AI-based multi-temporal analysis of urban dynamics using Sentinel-2 data. A case study over Osmaniye, Turkey
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 翻訳)
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。
📄 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
🔔 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。