訳（メタデータ） (2022-04-06T14:39:34Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
  氷河マッピングは、hkh領域における生態モニタリングの鍵となる。 気候変動は、氷河生態系の健康に依存している個人にリスクを与える。 本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-09T12:48:06Z)

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。