文献

J-GLOBAL ID：201202241116051090   整理番号：12A1253653

機械学習法を用いた航空機搭載LiDARデータからの森林バイオマス推定

Forest biomass estimation from airborne LiDAR data using machine learning approaches

著者 (3件)： GLEASON Colin J. (Dep. of Geography, Univ. of California, Los Angeles, CA, USA) ,  IM Jungho (School of Urban and Environmental Engineering, Ulsan National Inst. of Sci. and Technol. (UNIST), Ulsan, 689-798, KOR) ,  IM Jungho (Dep. of Environmental Resources Engineering, State Univ. of New York, Coll. of Environmental Sci. and Forestry ...)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 125  ページ： 80-91  発行年： 2012年10月 
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： 過去10年間でライダ(LiDAR)データからの森林バイオマス定量化手順が急速に改善された。これ等手法のスコープは,LiDAR-導出高さ基準とバイオマス間の単純回帰から自動化樹冠,確率的シミュレーション,機械学習手法にまたがっている。本研究は,4モデリング技術の有効性を比較した-線形混合効果(LME)回帰,ランダム森(RF),サポートベクトル回帰(SVR),及びCubist-樹木とプロットレベル両方に関する中程度に密な森林(40-60%キャノピー閉鎖)に於けるバイオマス推定に関して。樹木を描写し個体樹木バイオマスを推定するモデルを提供し,バイオマスモデリングに於ける描写精度の影響を解析した。樹冠描写には以前に開発した手法(COTH)を用いた。得られた結果は,プロットに関してモデル化した場合バイオマス推定精度が改善され,SVRが最も正確なバイオマスを作ることを示した(380m²プロット当たり671kgRMSE,森林プロットが樹木集合としてモデル化されたとき)。全てのモデルが,個体樹木レベルでバイオマスを推定した場合に類似の結果を生んだ(505,506,457,502kg RMSE樹木当たり)。手入力で描写樹冠を入力として,モデリング手順を反復することに依って バイオマス推定に対する樹冠描写精度が与える影響を評価した。得られた結果は,手入力で描写した樹冠が常時優れたバイオマスモデルを生み出すとは限らないこと,また樹冠描写精度とバイオマス推定精度間の関係が複雑でありまた更に研究する必要があることを示した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *機械学習 ,  *バイオマス ,  *モデル ,  モデリング ,  精度 ,  *性能分析 ,  性能評価 ,  *比較 ,  自動化 ,  確率モデル ,  回帰モデル ,  計算機アルゴリズム ,  樹冠 ,  誤差 ,  手作業 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  *航空機搭載ライダー ,  *森林バイオマス ,  *推定モデル ,  推定精度 ,  性能解析 ,  性能評定 ,  性能比較 ,  確率的モデル ,  線形回帰モデル ,  ランダム森 ,  樹木モデル ,  RMSE【誤差】 ,  マニュアル操作

分類 (4件)： 測樹学  (FF01040T) ,  レーダ  (ND13010H) ,  リモートセンシング一般  (AD04000L) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 機械学習 ,  航空機搭載 ,  LIDARデータ ,  森林バイオマス ,  推定