論文の概要: Feasibility to detect rapid change and disappearance of seagrass: Lessons from nearly 80 years of vegetation change in the Ako, Seto Inland Sea, Japan
- arxiv url: http://arxiv.org/abs/2606.07949v1
- Date: Sat, 06 Jun 2026 02:47:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:05.577184
- Title: Feasibility to detect rapid change and disappearance of seagrass: Lessons from nearly 80 years of vegetation change in the Ako, Seto Inland Sea, Japan
- Title（参考訳）: 海草の急激な変化と消失の可能性:瀬戸内海赤穂における80年近くにわたる植生変化の教訓
- Authors: Takehisa Yamakita, Yoji Igarashi, Akira Eto, Ken Ishida, Masaaki Iiyama,
- Abstract要約: 瀬戸内海の赤穂干潟を解析し,2025年にほぼすべてのゾステラマリーナが1年以内に姿を消した。
1940年代以降の航空写真、高解像度衛星画像、GRUS画像(2.5-5m)、センチネル2コンポジット(10m)を用いて、約80年間の海草分布を再構築した。
- 参考スコア（独自算出の注目度）: 0.8971132850029493
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study analyses the Ako tidal flat in the Seto Inland Sea, Japan, where nearly all Zostera marina disappeared within a single year in 2025. Using aerial photographs from the 1940s onward, high-resolution satellite imagery, GRUS images (2.5-5 m), and monthly Sentinel-2 composites (10 m), we reconstructed approximately 80 years of seagrass distribution. YOLO-based segmentation using deep learning achieved high accuracy (overall accuracy >= 0.9) across these datasets; although species could not be discriminated, the models captured the major temporal dynamics in vegetation area. The long-term mean seagrass area was 6.8 ha, but values fluctuated widely, from 3.5 ha in 1974 to 41.3 ha in 1989 except 0.2 ha in 2025. Sentinel-2 composites from 2019 to 2026 revealed clear seasonality, with vegetation increasing in early summer and declining from autumn. In 2025, however, the area decreased sharply after summer and remained anomalously low throughout the winter of 2025-2026. Our results, indicating that the 2025 event was not a normal fluctuation but a rapid ecosystem shift involving the loss of the dominant canopy-forming species, most plausibly driven by regionally elevated summer water temperatures. The findings also have implications for seagrass Essential Ocean Variables (EOVs) and the State of Nature (SoN) metrics used in TNFD-aligned nature-related disclosures. Unlike forests, seagrass meadows require finer temporal resolution because both pronounced seasonality and abrupt collapse strongly influence area-based indicators. Therefore, in addition to previously noted issues such as species-level classification accuracy, we recommend that (1) baselines be defined over the longest available record and justified ecologically, (2) seasonal standardization be applied before inter-annual comparisons, and (3) years with extreme area anomalies be flagged rather than used as reference points.
- Abstract（参考訳）: 瀬戸内海の赤穂干潟を解析し,2025年にほぼすべてのゾステラマリーナが1年以内に姿を消した。
1940年代以降の航空写真、高解像度衛星画像、GRUS画像(2.5-5m)、センチネル2コンポジット(10m)を用いて、約80年間の海草分布を再構築した。
YOLOをベースとした深層学習のセグメンテーションは,これらのデータセット間で高い精度(全精度=0.9)を達成した。
長期平均海草面積は6.8ヘクタールであったが、1974年の3.5ヘクタールから1989年の41.3ヘクタールまで、2025年の0.2ヘクタールを除いて広く変動した。
2019年から2026年までのセンチネル2複合材料は季節性を明らかにし、初夏には植生が増加し、秋から減少していた。
しかし、2025年の夏以降は激減し、2025-2026年の冬を通じて不定期に低かった。
以上の結果から,2025年は通常の変動ではなく,夏季の温暖化による優越性天蓋形成種の消失に伴う生態系の急激な変化が示唆された。
この結果は、海草本質的な海洋変動(EOVs)や、TNFDの自然関連開示に使用される自然状態(SoNs)の指標にも影響する。
森林とは異なり、海草の牧草地は季節性や急激な崩壊が地域ベースの指標に強く影響するため、時間分解能がより高くなる。
そこで, 種レベルでの分類精度など, 前述した問題に加えて, (1) 基準線を最長記録上で定義し, 生態学的に正当化すること, (2) 季節ごとの標準化を年次比較前に適用すること, (3) 極端領域異常を基準点として使用するのではなく, フラグ付けすることを推奨する。
関連論文リスト
- From Noisy Historical Maps to Time-Series Oil Palm Mapping Without Annotation in Malaysia and Indonesia (2020-2024) [13.463323389954844]
本研究では,2020年から2024年にかけて,インドネシアとマレーシアの10メートルのパームプランテーションマップを作成するための深層学習フレームワークを提案する。
100メートルの歴史的ラベルと10メートルのイメージの分解ミスマッチに対処するために、決定性に基づく相互情報(DMI)に最適化されたU-Netアーキテクチャを用いる。
総括分析の結果,2022年には油脂がピークに達し,2024年には減少傾向が見られた。
論文 参考訳（メタデータ） (2026-04-26T15:59:50Z) - Country-wide, high-resolution monitoring of forest browning with Sentinel-2 [21.30119488990051]
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。
論文 参考訳（メタデータ） (2026-04-02T14:05:22Z) - Graph Transformer-Based Flood Susceptibility Mapping: Application to the French Riviera and Railway Infrastructure Under Climate Change [0.0]
本研究は, 洪水に起因したフレンチ・リヴィエラへの洪水感受性マッピングのためのグラフトランスフォーマー(GT)アーキテクチャの最初の適用について紹介する。
GTはラプラシアン位置エンコーダ(PE)とアテンション機構を用いた流域トポロジーを取り入れている。
Laplacian PEの次元の減少は部分的なクラスターを示し、空間情報を捉えることができた。
論文 参考訳（メタデータ） (2025-03-31T14:04:04Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳（メタデータ） (2024-05-12T09:32:40Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - 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) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - Soil Erosion in the United States. Present and Future (2020-2050) [8.729045594301041]
アメリカ合衆国全体での3つの代替シナリオを用いて,水浸食による土壌浸食率を推定・予測する。
ベースラインモデル(2020年)では、土壌浸食率は2.32 Mg ha 1 yr 1と推定されている。
2050年の土壌浸食予測では、気候とLULCのシナリオはすべて、極端な事象の増加または極端の空間的位置の変化を示していることが示唆されている。
論文 参考訳（メタデータ） (2022-07-14T00:46:37Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z)
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。