論文の概要: Evaluating AlphaEarth Foundations Embeddings for Wildfire Susceptibility Mapping

• arxiv url: http://arxiv.org/abs/2608.12663v1
• Date: Wed, 12 Aug 2026 23:52:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.349159
• Title: Evaluating AlphaEarth Foundations Embeddings for Wildfire Susceptibility Mapping
• Title（参考訳）: AlphaEarth Foundations Embeddings for Wildfire Susceptibility Mapping の評価
• Abstract要約: AEF埋め込みは、山火事感受性解析においてよく使われる変数を高精度に再構成できることを示す。 衛星由来の火災発生データに基づいて訓練された下流の感受性モデルでは、埋め込み型感受性モデルは0.92以上のROC-AUC値を達成する。 AEF埋め込みの主な特徴は、気候的に類似した領域内での強い近領域移動性である。
• 参考スコア（独自算出の注目度）: 34.48698163135379
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wildfire susceptibility mapping typically relies on physical variables assembled from multiple remote-sensing, climate, and geospatial products. AlphaEarth Foundations (AEF) provides analysis-ready geospatial embeddings that may reduce this dependence on heavy harmonisation and task-specific feature engineering, but their value for wildfire susceptibility mapping has not been systematically evaluated. Using Victoria, Australia (2017-2025), as a case study, we show that AEF embeddings can reconstruct commonly used variables in wildfire susceptibility analysis with high accuracy. In downstream susceptibility models trained on satellite-derived fire occurrence data, embedding-based susceptibility models achieve ROC-AUC values above 0.92 and consistently identify high wildfire susceptibility across eastern Victoria, particularly Gippsland and the north-eastern uplands, with additional localized hotspots in central and northwestern Victoria. A key feature of AEF embeddings is their strong near-region transferability within climatically similar regions. When embedding-based models trained in Victoria are applied to Canberra and Western Sydney-Blue Mountains, ROC-AUC improves by around 4% at Canberra and declines by around 2% at Western Sydney-Blue Mountains, compared with a mean decrease of approximately 25% for physical-variable models. These findings provide practical guidance for using AEF embeddings and lay a foundation for scalable wildfire susceptibility mapping workflows for downstream users such as government agencies and (re)insurers.
• Abstract（参考訳）: ワイルドファイア・サセプティビリティ・マッピングは通常、複数のリモートセンシング、気候、地理空間製品から集められた物理的変数に依存している。 AlphaEarth Foundations (AEF)は、高調波化やタスク固有の特徴工学への依存を減らす分析可能な地理空間埋め込みを提供するが、山火事の感受性マッピングの価値は体系的に評価されていない。 オーストラリアのビクトリア州 (2017-2025) をケーススタディとして, AEF 埋め込みは山火事感受性解析においてよく用いられる変数を高精度に再構成できることを示した。 衛星由来の火災発生データに基づいて訓練された下流の感受性モデルでは、埋め込みベースの感受性モデルは、0.92以上のLOC-AUC値を達成し、ビクトリア州東部、特にギプスランドおよび北東の高地における高い山火事感受性を一貫して同定し、さらに中央と北西の局地的なホットスポットが加わった。 AEF埋め込みの重要な特徴は、気候的に類似した領域内での強い近領域転送性である。 ビクトリア州で訓練された埋め込み型モデルをキャンベラとシドニー・ブルー山脈に適用すると、RCC-AUCはキャンベラで約4%改善し、シドニー・ブルー山脈で約2%低下する。 これらの知見はAFF埋め込みの実践的ガイダンスを提供し、政府機関や保険会社などの下流ユーザー向けのスケーラブルな山火事感受性マッピングワークフローの基礎を築いた。

関連論文リスト

• A Nationwide Benchmark for Wildfire Initial Attack Failure Prediction with Public Environmental Data [62.031815260604056]
  我々は, 火災発見時に利用可能な環境および状況データから, 初期攻撃(IA)障害予測のための米国初の全国規模のベンチマークを提示する。 WILDFIREIAは、自然発生のFPA-FODの山火事を、FIRMS/VIIRS熱検出、グリッドMET気象および消火器変数、LANDFIRE植生、燃料、地形とともに38,128回調整した。 その結果,IA故障予測には,公共の発見時データが有用だが不完全な信号を提供することがわかった。
  論文  参考訳（メタデータ） (2026-06-14T01:03:13Z)
• Low-Rank Adaptation of Geospatial Foundation Models for Wildfire Mapping Using Sentinel-2 Data [0.9558392439655014]
  本研究では,Sentinel-2データを用いて,米国とカナダを横断する焼成領域マッピングのための3つの最新地理空間基盤モデル(GFMs)を評価した。 各モデルに適用するために、フル微調整、デコーダのみの微調整、ローランド適応(LoRA)を比較した。 LoRAのPrithvi-v2は、完全な微調整に比べて全体的な精度と最大の改善を実現している。
  論文  参考訳（メタデータ） (2026-05-06T14:47:01Z)
• From Landslide Conditioning Factors to Satellite Embeddings: Evaluating the Utilisation of Google AlphaEarth for Landslide Susceptibility Mapping using Deep Learning [1.6571781613404601]
  本研究は,地すべり感受性マップの代替予測器として,Google AlphaEarth埋め込みの可能性を評価した。 AEベースのモデルは、全ての領域とモデルで一貫してLCFを上回り、より高いF1スコア、AUC値、より安定したエラー分布を生み出した。
  論文  参考訳（メタデータ） (2026-01-12T07:17:43Z)
• FireScope: Wildfire Risk Prediction with a Chain-of-Thought Oracle [69.84129020970477]
  既存の方法には、信頼性の高い一般化に必要な因果推論と理解が欠如している。 Sentinel-2イメージと気候データと専門家が定義したリスクを結合したデータセットとベンチマークであるtextbfFireScope-Benchを紹介します。 米国でトレーニングし、ヨーロッパでテストすると、$textbfFireScope$は大幅なパフォーマンス向上を達成する。 本研究は,推論が一般化と解釈可能性の両方を改善することによって,予測モデルの基礎となることを示す。
  論文  参考訳（メタデータ） (2025-11-21T11:45:22Z)
• Probabilistic Wildfire Susceptibility from Remote Sensing Using Random Forests and SHAP [0.0]
  森林火災は世界中の生態系に重大な脅威をもたらす。 本研究は、ランダム森林アルゴリズムを用いて、カリフォルニアの総合的な山火事リスクマップを作成することを目的としている。
  論文  参考訳（メタデータ） (2025-11-12T06:05:41Z)
• CanadaFireSat: Toward high-resolution wildfire forecasting with multiple modalities [13.151866497852211]
  カナダは2023年に最も深刻な山火事の季節を経験している。 この極端な山火事の季節は、気候変化によって引き起こされる火災の季節の長さと深刻度の増加が、ボレアル生態系に影響を与えることの象徴である。 より優れた緩和ソリューションで、ボリアルなコミュニティにおける山火事管理を強化することが重要である。
  論文  参考訳（メタデータ） (2025-06-10T10:58:43Z)
• 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)
• Deep graphical regression for jointly moderate and extreme Australian wildfires [0.7864304771129751]
  オーストラリアの近年の山火事は、経済的損失と資産破壊に繋がった。 気候変動によってその強度、持続時間、頻度が悪化するのではないかという懸念が高まっている。 ファイアスプレッドの全分布を確実にモデル化するために,頑健な統計手法を開発することが不可欠である。
  論文  参考訳（メタデータ） (2023-08-28T13:04:52Z)
• 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)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)

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。