論文の概要: Monitoring Post-Disaster Urban Recovery Using High-Resolution SAR Time Series and Unsupervised Learning: Evidence from the 2023 Türkiye-Syria Earthquake

• arxiv url: http://arxiv.org/abs/2607.24180v1
• Date: Mon, 27 Jul 2026 09:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.370793
• Title: Monitoring Post-Disaster Urban Recovery Using High-Resolution SAR Time Series and Unsupervised Learning: Evidence from the 2023 Türkiye-Syria Earthquake
• Title（参考訳）: 高分解能SAR時系列と教師なし学習を用いた都市復興後のモニタリング -2023年テュルキー・シリア地震の証拠-
• Abstract要約: 本稿では,多時間合成開口レーダ(SAR)観測とディープラーニング異常検出に基づく回復監視のための教師なしフレームワークを提案する。 この枠組みは2023年のトルコ・シリア地震で深刻な被害を受けた4つの都市に適用されている。
• 参考スコア（独自算出の注目度）: 5.007870105030848
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Monitoring post-disaster recovery is essential for understanding how urban systems rebuild and progressively return to functionality. However, tracking reconstruction remains difficult because reliable ground-truth information is often scarce and recovery processes evolve over time. This paper proposes an unsupervised framework for recovery monitoring based on multi-temporal synthetic aperture radar (SAR) observations and deep-learning anomaly detection. COSMO-SkyMed time series are used to identify persistent temporal anomalies associated with reconstruction activities and to generate spatially explicit recovery maps. The framework is applied to four cities severely affected by the 2023 Turkiye-Syria earthquakes, revealing heterogeneous reconstruction dynamics across different urban contexts. The results show spatially structured patterns of persistent anomalies related to reconstruction over damaged and cleared areas, temporary container settlements, and new residential districts. Comparison with nighttime-light recovery indicators derived from SDGSAT-1 data highlights the complementary nature of the two modalities: nighttime lights reflect the restoration of electricity supply and nighttime socioeconomic activity, whereas SAR anomalies capture structural changes in the built environment and may reveal reconstruction at earlier stages. The results demonstrate that multi-temporal SAR data combined with unsupervised learning provide an effective and scalable approach for monitoring post-disaster reconstruction when labeled recovery datasets are unavailable.
• Abstract（参考訳）: 都市システムがいかに再建され、徐々に機能に戻るかを理解するためには、災害後の回復のモニタリングが不可欠である。 しかし, 信頼度が低いことや, 回復過程が経時的に変化するため, 復元の追跡は依然として困難である。 本稿では,多時間合成開口レーダ(SAR)観測とディープラーニング異常検出に基づく回復監視のための教師なしフレームワークを提案する。 COSMO-SkyMed 時系列は、再構成活動に関連する持続的時間的異常を特定し、空間的に明示的な回復マップを生成するために使用される。 この枠組みは、2023年のトゥルカイ・シリア地震で深刻な被害を受けた4つの都市に適用され、異なる都市環境における異種復興のダイナミクスが明らかにされている。 以上の結果から, 被害地域, 仮設の容器集落, 新たな住宅地区の再建に伴う持続的異常パターンの空間的構造が示唆された。 SDGSAT-1データから得られた夜間光回復指標と比較すると、夜間光は電力供給の回復と夜間の社会経済活動の回復を反映し、SAR異常は建設環境の構造変化を捉え、早期に復元する可能性がある。 その結果,複数時間SARデータと教師なし学習を組み合わせることで,ラベル付きリカバリデータセットが利用できない場合に,災害後の再構築を効果的かつスケーラブルに監視できることを示した。

関連論文リスト

• Monitoring Pasture Restoration from Satellite Image Time Series: Caveats and Opportunities [1.7157309327167347]
  自然の復元を大規模に監視することは重要な問題であるが、生態学的には難しい問題である。 衛星画像時系列を解析するための深層学習法は陸面モニタリングに広く用いられている。 本研究では,衛星画像時系列から復元状況を直接検出できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-08-18T12:27:08Z)
• Global-Scale Self-Supervised Spatiotemporal Learning for NDVI Time-Series Reconstruction [9.201150739299447]
  NDVI再構成のためのグローバルな自己監督型時空間フレームワークを提案する。 このフレームワークは、人工的に比較的クリーンな観測によって監視信号を構成する。 提案手法は, 植生の動態を正確に把握し, キーフェノロジー状態の把握を可能にする。
  論文  参考訳（メタデータ） (2026-08-03T14:46:25Z)
• Origins and mitigation of double descent in reduced order modeling [2.2029818765681077]
  再構成リスク曲線は、二重降下と呼ばれる誤りの劇的なピークを含むパターンの多様性を示す。 計算コストのごく一部で詳細なリスク曲線を予測し,不安定性を軽減するための正規化機構を提供する。 本研究では,海面温度パターンの静的再構築と,PDEの縮小順序モデルの時間積分について述べる。
  論文  参考訳（メタデータ） (2026-07-29T02:56:25Z)
• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Long-Term Multi-Session 3D Reconstruction Under Substantial Appearance Change [52.46888249268445]
  長期の環境モニタリングには、数ヶ月または数年ごとに分割された繰り返しサイト訪問で3Dモデルを再構築し調整する機能が必要である。 既存のアプローチは、独立して再構築されたセッションのポストホックアライメントに依存している。 我々は,共同SfM再建において,クロスセッション対応を直接実施することを提案する。
  論文  参考訳（メタデータ） (2026-02-24T06:12:51Z)
• CrisiSense-RAG: Crisis Sensing Multimodal Retrieval-Augmented Generation for Rapid Disaster Impact Assessment [9.56546113027439]
  CrisiSense-RAGは災害影響評価のためのマルチモーダル検索拡張生成フレームワークである。 システムは、テキストソースとCLIPベースの空中画像検索にハイブリッド密度スパース検索を利用する。 207のZIPコードクエリでHurricane Harveyの評価を行った。
  論文  参考訳（メタデータ） (2026-01-30T02:37:38Z)
• Unlocking the Invisible Urban Traffic Dynamics under Extreme Weather: A New Physics-Constrained Hamiltonian Learning Algorithm [1.0312968200748118]
  都市交通システムでは、極端な天候によるレジリエンスの課題が増大している。 現在の評価方法は、隠れた構造的損傷を見逃す表面レベルの回復指標に依存している。 我々のフレームワークは、表面メトリクスを誤解させるのではなく、真のシステムの健全性に基づくインフラ投資を可能にする、積極的な構造リスク評価のためのツールを提供する。
  論文  参考訳（メタデータ） (2025-12-03T12:42:40Z)
• A Deep Learning framework for building damage assessment using VHR SAR and geospatial data: demonstration on the 2023 Turkiye Earthquake [1.6070833439280312]
  災害直後の被害の特定は緊急対応・復旧の指導に不可欠である。 超高分解能(VHR)合成開口レーダ(SAR)画像を用いた建物損傷検出のための新しい多モードディープラーニング(DL)フレームワークを提案する。 SAR画像パッチ、OpenStreetMap(OSM)構築フットプリント、デジタル表面モデル(DSM)データ、グローバル地震モデル(GEM)の構造と露出特性を統合する。 その結果,地理空間的特徴を取り入れることで,これまで見られなかった領域に対する検出性能と一般化性が著しく向上することがわかった。
  論文  参考訳（メタデータ） (2025-06-27T15:49:58Z)
• Multiclass Post-Earthquake Building Assessment Integrating High-Resolution Optical and SAR Satellite Imagery, Ground Motion, and Soil Data with Transformers [0.0]
  本研究では,地震後の高分解能衛星画像と構造物の耐震性能に関連する建築固有のメタデータを組み合わせたフレームワークを提案する。 2023年2月6日トルコ・シリア地震の建物群を対象とした多層地震後の被害同定において, 現状の成果が得られた。
  論文  参考訳（メタデータ） (2024-12-05T23:19:51Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• Continual All-in-One Adverse Weather Removal with Knowledge Replay on a Unified Network Structure [92.8834309803903]
  現実の応用では、悪天候による画像の劣化は常に複雑で、日や季節によって異なる気象条件で変化する。 我々は,ネットワーク構造を統一した上で,効果的な知識再生(KR)を実現するための新しい連続学習フレームワークを開発した。 連続学習における複数の退化を伴う画像復元作業の特徴を考察し、異なる退化に関する知識を共有・蓄積することができる。
  論文  参考訳（メタデータ） (2024-03-12T03:50:57Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。