Bruno Adriano 研究室
主宰者:Bruno Adriano
東北大学
AI 要約(直近 5 年の研究成果)
Bruno Adriano研究室では、自然災害による被害の把握と軽減を目指し、衛星観測データと数値シミュレーション、機械学習を組み合わせた総合的なアプローチを展開しています。
研究の問い・手法の側面では、洪水や津波、地震などの災害直後に、迅速かつ正確に被災範囲や建物被害を特定することが課題です。そこで、合成開口レーダ(SAR)衛星画像や光学衛星画像の解析、ドローンやレーザー計測による3次元データ取得、深層学習モデルの開発といった複数の手法を活用しています。特に、災害前の観測データが入手困難な現実的な状況を想定し、単一時期の衛星画像のみから被害を抽出する方法や、生成型モデルで不足するデータを補完する技術を開発しています。
主要な発見・応用の側面では、高解像度の地形データと機械学習を組み合わせることで、洪水の浸水深や津波による建物損傷の予測精度が向上することが示されています。また、ペルーやインドネシアなど災害リスクの高い地域を対象に、エージェント・ベースド・モデリングと強化学習を用いた避難シミュレーション、津波警報システムの最適化、早期被害評価システムの構築などの実践的な応用研究も進めています。これらの研究は、発展途上国における災害対応能力の向上に貢献することを目指しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +10
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 103 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +10
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 133 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +8
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 医学Toshihisa Anzai 研究室北海道大学論文 101 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 医学Satoshi Suzuki 研究室Keio University Hospital論文 100 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 189 件·共通: 深層学習, AI・機械学習, 学習, システム +8
- 保健専門職Qi An 研究室東京大学論文 159 件·共通: AI・機械学習, 機械学習, 機械, 学習 +8
研究成果(48 件)
- DOI: https://doi.org/10.3390/eesp2026041007
- DOI: https://doi.org/10.1007/s11069-026-08244-0
- DOI: https://doi.org/10.5194/isprs-annals-xi-3-2026-493-2026
- DOI: https://doi.org/10.1109/jstars.2026.3703826
- DOI: https://doi.org/10.20965/jdr.2026.p0201
- DOI: https://doi.org/10.1007/s00024-026-03949-6
- DOI: https://doi.org/10.1016/j.ijdrr.2026.106195
- DOI: https://doi.org/10.1016/j.jag.2025.104941
- DOI: https://doi.org/10.3390/rs18010134
- [2025] Evaluation of open-source SAR-based flood datasets for flood extent mapping in emergency settingsDOI: https://doi.org/10.1016/j.pdisas.2025.100507
続きを表示(残り 38 件)閉じる
- DOI: https://doi.org/10.20965/jdr.2025.p1034
- [2025] Parallel Computing Approach for Rapid Estimation of Tsunami Hazard and Population Exposure in PeruDOI: https://doi.org/10.20965/jdr.2025.p0912
- DOI: https://doi.org/10.20965/jdr.2025.p1023
- DOI: https://doi.org/10.1093/gji/ggaf432
- DOI: https://doi.org/10.1051/e3sconf/202565102011/pdf
- DOI: https://doi.org/10.5194/essd-17-5259-2025
- DOI: https://doi.org/10.23919/apsar64635.2025.11392265
- DOI: https://doi.org/10.5194/isprs-archives-xlviii-g-2025-1663-2025
- DOI: https://doi.org/10.1016/j.oceaneng.2025.122179
- [2025] Towards real-time extraction of cascading effect and spatiotemporal analysis using social media dataDOI: https://doi.org/10.1016/j.ijdrr.2025.105512
- DOI: https://doi.org/10.1016/j.oceaneng.2025.121496
- DOI: https://doi.org/10.1016/j.oceaneng.2025.121019
- DOI: https://doi.org/10.1016/j.pepi.2025.107344
- DOI: https://doi.org/10.1051/e3sconf/202565102011
- [2024] Evaluation of Deep Learning Models for Building Damage Mapping in Emergency Response SettingsDOI: https://doi.org/10.1109/jstars.2024.3367853
- DOI: https://doi.org/10.1109/igarss53475.2024.10641821
- DOI: https://doi.org/10.1109/igarss53475.2024.10640983
- DOI: https://doi.org/10.1038/s43247-024-01643-w
- DOI: https://doi.org/10.5194/isprs-annals-x-4-2024-433-2024
- DOI: https://doi.org/10.1109/jstars.2024.3418412
- DOI: https://doi.org/10.1109/lgrs.2024.3407725
- DOI: https://doi.org/10.1109/lgrs.2024.3520251
- DOI: https://doi.org/10.1109/igarss53475.2024.10642715
- DOI: https://doi.org/10.1109/igarss52108.2023.10282604
- DOI: https://doi.org/10.20965/jdr.2023.p0379
- DOI: https://doi.org/10.1016/j.jag.2023.103193
- DOI: https://doi.org/10.1109/wacv56688.2023.00619
- DOI: https://doi.org/10.1109/igarss52108.2023.10282463
- DOI: https://doi.org/10.20965/jdr.2023.p0825
- [2023] Tsunami wave characteristics in Sendai Bay, Japan, following the 2016 Mw 6.9 Fukushima earthquakeDOI: https://doi.org/10.1016/j.oceaneng.2023.115676
- DOI: https://doi.org/10.1038/s41598-023-41047-y
- DOI: https://doi.org/10.1007/s10707-022-00480-3
- DOI: https://doi.org/10.5194/nhess-22-65-2022
- DOI: https://doi.org/10.3934/geosci.2021040
- DOI: https://doi.org/10.1109/jstars.2021.3085122
- DOI: https://doi.org/10.5194/nhess-2021-153
- [2021] Learning from multimodal and multitemporal earth observation data for building damage mappingDOI: https://doi.org/10.1016/j.isprsjprs.2021.02.016
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。