文献

J-GLOBAL ID：202202225640478194   整理番号：22A1038040

Fire-Net:アクティブ森林火災検出のための深層学習フレームワーク【JST・京大機械翻訳】

Fire-Net: A Deep Learning Framework for Active Forest Fire Detection

著者 (5件)： Seydi Seyd Teymoor (School of Surveying and Geospatial Engineering, College of Engineering, University of Tehran, Tehran 14174-66191, Iran) ,  Saeidi Vahideh (Department of Mapping and Surveying, Darya Tarsim Consulting Engineers Co. Ltd, Tehran 15119-43943, Iran) ,  Kalantar Bahareh (RIKEN Center for Advanced Intelligence Project, Goal-Oriented Technology Research Group, Disaster Resilience Science Team, Tokyo 103-0027, Japan) ,  Ueda Naonori (RIKEN Center for Advanced Intelligence Project, Goal-Oriented Technology Research Group, Disaster Resilience Science Team, Tokyo 103-0027, Japan) ,  Halin Alfian Abdul (Department of Multimedia, Faculty of Computer Science and Information Technology Universiti Putra Malaysia, Serdang, Seri Kembangan 43400, Malaysia)
資料名： Journal of Sensors (Web)  (Journal of Sensors (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7792A  ISSN： 1687-725X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 森林保全は,健康で繁ivingする生態系の維持にとって重要である。リモートセンシング(RS)の分野は,森林地観測のためのコンピュータビジョンとセンサ技術の広い採用と統合されている。関心の1つの重要な領域は,活発な森林火災の検出である。森林火災は,自然あるいは手動で誘起され,大量の土地を急速に掃除し,不可脂肪な被害と生命の損失を残す。したがって,活発な森林火災(および燃焼バイオマス)の自動検出は,望ましくないカタストロフィーを回避するための重要な分野である。また,早期火災検出は,緩和戦略ならびに消火努力を計画するための意思決定者にとって有用である。本論文では,アクティブ火災と燃焼バイオマスの検出のためのLandsat-8画像上で訓練されたFire-Netと呼ばれる深層学習フレームワークを提案した。特に,より効果的な表現のために,画像から光学(Red,Green,Blue)と熱モダリティを融合する。さらに,著者らのネットワークは,残差畳込みと分離可能畳込みブロックを活用し,粗いデータセットから抽出されるより深い特徴を可能にした。実験結果は,97.35%の総合精度を示し,一方,小さな活性火災をロバストに検出できる。本研究のイメージは,オーストラリアと北アメリカの森林地域,アマゾン雨林,中央アフリカとチェルノブイル(ウクライナ)から,森林火災が活発に報告されている。Copyright 2022 Seyd Teymoor Seydi et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  ネットワーク ,  *森林 ,  観測 ,  消火 ,  土地 ,  リモートセンシング ,  緩和現象 ,  カタストロフィー理論 ,  バイオマス ,  生態系 ,  コンピュータビジョン ,  意思決定者 ,  ロバスト性
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 火災  (RA02020B)

引用文献 (55件)：

• D. Oom, J. M. C. Pereira, "Exploratory spatial data analysis of global MODIS active fire data," International Journal of Applied Earth Observation and Geoinformation, vol. 21, pp. 326-340, 2013.
• K. Ahmadi, B. Kalantar, V. Saeidi, E. K. G. Harandi, S. Janizadeh, N. Ueda, "Comparison of machine learning methods for mapping the stand characteristics of temperate forests using multi-spectral sentinel-2 data," Remote Sensing, vol. 12, no. 18, pp. 3019, 2020.
• B. Kalantar, N. Ueda, V. Saeidi, S. Janizadeh, F. Shabani, K. Ahmadi, F. Shabani, "Deep neural network utilizing remote sensing datasets for flood Hazard susceptibility mapping in Brisbane, Australia," Remote Sensing, vol. 13, no. 13, pp. 2638, 2021.
• M. J. Wooster, W. Xu, T. Nightingale, "Sentinel-3 SLSTR active fire detection and FRP product: pre-launch algorithm development and performance evaluation using MODIS and ASTER datasets," Remote Sensing of Environment, vol. 120, pp. 236-254, 2012.
• H. A. H. Al-Najjar, B. Pradhan, "Spatial landslide susceptibility assessment using machine learning techniques assisted by additional data created with generative adversarial networks," Geoscience Frontiers, vol. 12, no. 2, pp. 625-637, 2021.

タイトルに関連する用語 (3件)： 森林火災 ,  深層学習 ,  フレームワーク