この研究では、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て、自動化された火災被害地域マッピングのための新しいアプローチを提示します。高解像度の光学および熱赤外線画像と包括的な地上真実アノテーションで構成されたAlphaEarthデータセットは、強力な火災被害地域検出モデルを訓練するための前例のないリソースを提供します。米国本土のモニタリング・トレンド・イン・バーン・セベリティ（MTBS）データセットでモデルを訓練し、ヨーロッパの17地域で評価した結果、提案されたアンサンブルアプローチはテストデータセットで全体的な精度95％、IoU 0.6、F1スコア74％の優れた性能を達成しました。このモデルは、複雑な背景を持つ様々な生態系で火災被害地域を首尾よく識別し、特に部分的に燃えた植物と火災境界を検出することに強みを示し、火災被害地域マッピングにおいて転移性と高い一般化能力を示した。この研究は、自動化された火災ダメージ評価の進歩に貢献し、AlphaEarthデータセットを使用して世界中の火災ダメージを監視するための拡張可能なソリューションを提供します。
