近年、森林火災の頻度と深刻さが増加しており、環境監視や火災後の評価において焼失地域の正確な範囲指定が重要な課題となっています。しかし、二値セグメンテーションモデルに依存する従来の手法は、リソースの制限やこのセグメンテーションタスクの固有の不均衡性のために、特にゼロから学習させる場合に堅牢で正確な結果を得るのが難しいことがあります。これらの制約を解決するために、以下の2つの方法を提案します。第一に、Sentinel-2データフィードとCopernicusアクティベーション、その他のデータソースを組み合わせたアドホックなデータセットを構築することでリソースの制限に対処します。このデータセットでは、焼失地域の範囲指定や土地被覆セグメンテーションなど複数のタスクに対する注釈を提供しています。第二に、土地被覆分類を補助タスクとして取り入れたマルチタスク学習フレームワークを提案します。これにより、焼失地域セグメンテーションモデルの堅牢性と性能が向上します。UPerNetやSegFormerなどの異なるモデルの性能を比較し、標準的な二値セグメンテーションに対して当方針の効果性を示しています。