論文の概要: Integrating national forest inventory, airborne lidar, and satellite imagery for wall-to-wall mapping of forest structure with computer vision

• arxiv url: http://arxiv.org/abs/2606.20291v1
• Date: Thu, 18 Jun 2026 14:31:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.915772
• Title: Integrating national forest inventory, airborne lidar, and satellite imagery for wall-to-wall mapping of forest structure with computer vision
• Title（参考訳）: コンピュータビジョンによる森林構造図作成のための国有林目録・空中ライダー・衛星画像の統合
• Authors: Luke J. Zachmann, David D. Diaz, Vincent A. Landau, Chelsey Walden-Schreiner, Tony Chang, Nathan E. Rutenbeck, Katharyn A. Duffy, Kiarie Ndegwa, Andreas Gros, Scott Conway, Guy Bayes,
• Abstract要約: 本稿では,森林属性をマップ化するためのフレームワークであるVibrantForestsを紹介した。 我々は, 天蓋, 天蓋の高さ, 地上生樹のバイオマス, 基底面積, 二次平均直径を10mの解像度で推定した。 本研究では,スパルス・キャノピー・ロー・バイオマスから密度・キャノピー・ハイ・バイオマスまで,森林条件の全スペクトルにまたがる予測能力を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote sensing is increasingly relied upon to deliver actionable science for forest and wildfire risk management across large landscapes. Wall-to-wall, annually updated maps are a persistent need for effective forest management. Many planning systems and data collections combine disparate data sources with different purposes, vintages, and prediction quality, which leads to confounding behavior in operational planning systems. We introduce the VibrantForests framework, developed and applied to map forest attributes and provide a coherent foundation for effective forest and wildfire planning. VibrantForests includes a satellite-based forest structure model trained on lidar-derived samples and applied across the contiguous United States to concurrently generate estimates of canopy cover, canopy height, aboveground live tree biomass, basal area, and quadratic mean diameter at 10-meter resolution. We demonstrate predictive capability spanning the full spectrum of forest conditions ranging from sparse-canopy/low-biomass to dense-canopy/high-biomass. Results show that our model extends the range at which saturation is commonly encountered in comparable passive-sensor models, and reduces regression-to-mean behavior that commonly produces overestimation of forest attributes in small/sparse conditions and underestimation in large/dense conditions. The VibrantForests framework addresses a key limitation in large-area forest and wildfire planning by delivering coherent wall-to-wall estimates of management-relevant attributes at annual cadence and 10m resolution.
• Abstract（参考訳）: リモートセンシングは、森林や山火事のリスク管理のための実用的な科学を提供することにますます頼っている。 ウォールツーウォール、毎年更新される地図は、効果的な森林管理にとって永続的な必要性である。 多くの計画システムとデータ収集は、異なる目的、ヴィンテージ、予測品質の異なるデータソースを結合し、運用計画システムにおいて相反する振る舞いを引き起こす。 本稿では,森林属性を地図化するためのVibrantForestsフレームワークを導入し,効果的な森林・山火事計画のためのコヒーレント基盤を提供する。 VibrantForestsは、ライダー由来のサンプルに基づいて訓練された衛星ベースの森林構造モデルを含み、米国全土で適用され、天蓋、天蓋の高さ、地上のライブツリーのバイオマス、基底領域、および2次平均直径を10mの解像度で同時生成する。 本研究では,スパルス・キャノピー・ロー・バイオマスから密度・キャノピー・ハイ・バイオマスまで,森林条件の全スペクトルにまたがる予測能力を示す。 以上の結果から,飽和度が比較対象の受動センサモデルで一般的に発生する範囲を拡大し,森林特性の過大評価と大規模・密度条件での過小評価を一般的に生ずる回帰-平均挙動を減少させることが示された。 VibrantForestsフレームワークは、年次ケイデンスと10mの解像度で管理関連属性のコヒーレントな壁面間推定を提供することにより、大面積の森林と山火事計画における重要な制限に対処する。

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)
• Bringing SAM to new heights: Leveraging elevation data for tree crown segmentation from drone imagery [68.69685477556682]
  現在のモニタリング手法には、大規模なコスト、時間、労力を必要とする地上計測が含まれる。 ドローンのリモートセンシングとコンピュータビジョンは、広範囲の航空画像から個々の木をマッピングする大きな可能性を秘めている。 高解像度ドローン画像におけるツリークラウンインスタンスの自動セグメンテーションのためのセグメンテーションモデル(SAM)を用いた手法の比較を行った。 また,デジタルサーフェスモデル(DSM)情報を用いたモデルへの標高データの統合についても検討した。
  論文  参考訳（メタデータ） (2025-06-05T12:43:11Z)
• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
  混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。 凸ハルモデルを用いた改良DBH推定法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T20:32:15Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
  本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。 地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。 また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
  論文  参考訳（メタデータ） (2023-04-14T15:52:57Z)
• Mapping historical forest biomass for stock-change assessments at parcel to landscape scales [0.0]
  地図製品は、人為的にも自然的にも、どこで、いつ、そしてどのように森林の炭素在庫が変化しているかを特定するのに役立ちます。 これらの製品は、ストックチェンジアセスメント、レポートの監視、検証フレームワークなど、幅広いアプリケーションへのインプットとして機能する。
  論文  参考訳（メタデータ） (2023-04-05T17:55:00Z)
• A Novel Semisupervised Contrastive Regression Framework for Forest Inventory Mapping with Multisensor Satellite Data [5.652290685410878]
  本研究では,連続する森林変数の壁面間マッピングのための新しい半教師付き回帰フレームワークを開発する。 このフレームワークは、Copernicus Sentinel-1とSentinel-2の画像を用いて、ボレアル林のサイトで実証されている。 達成された予測精度は、バニラUNetや従来の回帰モデルよりも優れている。
  論文  参考訳（メタデータ） (2022-12-01T03:26:02Z)
• 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)

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。