文献

J-GLOBAL ID：201702243405393522   整理番号：17A0160746

時系列のハイパースペクトルリモートセンシング画像に基づく畑スケールの作物収量予測【JST・京大機械翻訳】

Study on the Prediction of Cotton Yield within Field Scale with Time Series Hyperspectral Imagery

著者 (7件)： Liu Huanjun (College of Natural Resources and the Environment, Northeast Agricultural University) ,  Kang Ran (College of Natural Resources and the Environment, Northeast Agricultural University) ,  Susan Ustin (Center for Spatial Technologies and Remote Sensing (CSTARS) , Department of Land, Air, and Water Resources, University of California) ,  Zhang Xinle (College of Natural Resources and the Environment, Northeast Agricultural University) ,  Fu Qiang (College of Natural Resources and the Environment, Northeast Agricultural University) ,  Sheng Lei (College of Natural Resources and the Environment, Northeast Agricultural University) ,  Sun Tianyi (College of Natural Resources and the Environment, Northeast Agricultural University)
資料名： Guangpuxue yu Guangpu Fenxi  (Guangpuxue yu Guangpu Fenxi)
巻： 36  号： 8  ページ： 2585-2589  発行年： 2016年 
JST資料番号： C2093A  ISSN： 1000-0593  CODEN： GYGFED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 精密農業分野において、畑の土壌の物理化学的性質、作物の生長、生産量などには極めて著しい空間的不均一性がある。ハイパースペクトルリモートセンシングはスペクトルの次元情報の抽出に集中し、空間と時相情報を十分に利用せず、植生の生長、バイオマスと生産量のモニタリング精度を制限した。従来のグリッドサンプリングと統計的空間補間法は,時間がかかり,コストが高く,一般化が難しい。リモートセンシング技術は作物の生理学的パラメータの時空間不均一性情報を得ることができ、畑スケールの精密管理区分(SSMZ)に用いることができる。研究対象として畑スケールの綿を取り上げ,時系列の航空ハイパースペクトルリモートセンシング画像を取得し,異なる成長ワタの反射スペクトル特性を分析し,スペクトル指数,総合スペクトル,相空間,空間次元情報を構築し,オブジェクト指向法を用いて精密管理区画を構築し,収量リモートセンシング予測モデルを構築した。結果は以下を示す。多次元情報を統合したオブジェクト指向セグメンテーション法は,画素に基づく方法よりも優れており,リモートセンシングと収量データの雑音を部分的に除去し,ワタの推定精度を改善することができる。異なる植生指数とワタ収量間の相関係数は,一次導関数,NDVI,,,二次微分であった。同じスケールと単一相では,一次微分予測モデルの精度は高く,多重指数植生指数も高い精度を得ることができた。同じ入力量、異なる尺度に対して、比較的少ないSSMZ数の綿花生産量予測モデルの精度はより高く、安定性はより良く、これは画像と生産量データの空間定位に一定の誤差が存在するためである。研究成果は作物の成長、推定方法を豊かにし、リモートセンシングモニタリングの精度を高め、UAVの遠隔感知の関連分野への応用を加速させる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： バイオマス ,  *作物収量 ,  不均一性 ,  生産量 ,  内挿法 ,  正規化植生指数 ,  セグメンテーション ,  *リモートセンシング ,  画素 ,  反射スペクトル ,  *スペクトル ,  相関係数 ,  予測モデル ,  植生指標 ,  *ハイパースペクトルリモートセンシング ,  環境指標 ,  指数 ,  モデル

著者キーワード (5件)： Spectral index ,  Site specific management zone ,  Hyperspectral remote sensing ,  Time series ,  Yield

分類 (2件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 時系列 ,  ハイパースペクトルリモートセンシング ,  畑 ,  スケール ,  作物 ,  収量予測