文献

J-GLOBAL ID：201802220239169362   整理番号：18A1072925

森林インベントリーと航空機搭載レーザ走査データの共登録と個々の木マッチングのための機械学習法【JST・京大機械翻訳】

A Machine Learning Method for Co-Registration and Individual Tree Matching of Forest Inventory and Airborne Laser Scanning Data

著者 (4件)： Lamprecht Sebastian (Remote Sensing & Geoinformatics Department, Trier University, 54286 Trier, Germany) ,  Hill Andreas (Department of Environmental Systems Science, ETH Zurich, 8092 Zurich, Switzerland) ,  Stoffels Johannes (Remote Sensing & Geoinformatics Department, Trier University, 54286 Trier, Germany) ,  Udelhoven Thomas (Remote Sensing & Geoinformatics Department, Trier University, 54286 Trier, Germany)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 5  ページ： 505  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 森林インベントリプロットの正確な位置を決定し,したがって,サンプリングされた樹木の位置は,森林キャノピー下の貧弱な地球航法衛星システム(GNSS)信号品質によってしばしば妨げられる。不正確な地理参照は,空間的に高いリモートセンシングデータ(例えば,種分類または木材容積推定)から有用な情報を検索することを目的とするモデルの性能を妨げる。この制限は個々の樹木のレベルにおいてさらに厳しい。本研究の目的は,GNNS測定サンプルプロットセンターの位置精度を改善するための後処理戦略を開発し,地上サンプル区画内の樹木を空中検出樹木に自動的にマッチさせる方法を開発することであった。著者らは,ランダムフォレスト分類器を用いて,各地上基準と空中検出ツリー対のマッチング確率を推定し,結果の信頼性を評価する機会を与える新しい方法を提案した。著者らは,Rhineland-Palatinateのドイツ連邦州内の第三ドイツ国家森林インベントリー(BWI,2011-2012)の133のサンプルプロットを調査した。訓練と客観的検証のために,合成林分をWaldplaner2.0ソフトウェアを用いてモデル化した。この方法は,共登録に対して82.7%,ツリーマッチングに対して89.1%の全体精度を達成した。著者らの方法によって,調査したプロットの60%を首尾よく再配置することができた。アルゴリズムによって提供された確率は,森林属性推定の性能を増加させるために定量的モデルに組み込まれる特定の結果の信頼性の客観的指標である。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *在庫量 ,  アルゴリズム ,  モデル ,  ドイツ連邦共和国 ,  キャノピー ,  木材 ,  *機械学習 ,  信頼性 ,  モデリング ,  ソフトウェア ,  地理学 ,  林分 ,  後処理 ,  *マッチング
準シソーラス用語： *航空機搭載 , 【Automatic Indexing@JST】

著者キーワード (6件)： 共登録 ,  個々の木検出 ,  木マッチング ,  点集合レジストレーション ,  機械学習 ,  森林インベントリー

分類 (2件)： リモートセンシング一般  (AD04000L) ,  測樹学  (FF01040T)

引用文献 (43件)：

• Cao, L.; Coops, N.C.; Innes, J.L.; Dai, J.; Ruan, H.; She, G. Tree species classification in subtropical forests using small-footprint full-waveform LiDAR data. Int. J. Appl. Earth Obs. Geoinf. 2016, 49, 39-51.
• Zhen, Z.; Quackenbush, L.J.; Zhang, L. Trends in Automatic Individual Tree Crown Detection and Delineation-Evolution of LiDAR Data. Remote Sens. 2016, 8, 333.
• Eysn, L.; Hollaus, M.; Lindberg, E.; Berger, F.; Monnet, J.M.; Dalponte, M.; Kobal, M.; Pellegrini, M.; Lingua, E.; Mongus, D.; et al. A Benchmark of Lidar-Based Single Tree Detection Methods Using Heterogeneous Forest Data from the Alpine Space. Forests 2015, 6, 1721-1747.
• Dorigo, W.; Hollaus, M.; Wagner, W.; Schadauer, K. An application-oriented automated approach for co-registration of forest inventory and airborne laser scanning data. Int. J. Remote Sens. 2010, 31, 1133-1153.
• Baltsavias, E.P. Airborne laser scanning: Basic relations and formulas. ISPRS J. Photogramm. Remote Sens. 1999, 54, 199-214.

タイトルに関連する用語 (7件)： 森林 ,  インベントリー ,  航空機搭載 ,  レーザ走査 ,  木 ,  マッチング ,  機械学習