文献

J-GLOBAL ID：201802219809489627   整理番号：18A0710418

惑星,ランドサットおよびMODISデータを用いたCubesatによる空間-時間増強法(CESTEM)【JST・京大機械翻訳】

A Cubesat enabled Spatio-Temporal Enhancement Method (CESTEM) utilizing Planet, Landsat and MODIS data

著者 (2件)： Houborg Rasmus (Geospatial Sciences Center of Excellence, South Dakota State University, Brookings, SD 57007-3510, USA) ,  McCabe Matthew F. (King Abdullah University of Science and Technology (KAUST), Water Desalination and Reuse Center (WDRC), Biological and Environmental Science & Engineering (BESE), Thuwal, Saudi Arabia)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 209  ページ： 211-226  発行年： 2018年 
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： 可視から近赤外(VNIR)領域における衛星センシングは,40年以上にわたる土地表面モニタリングと特性化のバックボーンである。しかし,従来の単一センサ衛星ミッションの限界は,広範囲の応用によって要求される非常に高い空間的および時間的分解能において,土地表面動力学を観察するためのそれらの限られた能力である。この時空分割に対する一つの解決策は,CubeSat標準に基づく観測戦略であり,小型で安価な衛星の配置を容易にする。3~4m分解能でのRGBおよび近赤外(NIR)バンドにおける反復可能な近日画像捕捉は,最近,Planetによって商業的に操作された>130CubeSatの配置によって利用可能になった。このシステムによって得られる観測能力は前例がないが,比較的低い放射測定品質と交差センサ不整合は,地球観測におけるゲーム変化者としてのそれらの完全な可能性の実現における重要な課題を表す。この問題に対処するために,CubeSat取得の間の放射測定不整合を補正するために,多重スケール機械学習技術を用いた,CubeSat Enabled Spio-Tempal Encement Method(CESTEM)を開発した。CESTEMは,青,緑,赤,およびNIRバンドにおけるLandsat8の一貫した大気補正表面反射率を生み出すが,CubeSat観測の空間スケールと時間周波数においてはそうである。サウジアラビアにおける農業乾燥システムに対するCESTEMの適用は,Landsat8とCubeSat取得が時間的に>32日に置換された場合でも,全体的な相対平均絶対偏差1.6%以上で,Landsat8の一貫したVNIRデータのCubeSatベースの再現を示した。整合的に高い検索精度を,MODIS一貫表面反射時系列を用いてLandsat8参照データを導き,Landsat-CubeSat取得時間間隔におけるLandsatスケール反射率の相対変化を定量化する多重スケール標的サンプリング方式を用いて達成した。地球全体の毎日の天底面画像に近づいているPlanetのCubeSatの観測可能性により,CESTEMは,空間分解能の10倍の増加と実際のLandsat8観測の放射測定品質を持つ日Landsat8の一貫したVNIR画像を生成する能力を提供する。この前例のない地球観測能力の実現は,精度スケールでの陸上システムの監視と特性化のための意味に達している。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地表面 ,  機械学習 ,  キャラクタリゼーション ,  放射測定 ,  品質 ,  反射率 ,  空間分解能 ,  センサ ,  農業 ,  地球 ,  画像 ,  近赤外線 ,  *LANDSAT
準シソーラス用語： 地球観測 ,  *MODIS , 【Automatic Indexing@JST】

著者キーワード (8件)： Cubesat ,  惑星 ,  ランドサット ,  MODIS ,  キュービスト ,  機械学習 ,  VNIR ,  時空間増強

分類 (2件)： リモートセンシング一般  (AD04000L) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (5件)： 惑星 ,  ランドサット ,  MODIS ,  CubeSat ,  増強