論文の概要: A multi-temporal dataset for mapping burned areas in the Brazilian Cerrado using time series of remote sensing imagery

• arxiv url: http://arxiv.org/abs/2609.23687v1
• Date: Sun, 20 Sep 2026 14:56:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.92723
• Title: A multi-temporal dataset for mapping burned areas in the Brazilian Cerrado using time series of remote sensing imagery
• Title（参考訳）: リモートセンシング画像の時系列を用いたブラジル・セラドの焼成地域マッピングのための多時間データセット
• Abstract要約: 本稿では,ブラジル・ゴイアのチャパダ・ドス・ヴェアデロス国立公園における,衛星画像から得られた多時期的データセットについて紹介する。 このデータセットには、BAI、EVI、EMI、NDVI、NDWIのスペクトル指標とともに、CBERS-4A、CBERS-4、およびAMAZONIA-1衛星上のWFIセンサーからの青、緑、赤、近赤外線のバンドが含まれている。
• 参考スコア（独自算出の注目度）: 0.5429313946954696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a multi-temporal tabular dataset derived from satellite images to map burned areas in the Chapada dos Veadeiros National Park, in Goiás, Brazil, covering the years 2020 to 2022. The dataset contains blue, green, red, and near-infrared bands, as well as the BAI, EVI, GEMI, NDVI, and NDWI spectral indices from the WFI sensor on the CBERS-4A, CBERS-4, and AMAZONIA-1 satellites, organized into a regular grid. We applied the Random Forest classifier to develop and validate models based on samples labeled as totally burned, partially burned, and non-burned. Two classification approaches were tested: one combining burned and non-burned areas into binary classes and another distinguishing between totally burned (TB), partially burned (PB), and non-burned (NB) classes. Seven validation approaches assessed different post-classification combinations, focusing on accuracy, precision, recall, and intersection over union (IoU) metrics. Results showed higher IoU when TB, PB, and NB were used as individual classes and TB was reclassified as burned area (BA) while PB and NB were grouped as non-burned. Comparing the annual results of this approach to the MCD64A1 product, the errors of omission for the BA class were 22% in 2020, 28% in 2021 and 59% in 2022, while the errors of commission were 46%, 43% and 46%, respectively. The study highlights the utility of the WFI sensor for burned area mapping without inter-satellite spectral calibration and suggests further exploration with other machine learning algorithms to evaluate the dataset potential and limitations.
• Abstract（参考訳）: 本稿では,2020年から2022年までのブラジル・ゴイアスのチャパダ・ドス・ヴェアデロス国立公園において,衛星画像から得られた多時期的表層データセットについて紹介する。 このデータセットには、BAI、EVI、EMI、NDVI、NDWIのスペクトル指標とともに、CBERS-4A、CBERS-4、およびAMAZONIA-1の衛星から得られる青、緑、赤、近赤外線のバンドが含まれている。 我々はランダムフォレスト分類器を用いて、完全燃焼、部分燃焼、非燃焼とラベル付けされたサンプルに基づくモデルの開発と検証を行った。 2つの分類法として, 燃焼部と燃焼部を二分級に分け, 燃焼部を全燃焼層(TB), 部分燃焼層(PB), 非燃焼層(NB)を区別した。 7つの検証アプローチは、正確性、精度、リコール、IoU(Universal over Union)メトリクスの交叉に焦点を当てた、異なる分類後の組み合わせを評価した。 その結果, TB, PB, NBを個別クラスとし, TBを焼成領域 (BA) として再分類し, PB, NBを非焼成領域として分類した。 このアプローチをMCD64A1製品と比較した年次成績は,2020年には22%,2021年には28%,2022年には59%,それぞれ46%,43%,46%であった。 この研究は、衛星間スペクトルキャリブレーションを使わずに、バーンエリアマッピングのためのWFIセンサの有用性を強調し、データセットのポテンシャルと限界を評価するために、他の機械学習アルゴリズムとのさらなる探索を提案する。

関連論文リスト

• A Sentinel-2 benchmark dataset for deep-learning active-fire segmentation across 25 California wildfires [0.0]
  このデータセットには、カリフォルニアの山火事25件から、2020年7月から2026年8月までの2,148件のイメージマスクペアが含まれている。 リリースには、チップレベルのメタデータと18のトレーニング、3つのバリデーション、4つのテストファイアを含むインシデント分離が含まれている。 イメージペアのうち、841はアクティブファイアラベルを含み、これらのラベルはすべてのグリッドセルの0.0766%を占める。
  論文  参考訳（メタデータ） (2026-09-14T18:31:35Z)
• A Modelling and Evaluation Framework for EuroCrops-Driven Sentinel-2 Crop Segmentation [78.66324246922831]
  本研究では,Sentinel-2イメージとEuroCropsパーセルレベルのアノテーションからセマンティックセグメンテーション対応農業データセットを生成するパイプラインを提案する。 このデータセットには、ヨーロッパ5カ国から67,337のパッチが含まれており、10種類の作物と背景の分類を減らしている。 The four-level U-Net with Group Normalization were training using 10 Sentinel-2 spectrum bands and a Composite loss with class-weighted cross-entropy and Dice loss。
  論文  参考訳（メタデータ） (2026-05-30T11:20:29Z)
• BAWSeg: A UAV Multispectral Benchmark for Barley Weed Segmentation [31.004130414489698]
  そこで本研究では,2ストリーム分割ネットワークをネイティブ解像度で,放射能キューと正規化インデックスキューとを融合する。 植生インデックスとスペクトルアテンションは、植生インデックスマップの窓付き自己アテンションで動作する。 植生指数と分光アテンションは75.6%のmIoUと63.5%の雑草IoUを22.8Mパラメータで達成し、多スペクトルのSegFormer-B1ベースラインを1.2mIoUと1.9の雑草IoUで上回っている。
  論文  参考訳（メタデータ） (2026-03-02T14:49:05Z)
• FireSentry: A Multi-Modal Spatio-temporal Benchmark Dataset for Fine-Grained Wildfire Spread Forecasting [41.82363110982653]
  本稿では,サブメーター空間とサブ秒時間分解能を特徴とする地域規模のマルチモーダル山火事データセットFireSentryを提案する。 FireSentryは、可視および赤外線のビデオストリーム、その場での環境測定、手動で検証されたファイアマスクを提供する。 FireSentry上に構築され、物理に基づく、データ駆動、生成モデルを含む包括的なベンチマークを構築します。
  論文  参考訳（メタデータ） (2025-12-03T02:02:47Z)
• Deep Learning-Based Burned Area Mapping Using Bi-Temporal Siamese Networks and AlphaEarth Foundation Datasets [0.6768558752130311]
  そこで本研究では,AlphaEArthデータセットとSiamese U-Netディープラーニングアーキテクチャを組み合わせた,自動バーンエリアマッピング手法を提案する。 当社は,連続した米国におけるバーンSeverityデータセットのモニタリングトレンドを用いてモデルをトレーニングし,ヨーロッパを横断する17のリージョンで評価した。 実験結果から,提案手法は95%,IoU0.6,F1スコア74%の精度で優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-09-09T15:29:18Z)
• 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)
• FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
  森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。 本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。 このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。 我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
  論文  参考訳（メタデータ） (2023-11-06T18:42:05Z)
• Automating global landslide detection with heterogeneous ensemble deep-learning classification [44.99833362998488]
  地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。 危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。 近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
  論文  参考訳（メタデータ） (2023-09-12T10:56:16Z)
• Boundary Attention Mapping (BAM): Fine-grained saliency maps for segmentation of Burn Injuries [1.4424150304888417]
  火傷は、熱、化学、電気的侮辱などのメカニズムによって引き起こされる。 現在、視覚的および触覚的観察によるバーンアセスメントの主なアプローチは、およそ60%-80%の精度である。 熱傷の重症度を評価するための機械学習パイプラインを導入し、熱傷の影響を受ける皮膚の領域を分割する。
  論文  参考訳（メタデータ） (2023-05-24T17:15:19Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Multimodal Noisy Segmentation based fragmented burn scars identification in Amazon Rainforest [13.506008517232534]
  各種災害管理・生態学研究において, 到達不能雨林における山火事による火災跡の検出が重要である。 リモートセンシングとマルチモーダルデータの可用性の最近の進歩は、このマッピング問題に対して実行可能な解決策を提供する。 AmazonNET - マルチモーダルリモートセンシング画像から燃焼パターを抽出できる畳み込みベースのネットワーク。
  論文  参考訳（メタデータ） (2020-09-10T02:04:50Z)

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。