文献

J-GLOBAL ID：201702246844433557   整理番号：17A0314193

衛星多重角輝度温度を用いた土壌水分不足推定【Powered by NICT】

Soil moisture deficit estimation using satellite multi-angle brightness temperature

著者 (3件)： Zhuo Lu (WEMRC, Department of Civil Engineering, University of Bristol, Bristol, UK) ,  Han Dawei (WEMRC, Department of Civil Engineering, University of Bristol, Bristol, UK) ,  Dai Qiang (Key Laboratory of Virtual Geographic Environment of Ministry of Education, School of Geography Science, Nanjing Normal University, Nanjing, China)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 539  ページ： 392-405  発行年： 2016年08月 
JST資料番号： C0584A  ISSN： 0022-1694  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 水文学的モデリングのための非常に重要な正確な土壌水分情報。リモートセンシング土壌水分測定は重要なデータ源となっているが,水文学的モデル化に直接使用できない。非線形技術(局所線形回帰(LLR)と二フィードフォワード人工ニューラルネットワーク(ANN)に基づく新しい研究は,土壌水分不足(SMD)を推定するために実施,水平(H)および垂直(V)偏光両方を用いたSoil Moisture and Ocean Salinity(SMOS)多角輝度温度(T BS)を使用することである。ガンマ試験はSMD推定のための信頼性のある平滑モデルを構築するために必要なT BSの最適数を決定するために初めて使用し,モデル入力と出力の間の関係は,誤差分散推定により達成される。研究地域におけるシミュレートしたSMD時系列は,Xinanjiang水文モデルである。結果は,LLRモデルはANNよりもSMDとT BSの間の相互関係を捕捉で優れていることを示し,訓練(NSE=0.88, r=0.94, RMSE=0.008m)と試験相(NSE=0.85, r=0.93, RMSE=0.009m)の両方で得られた顕著な統計的性能であった。それにもかかわらず,両ANN訓練アルゴリズム(半径方向BFGSと共役勾配)はSMDデータを推定するのによく機能し,SMOS土壌水分製品から直接導かれたものと比較して優れた性能を示した。本研究はまた,モデル開発のための入力データの選択におけるガンマ試験の情報能力を実証した。これらの結果は,洪水予測におけるデータ同化のための興味ある展望を提供した。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： ニューラルネットワーク ,  *輝度温度 ,  データ同化 ,  水文モデル ,  リモートセンシング ,  偏光 ,  *土壌水 ,  学習アルゴリズム ,  水文学 ,  フィードフォワード ,  洪水予報 ,  モデリング ,  共役
準シソーラス用語： モデル開発 ,  線形回帰 , 【Automatic Indexing@JST】

著者キーワード (6件)： SMOS輝度温度 ,  土壌水分 ,  局所線形回帰(LLR) ,  人工神経回路網(ANN) ,  土壌水分欠乏(SMD) ,  水文学的モデル化

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (5件)： 衛星 ,  多重 ,  輝度温度 ,  土壌水分 ,  推定