論文の概要: From Forest to Future Capital: Tracking Land Cover Change in Ibu Kota Nusantara (IKN) from 2021 to 2026 with PlanetScope Imagery

• arxiv url: http://arxiv.org/abs/2608.01230v2
• Date: Tue, 04 Aug 2026 03:10:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 13:15:27.422769
• Title: From Forest to Future Capital: Tracking Land Cover Change in Ibu Kota Nusantara (IKN) from 2021 to 2026 with PlanetScope Imagery
• Title（参考訳）: 森林から将来の首都へ:2021年から2026年までのイブ・コタ・ヌサンタラ(IKN)の土地被覆変化のPlanetScope画像による追跡
• Abstract要約: インドネシアのイブ・コタ・ヌサンタラへの移転は、土地の転換、植生の喪失、炭素在庫の減少に対する懸念を高める。 本研究では、PlanetScope SuperDove衛星画像を用いて、2021年から2026年までのKIPPの土地利用と植生被覆の変化を評価するためにリモートセンシング技術を適用した。 その結果、NDVIの平均は17.1%減少し、総炭素量は0.28%減少し、土地は672%拡大し、総植生は18.1%減少した。
• 参考スコア（独自算出の注目度）: 4.1690310588947765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Indonesia's relocation of its political and administrative capital from Jakarta to Ibu Kota Nusantara (IKN) has been framed around a Forest City vision, yet rapid construction within the Core Government Area (KIPP) raises concerns over land conversion, vegetation loss, and carbon stock decline. This study applies remote sensing techniques to systematically assess land use and vegetation cover change in KIPP from 2021 to 2026 using PlanetScope SuperDove satellite imagery. Cloud-free mosaics were prepared and analysed through spectral indices, including the Normalised Difference Vegetation Index (NDVI), Normalised Difference Red Edge (NDRE), and Normalised Difference Water Index (NDWI), alongside supervised land use and land cover (LULC) classification using a Support Vector Machine algorithm. Results show substantial environmental transformation, with mean NDVI declined by 17.1%, total carbon stock decreased by 0.28%, developed land expanded by 672%, and total vegetation declined by 18.1%. Vegetation loss was most extensive between 2023 and 2024, although a temporary recovery in NDVI and carbon stock occurred from 2024 to 2025 as active clearing slowed and development shifted towards already-cleared land. Overall, the findings demonstrate that remote sensing provides an effective approach for monitoring the environmental impacts of large-scale urban development, while highlighting the need for higher-resolution, hyperspectral, and SAR-based methods to improve detection of construction stages and plantation-related land cover changes.
• Abstract（参考訳）: インドネシアのジャカルタからイブ・コタ・ヌサンタラ(IKN)への政治的・行政的な首都の移転は、フォレストシティのビジョンに焦点が当てられているが、コア・ガバメント・エリア(KIPP)内での急速な建設は、土地転換、植生の損失、炭素ストックの減少に対する懸念を高めている。 本研究では、PlanetScope SuperDove衛星画像を用いて、2021年から2026年までのKIPPにおける土地利用と植生被覆の変化を系統的に評価するために、リモートセンシング技術を適用した。 雲のないモザイクは、標準差分植生指数(NDVI)、正規差分レッドエッジ(NDRE)、正規差分水指数(NDWI)などのスペクトル指標を用いて作成、分析され、補助ベクトルマシンアルゴリズムを用いた土地利用と土地被覆(LULC)分類が実施された。 その結果、NDVIの平均は17.1%減少し、総炭素量は0.28%減少し、土地は672%拡大し、総植生は18.1%減少した。 植生の損失は2023年から2024年にかけて最も大きかったが、NDVIと炭素在庫の一時的な回復は2024年から2025年にかけて起こった。 その結果,遠隔センシングは大規模都市開発における環境影響のモニタリングに有効な手法であり,高分解能,高スペクトル,SARに基づく建設段階の検出と植林に伴う土地被覆の変化を改善できる手法の必要性を強調した。

関連論文リスト

• Remote Sensing and Machine Learning-Based Analysis of Land Use and Vegetation Change in Dhaka District, Bangladesh [0.24790748620223146]
  バングラデシュのダッカ地区の急速な都市化は、土地利用環境の大幅な変化を引き起こしている。 本研究では、リモートセンシングデータと機械学習技術を用いて、2019年から2024年にかけての土地被覆と植生の変化の動態を解析する。
  論文  参考訳（メタデータ） (2026-08-12T12:36:38Z)
• Feasibility to detect rapid change and disappearance of seagrass: Lessons from nearly 80 years of vegetation change in the Ako, Seto Inland Sea, Japan [0.8971132850029493]
  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。
  論文  参考訳（メタデータ） (2026-06-06T02:47:31Z)
• 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)
• A Dynamic Learning Observatory Reveals the Rapid Salinization of Satkhira, Bangladesh [1.5469452301122175]
  本研究は,佐渡平地区における土壌塩分濃度の予測とマップ化のための機械学習に基づくフレームワークを開発した。 2024-2025年に収集された合計205個の土壌サンプルを用いて、極勾配ブーピングモデルを訓練した。 植生指標,特にNDVIは塩分濃度関連スペクトル指標とともに重要な予測因子として同定された。
  論文  参考訳（メタデータ） (2026-04-25T03:49:04Z)
• 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)
• The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.10353372557444]
  シェードツリーのカバーを30%まで増やすことで、さらに3700万トンのCO2を回収することができる。 これは、ガーナとコート・ディヴォワールにおける現代のココア関連の排出量の167%を相殺する可能性がある。
  論文  参考訳（メタデータ） (2024-10-28T10:02:32Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• 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)
• 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)
• 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)
• 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)
• High carbon stock mapping at large scale with optical satellite imagery and spaceborne LIDAR [27.25600860698314]
  森林破壊は高い炭素排出量を引き起こし、生物多様性を脅かすが、しばしば農業の拡大と結びついている。 本研究では,保全的かつ持続可能な土地利用計画決定を支援するための自動アプローチを提案する。 粗いGEDI LIDAR参照データから学習することにより,10mのSentinel-2ピクセルごとのキャノピー高さを推定する深層学習手法を開発した。 これらの壁面と壁面の上部の地図は,HCS林と荒廃した地域を86%の精度で分類し,インドネシア,マレーシア,フィリピンで最初の高炭素ストックマップを作成した。
  論文  参考訳（メタデータ） (2021-07-15T16:21:21Z)
• Transportation Density Reduction Caused by City Lockdowns Across the World during the COVID-19 Epidemic: From the View of High-resolution Remote Sensing Imagery [48.52477000522933]
  新型コロナウイルス(COVID-19)の流行は、2020年前半に悪化し始めた。 厳しい封鎖政策が世界中の多くの都市で実行され、人間の感染を制御し、拡散を緩和した。 中心市街地6都市におけるロックダウン前後の交通密度の低減について定量的に検討した。
  論文  参考訳（メタデータ） (2021-03-02T13:45:16Z)

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。