文献

J-GLOBAL ID：201702264605353610   整理番号：17A1383605

より良い水質管理のための機械学習を支援する統合マルチセンサ衛星データ融合と画像再構成【Powered by NICT】

Integrating multisensor satellite data merging and image reconstruction in support of machine learning for better water quality management

著者 (4件)： Chang Ni-Bin (Department of Civil, Environmental and Construction Engineering, University of Central Florida, Orlando, FL, 32816, USA) ,  Bai Kaixu (Key Laboratory of Geographic Information Science (Ministry of Education), East China Normal University, Shanghai, 200241, China) ,  Bai Kaixu (School of Geographic Sciences, East China Normal University, Shanghai, 200241, China) ,  Chen Chi-Farn (Center for Space and Remote Sensing Research, National Central University, Taoyuan County, 32001, Taiwan)
資料名： Journal of Environmental Management  (Journal of Environmental Management)
巻： 201  ページ： 227-240  発行年： 2017年 
JST資料番号： H0435B  ISSN： 0301-4797  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 湖沼,貯水池,河口,および沿岸水域の水質監視変化は持続可能な開発のためのニーズに応えるにおいて重要である。本研究では,環境的に敏感な地域における連続水質モニタリングを自動化につながる機械学習による特徴抽出を支援するマルチセンサ衛星データ融合と画像再構成アルゴリズムを統合することにより,リモートセンシングに基づくマルチスケールモデリングシステムを開発した。この新しい地球観測プラットフォーム,「機械学習による断面ミッションデータ融合と画像再構成」(CDMIM)と呼ばれる,画像処理,増強,再構成,データマイニング/機械学習技術一連の日常水質モニタリングを提供する複数の衛星画像を結合することができた。二既存の鍵アルゴリズム,スペクトル情報適応と合成方式(SIASS)とSMart情報再構成(SMIR)を含む,特徴抽出とコンテンツベースマッピングを支援するために強調した。SIASSは断面ミッション衛星センサから収集した画像を融合する様々なデータ融合努力を支援することができるが,SMIRは雲閉塞などの影響による値欠損画素の情報を再構築することにより,データギャップを克服することができる。CDMIMの実際的な実現を,栄養素とクロロフィルaの濃度だけでなく,ニカラグア湖の水の透明度の観点から季節の水質を予測する,より良い水環境を監視し,洞察に満ちた湖流域管理戦略を提供するために相乗作用を与えることにより評価した。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： *データ融合 ,  特徴抽出 ,  貯水池 ,  *水質管理 ,  *センサ ,  持続可能な開発 ,  *画像再構成 ,  相乗作用 ,  衛星利用画像 ,  *機械学習 ,  *水質 ,  *再構成 ,  湖沼 ,  アルゴリズム ,  リモートセンシング

著者キーワード (5件)： 水質 ,  リモートセンシング ,  機械学習 ,  を可能にする技術 ,  流域管理

分類 (1件)： 環境問題  (SA01020V)

タイトルに関連する用語 (8件)： 水質管理 ,  機械学習 ,  支援 ,  統合 ,  マルチセンサ ,  衛星データ ,  融合 ,  画像再構成