Sentinel-2データを用いたAIベースの多時期都市動態分析：トルコ・オスマニエの事例研究
AI-based multi-temporal analysis of urban dynamics using Sentinel-2 data. A case study over Osmaniye, Turkey (原題)
A. Pigna, Pietro Di Stasio, D. Tapete, Paolo Gamba, S. Ullo
🤖 gxceed AI 要約
日本語
本研究は、Sentinel-2衛星画像とU-Netセマンティックセグメンテーションを統合し、トルコ・オスマニエ市の2015年から2025年までの都市拡大を自動抽出・分析した。結果、継続的な都市拡大と2023年地震による混乱、その後の復興による回復を検出した。オープンデータとAIによる都市モニタリングと災害影響評価の可能性を示す。
English
This study integrates Sentinel-2 imagery with U-Net semantic segmentation to automatically extract and analyze urban expansion in Osmaniye, Türkiye from 2015 to 2025. Results reveal sustained urban growth, a disruption from the 2023 earthquake, and a rapid rebound linked to reconstruction. Demonstrates AI and remote sensing for urban monitoring and disaster impact assessment using open data.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本では、災害多発地域の都市モニタリングや復興状況の把握に応用可能。AIと衛星データを活用した防災・都市計画は、GXにおける適応策として注目される。
In the global GX context
Globally, this work contributes to climate risk assessment and disaster resilience, aligning with TCFD/ISSB physical risk disclosure needs. AI-driven urban monitoring can support adaptation planning and resilience reporting.
👥 読者別の含意
🔬研究者:AIとリモートセンシングを組み合わせた都市動態分析の手法と、災害による変化の検出可能性を示す。
🏢実務担当者:都市計画や防災部門で、オープンデータを用いた継続的なモニタリング手法として参考になる。
🏛政策担当者:災害後の復興状況の把握や、都市の気候変動適応計画の策定に活用できる。
📄 抄録（日本語訳）
抄録。災害リスク地域における都市動態のモニタリングは、長期的な都市成長を理解し、破壊的な事象の影響を評価するために不可欠である。本研究は、Sentinel-2マルチスペクトル画像とセマンティックセグメンテーション技術を統合した、都市モニタリングのための多時期フレームワークを提示する。World Settlement Footprint（WSF）参照データを用いて訓練されたU-Netアーキテクチャを採用し、建築エリアを自動的に抽出し、2015年から2025年までのオスマニエ市（トルコ）における都市拡大の時間的進化を再構築した。訓練されたモデルを完全なSentinel-2時系列に適用し、年次の建築エリアマップを生成し、この10年間の都市フットプリントの変化を分析した。結果は、調査期間全体を通じて建築エリアの明確かつ持続的な拡大を示している。多時期分析はまた、2023年の地震に関連する都市軌道の明確な混乱を捉え、その後に災害後の復興活動に関連する急速な回復が続くことを示している。セマンティックセグメンテーションと多時期衛星観測を組み合わせることで、提案されたフレームワークは、公開された地球観測データを用いて、漸進的な都市拡大と突発的な災害関連変化の両方を検出することを可能にする。結果は、継続的な都市モニタリング、災害影響評価、およびデータ駆動型の都市計画のための人工知能とリモートセンシングの可能性を強調している。
AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。
📄 Abstract（原文）
Abstract. Monitoring urban dynamics in hazard-prone regions is essential for understanding long-term urban growth and assessing the impact of disruptive events. This study presents a multi-temporal framework for urban monitoring that integrates Sentinel-2 multispectral imagery with semantic segmentation techniques. A U-Net architecture trained using World Settlement Footprint (WSF) reference data was employed to automatically extract built-up areas and reconstruct the temporal evolution of urban expansion in the city of Osmaniye (Türkiye) between 2015 and 2025. The trained model was applied to the full Sentinel-2 time series to generate yearly built-up maps and analyse changes in the urban footprint over the decade. The results reveal a clear and sustained expansion of built-up areas throughout the study period. The multi-temporal analysis also captures a distinct disruption in the urban trajectory associated with the 2023 earthquake, followed by a rapid rebound likely related to post-disaster reconstruction activities. By combining semantic segmentation with multi-temporal satellite observations, the proposed framework enables the detection of both gradual urban expansion and abrupt disaster-related changes using openly available Earth Observation data. The results highlight the potential of Artificial Intelligence and Remote Sensing for continuous urban monitoring, disaster impact assessment, and data-driven urban planning.
🔗 Provenance — このレコードを発見したソース
- semanticscholar https://doi.org/10.5194/isprs-archives-xlix-b3-2026-1307-2026first seen 2026-08-05 05:33:58 · last seen 2026-09-21 05:14:40
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。