論文の概要: Synergising Local Geo-Environmental Characteristics with Spatial Context for Enhancing Landslide Susceptibility Mapping

• arxiv url: http://arxiv.org/abs/2608.24956v1
• Date: Tue, 25 Aug 2026 02:32:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.292141
• Title: Synergising Local Geo-Environmental Characteristics with Spatial Context for Enhancing Landslide Susceptibility Mapping
• Title（参考訳）: 地すべり感受性マップ作成のための局所環境特性と空間コンテキストの相乗化
• Abstract要約: 地すべり点の地環境特性とそれに対応する空間的コンテキストを相乗化して,地域地質・空間的文脈融合(LGSCF)戦略を構築する。 本研究は台湾南都郡のジェナイ郡区とシナイ郡区の約2644km2をカバーしている。
• 参考スコア（独自算出の注目度）: 9.253806947597635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data-driven methods are widely used in landslide susceptibility mapping (LSM) because they can effectively model the complex relationships between landslides and geo-environmental conditions. Existing data-driven approaches generally follow two types of data representations. Pixel-based models focus solely on the geo-environmental characteristics of a specific landslide but neglect the influence of its surrounding environment. Patch-based models incorporate surrounding spatial context but may include pixels with weak or no spatial relevance to the target landslide location. To address this limitation, this study proposes a Local-Geo and Spatial Context Fusion (LGSCF) strategy, which synergises the geo-environmental characteristics of landslide points with their corresponding spatial context through a feature-wise modulation mechanism. We tested the LGSCF strategy by integrating it into several representative convolutional neural network (CNN) architectures, creating nine different LGSCF-based models. The study area covers approximately 2644 km2 across Jenai and Sinyi Townships in Nantou County, Taiwan, and the dataset comprises 5332 landslide samples and an equal number of non-landslide samples. The results show that LGSCF-based models consistently outperform their original versions, achieving F1-scores up to 87.09% and AUC values up to 0.9472. Furthermore, the susceptibility maps produced by LGSCF-based models show that known landslides are more accurately concentrated in "very high" susceptibility zones with fewer misclassifications. These findings demonstrate that our fusion strategy can significantly improve the accuracy of landslide susceptibility mapping.
• Abstract（参考訳）: データ駆動方式は、地すべりと地環境条件の間の複雑な関係を効果的にモデル化できるため、地すべり感受性マッピング(LSM)で広く用いられている。 既存のデータ駆動アプローチは一般的に2種類のデータ表現に従う。 ピクセルベースのモデルは、特定の地すべりの地環境特性のみに焦点をあてるが、周囲の環境の影響を無視する。 パッチベースのモデルには周囲の空間的コンテキストが組み込まれているが、対象地すべり位置と空間的関係の弱い画素を含む場合もある。 この制限に対処するために,地すべり点の地環境特性を特徴量変調機構により相乗化する地域地空間融合(LGSCF)戦略を提案する。 我々は、LGSCF戦略をいくつかの代表的畳み込みニューラルネットワーク(CNN)アーキテクチャに統合し、9つのLGSCFベースのモデルを作成することでテストした。 調査地域は台湾南都郡ジェナイ郡とシナイ郡にまたがる約2644km2で、5332の地すべりサンプルと、同じ数の非地すべりサンプルからなる。 結果、LGSCFベースのモデルは、F1スコアが87.09%、AUC値が0.9472まで、オリジナルモデルより一貫して優れていたことが判明した。 さらに、LGSCFモデルにより作成された感受性マップは、既知の地すべりがより正確に「非常に高い」感受性帯に集中しており、誤分類が少ないことを示している。 これらの結果から,地すべり感受性マッピングの精度が向上することが示唆された。

関連論文リスト

• Rethinking Attention Locality in Spiking Transformers [50.00501275379363]
  スパイキングトランスフォーマーは、スパイク駆動計算による効率的なビジュアル処理のための有望なパラダイムを提供する。 彼らのSSA(Softmax-free Spiking Self-Attention)は、空間的に局所化されたトークン相互作用を確立するのに苦労している。 境界連続経路(SCLA-BCP)を用いた空間連続的局所的注意法を提案する。 当社のアプローチでは、2017年のCOCOではmAP@50が9.50%、ADE20KではmIoUが3.42%改善しています。
  論文  参考訳（メタデータ） (2026-08-09T07:36:17Z)
• Evolving Spatial Weights for Cartographic Synthesis [34.00232821914697]
  本研究では,空間自己相関構造に基づく地図合成の多目的定式化を提案する。 我々は,グローバル空間構造を最大化することにより,層重みを推定する双方向進化フレームワークGIS-moGAを開発した。 その結果,集団多様性の維持と早期収束の予防には高い突然変異率が重要であることが示された。
  論文  参考訳（メタデータ） (2026-06-20T22:34:29Z)
• Region Matters: Efficient and Reliable Region-Aware Visual Place Recognition [46.97190804063947]
  本稿では,ロバストな識別領域モデリングと適応的再ランク付けを組み合わせたFoL++を提案する。 FoL++は、軽量なメモリフットプリントで最先端のパフォーマンスを実現し、FoLよりも推論速度を40%向上させる。
  論文  参考訳（メタデータ） (2026-04-24T09:28:35Z)
• Revealing Geography-Driven Signals in Zone-Level Claim Frequency Models: An Empirical Study using Environmental and Visual Predictors [1.5484595752241122]
  地理的文脈は、しばしば自動車保険のリスクに関連すると考えられているが、公共のアクチュアリアルデータセットは限られた位置識別子を提供する。 本研究では,MTPL(Motor Third Party Liability)のクレーム予測において,代替データからの地理情報をアクタリカルモデルに組み込む方法について検討した。
  論文  参考訳（メタデータ） (2026-04-23T17:44:52Z)
• PRUE: A Practical Recipe for Field Boundary Segmentation at Scale [50.194423500109025]
  本研究では,大域境界線決定のためのセグメント化と地理空間基盤モデル(GFM)を初めて体系的に評価する。 U-Netセマンティックセマンティックセグメンテーションモデルは、パフォーマンスとデプロイメントのメトリクスのスイートにおいて、インスタンスベースとGFMの代替よりも優れています。 我々のアプローチは、モデル設計、トレーニング、推論にまたがる、信頼性があり、スケーラブルで再現可能なフィールド境界記述のための実践的なフレームワークを提供します。
  論文  参考訳（メタデータ） (2026-03-28T02:47:46Z)
• Global Cross-Modal Geo-Localization: A Million-Scale Dataset and a Physical Consistency Learning Framework [13.268717213871147]
  クロスモーダルジオローカライゼーション(CMGL)は、地上レベルのテキスト記述とジオタグ付き空中画像とを一致させる。 グローバルCMGL専用の最初の100万規模のデータセットであるCOREを紹介する。 モーダルな地理的ローカライゼーションのための物理ロッド・アウェア・ネットワーク(PLANET)を提案する。
  論文  参考訳（メタデータ） (2026-03-09T15:27:19Z)
• Knowledge-guided Complex Diffusion Model for PolSAR Image Classification in Contourlet Domain [58.46450049579116]
  本稿では,Contourlet領域におけるPolSAR画像分類のための知識誘導複合拡散モデルを提案する。 具体的には、まずデータを低周波サブバンドと高周波サブバンドに分解するためにContourlet変換を適用する。 次に、低周波成分の統計特性をモデル化するために、知識誘導複合拡散ネットワークを設計する。
  論文  参考訳（メタデータ） (2025-07-08T04:50:28Z)
• An Interpretable Implicit-Based Approach for Modeling Local Spatial Effects: A Case Study of Global Gross Primary Productivity [9.352810748734157]
  地球科学では、観測されていない要因は非定常分布を示し、特徴と対象の関係が空間的不均一性を示す。 地理的機械学習タスクでは、従来の統計学習手法は空間的不均一性を捉えるのに苦労することが多い。 我々は、深層ニューラルネットワークを用いた空間差と並行して、異なる場所で共通する特徴を同時にモデル化する、新しい視点を提案する。
  論文  参考訳（メタデータ） (2025-02-10T05:44:54Z)
• SPARTAN: A Sparse Transformer Learning Local Causation [63.29645501232935]
  因果構造は、環境の変化に柔軟に適応する世界モデルにおいて中心的な役割を果たす。 本研究では,SPARse TrANsformer World Model(SPARTAN)を提案する。 オブジェクト指向トークン間の注意パターンに空間規則を適用することで、SPARTANは、将来のオブジェクト状態を正確に予測するスパース局所因果モデルを特定する。
  論文  参考訳（メタデータ） (2024-11-11T11:42:48Z)
• SpectralEarth: Training Hyperspectral Foundation Models at Scale [47.93167977587301]
  ハイパースペクトル基礎モデルの事前学習を目的とした大規模マルチテンポラルデータセットであるSpectralEarthを紹介する。 我々はSpectralEarthの一連の基礎モデルを事前訓練し、古典的な視覚バックボーンにスペクトルアダプタを統合する。 タンデムでは、土地被覆、作物型マッピング、樹木種分類のための9つの下流データセットを構築した。
  論文  参考訳（メタデータ） (2024-08-15T22:55:59Z)
• Deep autoregressive modeling for land use land cover [0.0]
  ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。 土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-01-02T18:03:57Z)
• Preserving local densities in low-dimensional embeddings [37.278617643507815]
  tSNEやUMAPのような最先端の手法は、高次元データに隠された局所構造を明らかにするのに優れている。 しかし, これらの手法は, 密度の相対的差など, 局所的な特性の再構築に失敗することを示す。 局所密度をほぼ保存するdtSNEを提案する。
  論文  参考訳（メタデータ） (2023-01-31T16:11:54Z)
• Sign-Agnostic CONet: Learning Implicit Surface Reconstructions by Sign-Agnostic Optimization of Convolutional Occupancy Networks [39.65056638604885]
  畳み込み型ネットワークの符号非依存最適化により暗黙的表面再構成を学習する。 この目標をシンプルで効果的な設計で効果的に達成できることを示す。
  論文  参考訳（メタデータ） (2021-05-08T03:35:32Z)

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。