論文の概要: Multi-Sensor Mapping of Vulnerable Urban Settlements Using SAR, Multispectral, and Hyperspectral Imagery: A Case Study in Córdoba, Argentina

• arxiv url: http://arxiv.org/abs/2608.28680v1
• Date: Wed, 26 Aug 2026 07:05:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.708687
• Title: Multi-Sensor Mapping of Vulnerable Urban Settlements Using SAR, Multispectral, and Hyperspectral Imagery: A Case Study in Córdoba, Argentina
• Title（参考訳）: SAR, マルチスペクトル, ハイパースペクトル画像を用いた都市集落のマルチセンサマッピング:アルゼンチン・コルドバを事例として
• Abstract要約: 本研究はアルゼンチンのコルドバでスラム様マッピングのための多センサ深層学習フレームワークを提案する。 高分解能PlanetScope Multispectral (MS)画像、COSMO-SkyMed (CSK) Synthetic Aperture Radar (SAR)データ、中分解能PRISMA hyperspectral (HS)観測を統合している。 その結果,LF+HSは分類性能と空間選択率のバランスが良好であることがわかった。
• 参考スコア（独自算出の注目度）: 5.007870105030848
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Informal settlements represent a major urban challenge in rapidly expanding cities, yet their identification from Earth Observation (EO) data remains difficult because of their heterogeneous appearance and incomplete official inventories. This work presents a multi-sensor deep learning (DL) framework for slum-likelihood mapping in Córdoba, Argentina, integrating high-resolution PlanetScope multispectral (MS) imagery, COSMO-SkyMed (CSK) Synthetic Aperture Radar (SAR) data, and medium-resolution PRISMA hyperspectral (HS) observations. The problem is formulated as a patch-level classification task using the official Registro Nacional de Barrios Populares (ReNaBaP) inventory as reference, and the models are evaluated through four geographically partitioned folds. SAR-only and MS-only baselines, their configurations with PRISMA HS support, and early fusion (EF), middle fusion (MF), and late fusion (LF) strategies are systematically compared. Results show that LF+HS provides the best overall balance between classification performance and spatial selectivity, while PRISMA contributes complementary spectral information alongside the higher-resolution MS and SAR representations. Beyond the standard evaluation against ReNaBaP, an external municipal vulnerability layer is used to interpret detections outside the official polygons, showing that several apparent false positives overlap broader vulnerable urban areas. Thermal analysis further shows that ReNaBaP settlements exhibit significantly higher surface temperatures than their immediate surroundings during a heatwave event, indicating localised surface-heat amplification. Taken together, these results suggest that multi-sensor EO fusion can support both the mapping of ReNaBaP settlements and the interpretation of broader urban vulnerability patterns.
• Abstract（参考訳）: インフォーマルな集落は急速に拡大する都市において大きな都市課題となっているが、地球観測(EO)データからの識別は、不均一な外観と不完全な公式在庫のため困難である。 本研究は,アルゼンチンのコルドバにおいて,高分解能PlanetScope Multispectral (MS)画像,COSMO-SkyMed (CSK) Synthetic Aperture Radar (SAR)データと中分解能PRISMA hyperspectral (HS)観測を統合したスラム状マッピングのための多センサディープラーニング(DL)フレームワークを提案する。 この問題は、公式のRegistro Nacional de Barrios Populares(ReNaBaP)インベントリを基準としてパッチレベルの分類タスクとして定式化され、これらのモデルは地理的に分割された4つの折り目を通して評価される。 SARのみのベースラインとMSのみのベースライン、PRISMA HSサポート、早期核融合(EF)、中核融合(MF)、後期核融合(LF)戦略を体系的に比較する。 PRISMAは高分解能MSおよびSAR表現と相補的なスペクトル情報に寄与するのに対し,LF+HSは分類性能と空間選択率のバランスが良いことを示す。 ReNaBaPに対する標準的な評価の他に、外部の市町村の脆弱性層が公式ポリゴンの外で検出を解釈するために使われており、いくつかの明らかな偽陽性が広範囲の脆弱な都市部と重複していることが示されている。 熱解析により、ReNaBaPの沈殿物は、熱波発生時の周囲の温度よりもかなり高い値を示し、局所的な表面熱増幅を示すことが示された。 これらの結果から, マルチセンサEO融合はReNaBaPの集合体のマッピングとより広い都市の脆弱性パターンの解釈の両方をサポートすることが示唆された。

関連論文リスト

• Air Quality Downscaling with Station-Guided Pseudo-Supervision [60.31045749983062]
  局所PM$_2.5$変動に対する高分解性粗大大気場は空間的支持のミスマッチによって一意に挑戦される。 ヨーロッパにおける高分解能PM$_2.5$ダウンスケールのためのステーション誘導フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T16:32:25Z)
• Heterogeneous SAR-optical fusion for near-real-time land use and land cover mapping under cloud contamination: A novel framework and global benchmark dataset [8.89851770832353]
  CloudLULC-Netは、エンドツーエンドのヘテロジニアスなSAR-光融合フレームワークである。 雲に汚染されたSentinel-2画像と時間的に隣接したSentinel-1 SAR観測からLULCマップを直接予測する。 CloudLULC-NetのOAは86.60%、F1スコアは83.29%、mIoUは73.51%である。
  論文  参考訳（メタデータ） (2026-06-16T09:25:10Z)
• FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
  FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。 FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。 我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
  論文  参考訳（メタデータ） (2026-05-27T08:55:54Z)
• SpectralEarth-FM: Bringing Hyperspectral Imagery into Multimodal Earth Observation Pretraining [39.65346191345367]
  異種スペクトル次元を持つマルチセンサEO入力のための階層変換器であるSpectralEarth-FMを紹介する。 SpectralEarth-FMを事前訓練するために、3つの衛星搭載センサーからHSIを同時配置するデータセットであるSpectralEarth-MMをキュレートする。 我々は、PANGAEAプロトコルに従って、ハイパースペクトルダウンストリームタスクと標準EOベンチマークのSpectralEarth-FMを評価する。
  論文  参考訳（メタデータ） (2026-05-20T12:08:16Z)
• When Earth Foundation Models Meet Diffusion: An Application to Land Surface Temperature Super-Resolution [7.772443261581984]
  極端空間劣化下での超解像のための新しいフレームワークであるEFDiffを提案する。 EFDiffはPrithvi-EO-2.0 Earth基盤モデルを用いて、高分解能マルチスペクトル反射率を地理空間埋め込みにエンコードする。 我々は,Landsat共登録熱反射パッチ242,416枚からなる世界規模の多種多様なベンチマークを用いて,EFDiffを極端な32倍のスケールギャップで評価した。
  論文  参考訳（メタデータ） (2026-04-18T05:21:05Z)
• SSFT: A Lightweight Spectral-Spatial Fusion Transformer for Generic Hyperspectral Classification [42.09644109233563]
  本稿では,スペクトル・空間経路に表現学習を分解する軽量なスペクトル・空間融合変換器(SSFT)を提案する。 我々は,地球観測,果実条件評価,微粒化材料認識を対象とするヘテロジニアスなマルチデータセットベンチマークであるHSI-Benchmarkについて,SSFTの評価を行った。
  論文  参考訳（メタデータ） (2026-04-17T08:31:25Z)
• EarthMind: Leveraging Cross-Sensor Data for Advanced Earth Observation Interpretation with a Unified Multimodal LLM [103.7537991413311]
  地球観測(EO)データ分析は、環境と人間の動態のモニタリングに不可欠である。 最近のMultimodal Large Language Models (MLLM) は、EO理解の可能性を秘めているが、シングルセンサー入力に限定されている。 我々は、シングルセンサーとクロスセンサーの両方の入力を処理する統合視覚言語フレームワークであるEarthMindを提案する。
  論文  参考訳（メタデータ） (2025-06-02T13:36:05Z)
• ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
  ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。 HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。 計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
  論文  参考訳（メタデータ） (2025-04-16T05:33:42Z)
• No Location Left Behind: Measuring and Improving the Fairness of Implicit Representations for Earth Data [13.412573082645096]
  暗黙の神経表現(INR)は、地球表象の課題に対処する上での公約が増大している。 既存の手法はグローバルな平均性能を不均等に優先する。 FAIR-Earthは、地球表象の不等式を調べ、挑戦するための第一種データセットである。
  論文  参考訳（メタデータ） (2025-02-05T16:51:13Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。