文献

J-GLOBAL ID：201702286038269530   整理番号：17A0066826

ICESAT-GLAS波形データに基づく森林閉鎖度の推定【JST・京大機械翻訳】

Estimation of forest canopy density based on ICESat-GLAS waveform data

著者 (4件)： Qiu Sai (College of Technology and Engineering,Northeast Forestry University) ,  Xing Yanqiu (College of Technology and Engineering,Northeast Forestry University) ,  Tian Jing (College of Technology and Engineering,Northeast Forestry University) ,  Ding Jianhua (College of Technology and Engineering,Northeast Forestry University)
資料名： Nanjing Linye Daxue Xuebao. Ziran Kexue Ban  (Nanjing Linye Daxue Xuebao. Ziran Kexue Ban)
巻： 40  号： 5  ページ： 99-106  発行年： 2016年 
JST資料番号： C2601A  ISSN： 1000-2006  CODEN： NLDXBZ  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： GLAS波形データによる森林の閉鎖度推定の潜在力を探るために、吉林省の清明林業局の経営区を研究区とし、ガウス低域フィルタを用いてGLAS波形データに対して平滑フィルタリングを行った。平滑化されたGLAS波形データから比エネルギーパラメータ(I)と差分エネルギーパラメータ(e_c)を抽出し,異なる森林型に対して森林の閉鎖度の単一変数モデルと多変量モデルを構築した。研究結果は以下を示す。パラメータIによって確立された単一変数モデルは,パラメータe_cによって構築された単一変数モデルより優れている。しかし,パラメータIとecによって構築された多変量モデルは,単一変数モデルより明らかに優れている。広葉樹林において,森林キャノピー密度モデルの決定係数(R_(adj)2)と平方根平均平方根誤差(RMSE)は,それぞれ0.72と0.07であり,モデル検証のR_(adj)2は0であった。74,RMSEは0.06であった。針葉樹林に対して,R_(adj)2は0.80,RMSEは0.10,R_(adj)2は0.76,RMSEは0.11であった。混交林モデルの精度は広葉樹林と針葉樹林の間で,R_(adj)~2は0.75,RMSEは0.09,モデル検証のR_(adj)~2とRMSEはそれぞれ0.71と0.07であった。そのため、GLAS波形データは森林の閉鎖度を推定する面で一定の潜在力があり、パラメータIとe_cを連合することで、GLAS波形データによる森林の閉鎖度の推定精度を向上させることができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 広葉樹林 ,  フィルタ ,  混交林 ,  平滑化 ,  *針葉樹林
準シソーラス用語： モデル検証 ,  決定係数 ,  多変量 ,  森林型 ,  差分 ,  *GLAS , 【Automatic Indexing@JST】

著者キーワード (4件)： LiDAR ,  GLAS waveform ,  forest canopy density ,  echo energy

分類 (1件)： 森林生物学一般  (FF02010T)

タイトルに関連する用語 (4件)： 波形 ,  森林 ,  閉鎖 ,  推定