論文の概要: From crown candidates to neighborhood screening: integrating optical GeoAI and spatial modeling for urban-canopy assessment in Davis, California

• arxiv url: http://arxiv.org/abs/2608.13856v1
• Date: Fri, 14 Aug 2026 01:02:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.244333
• Title: From crown candidates to neighborhood screening: integrating optical GeoAI and spatial modeling for urban-canopy assessment in Davis, California
• Title（参考訳）: クラウン候補から地区スクリーニングへ:カリフォルニア州デイビス市における光ジオAIと空間モデルの統合による都市キャノピー評価
• Abstract要約: タイムリーな都市キャノピー情報は、リモートセンシングと熱、移動性、近隣計画のリンクに不可欠である。 カリフォルニア州デイビスで,2022年国立農業画像プログラムの画像を用いた光学的GeoAIワークフローを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Timely urban-canopy information is essential for linking remote sensing with heat, mobility, and neighborhood planning. We developed an optical GeoAI workflow for Davis, California, using 2022 National Agriculture Imagery Program imagery (0.6 m RGB+NIR). DeepForest generated crown candidates; an NDVI threshold, non-maximum suppression, and box-prompted Segment Anything Model (ViT-B) produced a crown-anchored canopy surface. Analyses used the 25.92 km2 Census TIGER municipal boundary and a 100 m grid. The workflow retained 11,741 candidate crowns and mapped 2.43 km2 of canopy (9.37% of the city). On the identical extent, 87.8% of mapped canopy pixels and 97.4% of candidate centers agreed with the 2022 USDA/CAL FIRE LiDAR-assisted canopy product; the optical surface represented 34.2% of the reference canopy area (IoU 0.288; Dice 0.448). Approximately 49% of candidates occurred within 15 m of a road. Canopy was inversely associated with Landsat land-surface temperature (Spearman rho = -0.293; partial rho = -0.370 controlling for built probability), and spatial-lag modeling confirmed clear neighborhood structure. Two transparent attention surfaces combined canopy need with thermal and contextual indicators. The framework provides a reproducible, updateable screening layer that complements structural canopy products and municipal inventories while retaining assumptions, data provenance, and spatial diagnostics for planning interpretation.
• Abstract（参考訳）: タイムリーな都市キャノピー情報は、リモートセンシングと熱、移動性、近隣計画のリンクに不可欠である。 我々は,2022年の農用画像プログラム (0.6 m RGB+NIR) を用いて,カリフォルニア州デイビスの光学的GeoAIワークフローを開発した。 DeepForestが生成したクラウン候補は、NDVIしきい値、非最大抑圧、およびボックスプロンプトされたセグメンション・アプライシング・モデル(ViT-B)で、クラウンアンコールされた天蓋面を作成した。 分析では25.92km2の国勢調査ティガー市境と100mの格子を用いた。 このワークフローは11,741個の王冠を保持し、2.43 km2の天蓋(市の9.37%)を地図化した。 同じ程度で、地図化された天蓋のピクセルの87.8%と候補中心の97.4%は2022年のUSDA/CAL FIRE LiDAR補助天蓋の製品と一致し、光学面は基準天蓋面積の34.2%を占めた(IoU 0.288; Dice 0.448)。 候補者の約49%が道路から15m以内にいた。 キャノピーはランドサットの地表面温度 (Spearman rho = -0.293; partial rho = -0.370 control for built probability) と逆相関し、空間ラグモデリングにより明確な近傍構造が確認された。 天蓋の2つの透明な注意面は、熱的および文脈的な指標を必要とする。 このフレームワークは再現性が高く更新可能なスクリーニングレイヤを提供し、構造的な天蓋製品や自治体の在庫を補完し、仮定、データ証明、そして解釈を計画するための空間診断を保持する。

関連論文リスト

• Multisource Remote Sensing and Geospatial Analysis of Vineyard Wildfire Impacts and Resilience: The 2019 Kincade Fire [0.0]
  カリフォルニア州ソノマ郡で発生した2019年キンケード火災における山火事のレジリエンスについて検討した。 我々は,4,581のブドウ畑,森林植生,測量された構造物,道路,頭上煙,放火後の緑化にまたがる,オープンでイベント対応の地理空間的枠組みを用いた。 ブドウ園の画素は, 周囲の野生のピクセルに比べて, dNBRが有意に低かった。
  論文  参考訳（メタデータ） (2026-09-14T18:06:35Z)
• The spatial anatomy of urban wildfire vulnerability: a spatially validated GeoAI framework reveals the roles of building density and vegetation moisture in structure loss during the 2025 Palisades Fire [0.0]
  我々は2025年1月のパリセーデス火災に備え,空間的検証を行ったGeoAIワークフローを開発した。 100m以内の建物数は最も高い予測値であり、破壊確率は標準偏差あたり4.12倍に増加した。 その結果, 単発都市山火事モデリングの最低基準として, 地域規模による感受性スクリーニング, 湿性を考慮した植生管理, 空間的ブロック検証が支援された。
  論文  参考訳（メタデータ） (2026-08-23T08:37:52Z)
• Self-Supervised Tree-level Biomass Estimation in Urban Environments From Airborne LiDAR and Optical Observations [0.23301643766310368]
  カナダ・オンタリオ州の810km$2$の景観を対象とした,クラウンレベルの地上バイオマス(AGB)フレームワークを提案する。 ルールベースの擬似ラベルに基づいてトレーニングされた二重ストリームのクロスアテンションネットワークは、建物、針葉樹、落葉樹のセマンティックマークを生成した。 2018年の総AGBは1.73Tg、2023年の1.81Tg(811-850GgC)、ニアガラ・エスカルメント沿いの地元の密度は$sim140$Mgha$-1$となった。
  論文  参考訳（メタデータ） (2026-06-24T15:02:39Z)
• 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)
• Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
  Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。 このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。 本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:14:20Z)
• Flood Risk Follows Valleys, Not Grids: Graph Neural Networks for Flash Flood Susceptibility Mapping in Himachal Pradesh with Conformal Uncertainty Quantification [0.20871483263418808]
  洪水はインドのヒマハル・プラデーシュで最も破壊的な自然災害であり、2023年のモンスーンシーズンだけで400人以上が死亡し、12億ドルの損失を出した。 既存のリスクマップはすべてのピクセルを独立して扱う。 我々は、流域接続グラフに基づいて訓練されたグラフニューラルネットワーク(GraphSAGE)でこの問題に対処する。
  論文  参考訳（メタデータ） (2026-03-15T02:54:24Z)
• Where on Earth? A Vision-Language Benchmark for Probing Model Geolocation Skills Across Scales [61.03549470159347]
  視覚言語モデル (VLM) は急速に進歩しているが, オープンワールド環境における画像位置決め能力は, 網羅的に評価されていない。 我々は、視覚認識、ステップバイステップ推論、エビデンス利用を評価するVLM画像位置情報の総合ベンチマークであるEarthWhereを提示する。
  論文  参考訳（メタデータ） (2025-10-13T01:12:21Z)
• Paved or unpaved? A Deep Learning derived Road Surface Global Dataset from Mapillary Street-View Imagery [39.10390786976492]
  このデータセットは、グローバルな道路表面情報を300万km以上拡張する。 ほとんどの地域は中程度から高い舗装道路被覆率 (60-80%) を示したが、アフリカやアジアの特定の地域では顕著なギャップが見られた。 本稿では,SWIN-Transformerに基づく道路表面予測とCLIP- and-DLセグメンテーションを併用したハイブリッドディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-24T09:32:53Z)
• Two Scalable Approaches for Burned-Area Mapping Using U-Net and Landsat Imagery [39.91303506884272]
  本研究では,U-Netモデルに基づくバーン・エリアマッピングプロセスの自動化と最適化のための2つのアプローチを提案する。 研究領域の195の代表的な画像に基づくテストでは、ASモデルを用いたデータセットのバランスの向上により、より良いパフォーマンスが得られることが示された。
  論文  参考訳（メタデータ） (2023-11-29T05:42:25Z)
• 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)
• GLObal Building heights for Urban Studies (UT-GLOBUS) for city- and street- scale urban simulations: Development and first applications [3.4244476729483013]
  テキサス大学 都市研究のためのグローバル・ビルディング・ハイツ(UT-GLOBUS)について紹介する。 UT-GLOBUSは、世界中の1200以上の都市や地域向けに高さと都市キャノピーパラメータ(UCP)を提供するデータセットである。 6つの米国都市のLiDARデータによる検証では、UT-GLOBUS由来のビルの高さは9.1mの根平均二乗誤差(RMSE)であった。
  論文  参考訳（メタデータ） (2022-05-24T17:34:14Z)
• A CNN based method for Sub-pixel Urban Land Cover Classification using Landsat-5 TM and Resourcesat-1 LISS-IV Imagery [0.0]
  本稿では,Landsat-5 TMとResourcesat-1 LISS-IVの時間重なりを利用したサブピクセル分類法を提案する。 畳み込みニューラルネットワークを用いて30m Landsat-5 TMデータから土地被覆マップを推定する。
  論文  参考訳（メタデータ） (2021-12-16T12:48:37Z)
• Continental-scale land cover mapping at 10 m resolution over Europe (ELC10) [0.0]
  衛星駆動機械学習のワークフローに基づいて,欧州の高解像度(10m)土地被覆地図(elc10)を提案する。 ランダムフォレスト分類モデルはLUCASデータセットから70K地点で訓練された。 この地図は8つの土地被覆クラスで90%の正確さを達成し、3.9%以内に統計単位の土地被覆率を計算できた。
  論文  参考訳（メタデータ） (2021-04-22T08:24:15Z)

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。