要約
森林火災は、欧州連合（EU）がコペルニクスEMS地球観測プログラムを通じて積極的に監視している自然災害の一つであり、このプログラムはこうした大規模な災害事象に関する継続的な公的情報を提供している。このような災害は短期的および長期的な被害をもたらすため、その影響を制限し、復旧プロセスを計画するためには、当局による迅速な対応が不可欠である。この対応を強化するためには、衛星画像と自動的な焼失地域抽出手法の活用が有効であり、これにより応急対応および意思決定プロセスが加速される。本研究では、最先端の深層学習フレームワークを活用して、焼失地域の深刻度推定問題に取り組む。実験結果は、非常に大規模な実世界のSentinel-2衛星データセット上で、異なるモデルアーキテクチャおよび損失関数の性能を比較している。さらに、予測挙動を解明し、モデルの解釈可能性を高めるための新規なマルチチャネル注目（attention）ベースの分析手法を提示する。また、注目機構を備えたDS-UNetに対して、摂動（perturbation）機構を適用し、異なるドメイン駆動型チャネル群が深刻度推定に果たす貢献度を評価している。