Fugu-MT 論文翻訳(概要): Remote Sensing and Machine Learning-Based Analysis of Land Use and Vegetation Change in Dhaka District, Bangladesh

論文の概要: Remote Sensing and Machine Learning-Based Analysis of Land Use and Vegetation Change in Dhaka District, Bangladesh

arxiv url: http://arxiv.org/abs/2608.12001v1
Date: Wed, 12 Aug 2026 12:36:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-13 19:07:54.572026
Title: Remote Sensing and Machine Learning-Based Analysis of Land Use and Vegetation Change in Dhaka District, Bangladesh
Title（参考訳）: バングラデシュ・ダッカ地区におけるリモートセンシングと機械学習による土地利用と植生変化の分析
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.24790748620223146
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Rapid urbanization in Dhaka District, Bangladesh has triggered substantial alterations in land use and environmental conditions, necessitating systematic monitoring for informed urban planning and ecological sustainability. This study employs remote sensing data and machine learning techniques to analyze spatiotemporal changes in land cover and vegetation dynamics between 2019 and 2024. High-resolution satellite imagery from Sentinel-2 MSI and Landsat 8 was utilized to classify land cover types and compute spectral indices including the Normalized Difference Vegetation Index (NDVI), Normalized Difference Built-up Index (NDBI), and Normalized Difference Water Index (NDWI). A supervised machine learning approach incorporating Decision Tree, K-Nearest Neighbors (KNN), and Random Forest classifiers was applied using labeled geospatial training points within Google Earth Engine. Accuracy assessments were conducted using confusion matrices and kappa statistics. Results indicate a 59.5% increase in urban built-up areas and a significant decline in vegetation (-8.46%) and water bodies (-7.77%) over the five-year period. Land conversion from vegetated and aquatic areas to urban infrastructure was identified as a dominant trend. Among the models, Random Forest demonstrated the highest classification accuracy. These findings underscore the growing environmental pressures driven by unregulated urban expansion in Dhaka. The study highlights the potential of remote sensing and machine learning tools in providing timely, actionable data to support sustainable urban development, land-use regulation, and ecosystem conservation policies.
Abstract（参考訳）: バングラデシュのダッカ地区の急速な都市化は、土地利用と環境条件の大幅な変更を引き起こし、情報的都市計画と環境持続性のための体系的なモニタリングを必要としている。本研究では,2019年から2024年にかけての土地被覆と植生動態の時空間変化をリモートセンシングデータと機械学習技術を用いて解析した。 Sentinel-2 MSIとLandsat 8の高解像度衛星画像を用いて、土地被覆タイプと、正規化差分植生指数(NDVI)、正規化差分植物指数(NDBI)、正規化差分水指数(NDWI)などのスペクトル指標を分類した。決定木,K-Nearest Neighbors (KNN) およびランダムフォレスト分類器を併用した教師付き機械学習手法をGoogle Earth Engine内のラベル付き地理空間訓練点を用いて適用した。混乱行列とカッパ統計を用いて精度評価を行った。その結果、5年間で59.5%の増加と植生(8.46%)と水域(7.77%)が著しい減少を示している。植生・水生地域から都市インフラへの転換が支配的な傾向として認識された。モデルの中では、ランダムフォレストが最も高い分類精度を示した。これらの結果は、ダッカの非規制都市拡大による環境圧力の増大を浮き彫りにしている。この研究は、持続可能な都市開発、土地利用規制、生態系保全ポリシーをサポートするために、タイムリーで行動可能なデータを提供するリモートセンシングと機械学習ツールの可能性を強調している。

関連論文リスト

From Forest to Future Capital: Tracking Land Cover Change in Ibu Kota Nusantara (IKN) from 2021 to 2026 with PlanetScope Imagery [4.1690310588947765]
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。
論文参考訳（メタデータ） (2026-08-02T13:28:06Z)
Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
論文参考訳（メタデータ） (2026-07-08T18:14:24Z)
GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds [41.99844472131922]
GreenSegは、RGB-Dセンシングを使用した自律ナビゲーションのための堅牢な認識フレームワークである。結果は、GreenSegがベンチマークセグメンテーションメソッドを一貫して上回っていることを示している。
論文参考訳（メタデータ） (2026-05-24T22:19:38Z)
Lake Detection and Water Quality Estimation in Sentinel-2 Data [42.17343824099138]
水域の識別とモニタリングのための3つの異なる機械学習アーキテクチャを調査・比較する。それらのパフォーマンスは、定量的メトリクスと実世界の例を通して評価される。有意義な水質評価のための大きな課題は、スペクトル水指数の一貫性と解釈可能な可視化にある。
論文参考訳（メタデータ） (2026-05-23T10:56:51Z)
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)
Earth Embeddings Reveal Diverse Urban Signals from Space [17.134313498337804]
都市信号予測のために、AlphaEarth、Prithvi、Clayの3つの地球埋め込みファミリーをベンチマークした。統一的な教師付き学習フレームワークを用いて、犯罪、収入、健康、旅行行動にまたがる14の地区レベルの指標を予測する。以上の結果から, 地層埋没が都市構造に結びつく結果の予測技術として, かなりの都市変動を捉えていることが示唆された。
論文参考訳（メタデータ） (2026-04-03T20:58:37Z)
Utilizing Earth Foundation Models to Enhance the Simulation Performance of Hydrological Models with AlphaEarth Embeddings [48.54230513143053]
本研究は,AlphaEarth Foundationの埋設物が,流域特性を説明するためのより有益な方法であるかどうかを考察する。トレーニングに使用しない流域内の流れを予測した場合, 精度の高いモデルが得られた。
論文参考訳（メタデータ） (2026-01-04T15:14:16Z)
Analysis of Rainfall Variability and Water Extent of Selected Hydropower Reservoir Using Google Earth Engine (GEE): A Case Study from Two Tropical Countries, Sri Lanka and Vietnam [0.0]
本研究では,ベトナムとスリランカにおける降雨パターンの総合的リモートセンシング分析と水力貯水池水深の選択について述べる。両国の平均年間降水量は決定され、月平均降水量は時間変動する。その結果, 降雨パターンと貯水量との関係が明らかとなり, モンスーンシーズンの降水量が増加し, その後の数ヶ月で水量も増加した。
論文参考訳（メタデータ） (2023-10-09T12:51:46Z)
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)
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)
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)
Standardized Green View Index and Quantification of Different Metrics of Urban Green Vegetation [0.0]
本研究は, 分析用緑化可視性向上指標(標準化GVI, sGVI)を提案する。 GVIの重み付け型であるsGVIは, 密接な位置測定地点の偏りを緩和することを示した。また,都市ブロックレベルでsGVIとNDVIを比較することで,sGVIは都市中心部の植生を捕食するのに対して,NDVIは公園や森林の植生を捕食するのに優れていることがわかった。
論文参考訳（メタデータ） (2020-08-01T09:58:22Z)

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。