文献

J-GLOBAL ID：201702283930686447   整理番号：17A0697291

森林資源の2段階モデル支援調査のための新しい予測ベース分散推定量【Powered by NICT】

A new prediction-based variance estimator for two-stage model-assisted surveys of forest resources

著者 (10件)： Saarela Svetlana (Department of Forest Resource Management, Swedish University of Agricultural Sciences, SLU Skogsmarksgraend, Umea SE-90183, Sweden) ,  Andersen Hans-Erik (USDA Forest Service, Pacific Northwest Research Station, USA) ,  Grafstrom Anton (Department of Forest Resource Management, Swedish University of Agricultural Sciences, SLU Skogsmarksgraend, Umea SE-90183, Sweden) ,  Schnell Sebastian (Department of Forest Resource Management, Swedish University of Agricultural Sciences, SLU Skogsmarksgraend, Umea SE-90183, Sweden) ,  Gobakken Terje (Department of Ecology and Natural Resource Management, Norwegian University of Life Sciences, P.O.Box 5003, Å NO-1432s, Norway) ,  Naesset Erik (Department of Ecology and Natural Resource Management, Norwegian University of Life Sciences, P.O.Box 5003, Å NO-1432s, Norway) ,  Nelson Ross F. (NASA/Goddard Space Flight Center, Greenbelt, MD20771, USA) ,  McRoberts Ronald E. (USDA Forest Service, Northern Research Station, USA) ,  Gregoire Timothy G. (School of Forestry and Environmental Studies, Yale University, New Haven, CT, USA) ,  Stahl Goran (Department of Forest Resource Management, Swedish University of Agricultural Sciences, SLU Skogsmarksgraend, Umea SE-90183, Sweden)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 192  ページ： 1-11  発行年： 2017年 
JST資料番号： C0252B  ISSN： 0034-4257  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： リモートセンシング補助データを利用した森林資源評価は,低コストで森林パラメータの正確な推定値を提供するそれらの能力のためにますます重要になっている。このような調査の結果提示では,のみならずターゲットパラメータの推定値でなく,それらの信頼区間,真の値があるレベル信頼性で位置しているが,値の範囲を提供を提供することが重要である。もしこのような間隔が狭い調査からの点推定値は非常に信頼できると考えられる。信頼区間を推定では推定量の変動を最初に推定しなければならない。平均推定は真値と一致することを,不偏性は分散推定量に対しても重要な特性である。もう一つの重要な特性は分散推定量それ自身が,低分散推定量を用いて得られた分散推定値は,厳密に正ではない可能性がある場合に最小を持つことである。一つのそのような重要な症例は二段階デザインは最初から補助データ,航空機搭載レーザ走査から得られる基準のような,が得られたストリップの形で試料クラスタを割り当てる際に使用される時である現場データは,第二段階で各試料ストリップ下のサンプルプロットから導いた。本論文では,そのような調査のための二分散推定量を比較した。第一推定量はモデル支援サンプリングに参照教科書で提案された標準推定器である。第二の推定量は,著者らが提案した,より大きな程度に補助データを利用した。モンテカルロシミュレーションにより,両分散推定量はほぼ公平であるが,新しい推定量はより安定である(すなわち,低経験的分散を有する)と名目被覆率とより密接に一致することを経験的信頼区間被覆率を提供することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 信頼性 ,  パラメータ推定 ,  被覆率 ,  *推定 ,  リモートセンシング ,  クラスタ ,  信頼区間 ,  *モデル ,  *予測 ,  *推定量
準シソーラス用語： モンテカルロシミュレーション ,  レーザ走査 ,  航空機搭載 ,  *分散推定 ,  *森林資源 , 【Automatic Indexing@JST】

著者キーワード (4件)： 航空機搭載レーザ走査 ,  設計ベースの推論 ,  モンテカルロシミュレーション ,  分散推定

分類 (2件)： リモートセンシング一般  (AD04000L) ,  測樹学  (FF01040T)

タイトルに関連する用語 (7件)： 森林資源 ,  段階 ,  モデル ,  支援 ,  調査 ,  予測 ,  推定量