論文の概要: 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

• arxiv url: http://arxiv.org/abs/2608.22293v1
• Date: Sun, 23 Aug 2026 08:37:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.710382
• Title: 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
• Title（参考訳）: 都市山火事の危険性の空間解剖:2025年パラセード火災における建物密度と植生水分の役割を空間的に検証したGeoAIフレームワーク
• Abstract要約: 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。
• 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: Urban wildfire resilience depends on interactions among built form, vegetation condition, and extreme fire weather, yet city-scale risk models often overlook whether predictive skill transfers across neighborhoods. We developed a spatially validated GeoAI workflow for the January 2025 Palisades Fire, linking 12,081 CAL FIRE damage inspections to pre-fire Sentinel-2 vegetation indices, Landsat surface temperature, LANDFIRE fuels, terrain, and OpenStreetMap buildings and roads. Among 9,883 inspected residential structures, 5,566 were destroyed. Random cross-validation yielded ROC-AUC 0.92 for the integrated XGBoost model, but 1 km spatial block validation reduced performance to 0.75; logistic regression performed similarly and was better calibrated. Building count within 100 m was the strongest predictor, with destruction odds increasing 4.12-fold per standard deviation. Vegetation moisture and greenness showed opposing conditional associations: NDMI at 100-300 m was protective (OR 0.52), whereas NDVI at 30-100 m was positively associated with destruction after accounting for moisture (OR 1.74). Predictive information was concentrated at the 100-300 m neighborhood scale. A separate post-fire track mapped burn severity and vegetation recovery without leakage. The results support neighborhood-scale susceptibility screening, moisture-aware vegetation management, and spatial block validation as a minimum standard for single-event urban wildfire modeling.
• Abstract（参考訳）: 都市部の山火事の弾力性は、建築形態、植生条件、極端な火災天候の相互作用に依存するが、都市規模のリスクモデルでは、近隣の予測スキルの移動が無視されることが多い。 我々は,2025年1月のパリセード火災におけるジオAIの空間的検証を行い,12,081件のCAL FIRE損傷検査を,プレファイアセンチネル2植生指標,ランドサット表面温度,LANDFIRE燃料,地形,OpenStreetMapの建物と道路にリンクさせた。 調査住宅9,883棟のうち5,566棟が破壊された。 ランダムクロスバリデーションにより、統合XGBoostモデルのROC-AUC 0.92が得られたが、1kmの空間ブロックバリデーションにより性能は0.75に低下し、ロジスティック回帰も同様に実行され、キャリブレーションも改善された。 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。 100-300mのNDMIは保護的(または0.52)であり、30-100mのNDVIは水分を考慮に入れた後の破壊(または1.74)と正の相関を示した。 予測情報は100-300m付近で集中した。 火災後の別のトラックは、漏れを伴わずに熱傷の重症度と植生の回復をマッピングした。 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, 空間的ブロックバリデーションが支援された。

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)
• Advancing All-Weather Building Damage Mapping to the Instance Level: Outcomes and Insights from the 2026 Bright Challenge [51.684701877722574]
  急激な災害後の対応には、建物が無傷のままか、損傷するか、破壊されるかについてのビルレベルの情報をタイムリーに要求する。 Bright Challengeは、サブメートル解像度のプレイベント光学画像とポストイベントSAR画像から全天候の建物損傷マッピングを評価した。
  論文  参考訳（メタデータ） (2026-07-23T07:22:15Z)
• 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)
• When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
  本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。 PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
  論文  参考訳（メタデータ） (2026-02-21T07:22:37Z)
• 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)
• Leveraging Cellular Automata for Real-Time Wildfire Spread Modeling in California [0.0]
  本研究では,重要な環境変数を組み込んだ細胞性オートマトン(CA)に基づく予測モデルを開発した。 2025年太平洋パラセード火災の火傷跡に対する混乱行列を用いたモデルの評価では, 0.860, 精度0.605, 総合F1スコア0.711を得た。
  論文  参考訳（メタデータ） (2025-10-10T02:31:57Z)
• Generative Algorithms for Wildfire Progression Reconstruction from Multi-Modal Satellite Active Fire Measurements and Terrain Height [0.0]
  WRF-SFIREによる歴史的山火事のシミュレーションにより, 条件付きジェネレーティブ・アドリアル・ネットワークを訓練した。 火災発生時刻を簡潔に表現し、WRF-SFIREソリューションに近似観測演算子を適用して訓練用測定値を求める。 このモデルは、到着時刻、測度、地形の逆転を訓練し、一度訓練された場合、実際の火災の測定とそれに対応する地形データを利用して、到着時刻のサンプルを生成する。
  論文  参考訳（メタデータ） (2025-06-12T06:54:51Z)
• Graph Transformer-Based Flood Susceptibility Mapping: Application to the French Riviera and Railway Infrastructure Under Climate Change [0.0]
  本研究は, 洪水に起因したフレンチ・リヴィエラへの洪水感受性マッピングのためのグラフトランスフォーマー(GT)アーキテクチャの最初の適用について紹介する。 GTはラプラシアン位置エンコーダ(PE)とアテンション機構を用いた流域トポロジーを取り入れている。 Laplacian PEの次元の減少は部分的なクラスターを示し、空間情報を捉えることができた。
  論文  参考訳（メタデータ） (2025-03-31T14:04:04Z)
• 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)
• 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)
• 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)
• 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。