文献

J-GLOBAL ID：201502254699479226   整理番号：15A0006132

航空機搭載ライダデータによる地域ベース手法を用いた森林インベントリー属性の汎用予測モデル

Generalizing predictive models of forest inventory attributes using an area-based approach with airborne LiDAR data

著者 (4件)： BOUVIER Marc (UMR TETIS Irstea-Cirad-AgroParisTech/ENGREF, Maison de la Teledetection en Languedoc-Roussillon, 500, rue J.F. ...) ,  DURRIEU Sylvie (UMR TETIS Irstea-Cirad-AgroParisTech/ENGREF, Maison de la Teledetection en Languedoc-Roussillon, 500, rue J.F. ...) ,  FOURNIER Richard A. (Centre d’Applications et de Recherches en Teledetection (CARTEL), Dep. de geomatique appliquee, Univ. de Sherbrooke ...) ,  RENAUD Jean-pierre (Office National des Forets, 11 rue Ile de Corse, 54000 Nancy, FRA)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 156  ページ： 322-334  発行年： 2015年01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： 本研究は航空機搭載ライダデータを用いて林分属性推定のモデル開発に広く使われている概念手法の改変を提案した。広範囲のキャノピー構造,地点,LiDAR特性に対する木材容積,樹幹容積,地上部バイオマス,胸高面積を予測する地域ベース手法を用いた新モデルを開発した。この新しいモデリング手法は,標準的手法である航空機搭載ライダから得た一連の高さ計量を用いる逐次回帰を採用していない。これは林分キャノピーの3D構造アスペクト補足を記述する4計量を用いた。初めの3計量はキャノピー高さ,高さ不均一性,水平キャノピー分布に関連した。4番目の計量は下層植生情報を提供した。この4構造計量を用いて開発したモデルは,高さ計量だけを用いて開発されたモデルに比べて林分属性のより高い推定精度を提供した。全体としてこのモデルは12.4%~24.2%範囲の予測誤差レベルを提供し,これは森林タイプと林分属性に依存した。均質針葉林分が最高の推定精度を生んだ。もし全林分タイプに汎用モデルを適用する代わりに個別林分タイプ(針葉,混合,落葉林分)に対して別々のモデルが開発された場合,混交林における推定誤差は大きく減少した。モデルロバスト性を着葉と着葉条件で評価したが,両条件は類似の推定誤差を生んだ。Copyright 2014 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *森林 ,  *分析 ,  予測モデル ,  レビュー ,  監視 ,  モデル ,  モデリング ,  樹幹 ,  体積 ,  *バイオマス ,  断面積 ,  地域差 ,  *植生 ,  パラメタリゼーション ,  高さ ,  不均一性 ,  分布 ,  *精度 ,  針葉樹林 ,  落葉樹林 ,  混交林 ,  *検証 ,  性能評価 ,  現場試験 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  *航空機搭載ライダー ,  *インベントリー分析 ,  森林監視 ,  推定モデル ,  容積 ,  *地上バイオマス ,  胸高断面積 ,  *林分構造 ,  水平分布 ,  下層植生 ,  *推定精度 ,  混合林 ,  *モデル検証 ,  現場実験

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

タイトルに関連する用語 (8件)： 航空機搭載ライダ ,  地域 ,  手法 ,  森林 ,  インベントリー ,  属性 ,  汎用 ,  予測モデル