文献

J-GLOBAL ID：201702267260412662   整理番号：17A0813847

LAI空間知識に基づくマルチスケール多段階目標意思決定インバージョン【JST・京大機械翻訳】

著者 (3件)： Zhu Xiaohua (中国科学院遥感応用研究所) ,  Feng Xiaoming (中国科学院生態環境研究中心) ,  Zhao Yingshi (中国科学院研究生院)
資料名： Zhongguo Kexue. Diqiu Kexue  (Zhongguo Kexue. Diqiu Kexue)
巻： 42  号： 2  ページ： 246-255  発行年： 2012年 
JST資料番号： C2584A  ISSN： 1674-7240  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： 定量的リモートセンシングの反転は観測情報量が不足しているため、しばしば「病態」の反転であり、しかも地域研究において極めて際立っている。本論文では、MODIS250M推定地域のLAIを典型例として、空間知識に基づくマルチスケール多段階目標意思決定方法を提案し、事前知識の導入とその合理的な使用を研究し、地域リモートセンシングの不良設定問題を解決するために、合理的な解決案を提供することを試みた。最初に,MODIS画像(1KM,500Mおよび250M)を用いて,多重スケール情報を抽出し,MODISの低分解能データのマルチステージ目標意思決定に統合し,空間不均一性の影響を低減した。それは,粗いスケールのデータインバージョンパラメータの精度を改善した。次に,粗スケールインバージョンの結果は,インバージョンのための事前知識として,再びインバージョンに参加して,複数回のインバージョンによって,以前の知識を更新することができた。MODIS1KMからMODIS250Mまで、各スケールのインバージョンにおいて、最も敏感なデータを用いて最も不確実なパラメータを反転し、限られたデータのモデル空間における合理的な分配を実現した。空間知識に基づくマルチスケール多段階目標意思決定反転方法は、地面実測データ、空間知識、マルチスケールリモートセンシング観測データを融合し、インバージョンは一段階の細線化過程であり、反転パラメータの初期期待は更に合理的で、不確定範囲は有効に縮小し、反転目標はより明確になる。最後に,MODISデータを用いて,この方法を検証し,従来の地域的パラメータ取得法と比較して,この方法はより正確で信頼できることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 細線化 ,  不均一性 ,  情報量 ,  不確実性 ,  画像 ,  *意思決定 ,  モデル ,  リモートセンシング
準シソーラス用語： 低分解能 ,  MODIS ,  事前知識 ,  病態 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (6件)： LAI ,  知識 ,  マルチスケール ,  段階 ,  目標 ,  意思決定