文献

J-GLOBAL ID：201802225893377430   整理番号：18A0444384

人工ニューラルネットワークと植生指数を用いた土地表面温度の予測のためのフレームワーク【Powered by NICT】

A framework for the prediction of land surface temperature using artificial neural network and vegetation index

著者 (2件)： Shanmugapriya E. Vinodhini (Centre for Computational Engineering and Networking (CEN), Amrita School of Engineering, Coimbatore, Amrita Vishwa Vidyapeetham, Amrita University, India) ,  Geetha P. (Centre for Computational Engineering and Networking (CEN), Amrita School of Engineering, Coimbatore, Amrita Vishwa Vidyapeetham, Amrita University, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCSP  ページ： 1313-1317  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 予期せぬおよび非拘束都市土地被覆地域の拡大,地方の土地被覆面積タイプを人工材料で置換した。このような影響は,土地表面温度上昇の因子を考慮する必要がある。種々の全体的変化をモニタリングに考慮すべき必要な側面である。LSTを見出すために最も効率的な方法は,衛星データ解析による方法である。本論文では,LSTの予測は,人工ニューラルネットワーク(ANN)を利用した処理入力として研究地域の統計的結果を植生変化パラメータと土壌水分解析を解析すること,のための植生指標を用いた。雲を貫通する能力を持つスペクトル放射,植生指数とLSTは,曇天条件でも評価することができる。LSTた達成可能でANNモデルを訓練し,次に,それぞれの場合について試験した。このモデルは一連の初期LST値を,データ内の変換の概要を同定し,予測または将来の時間値を促進した。フレームワークの性能解析は,RMSEと回帰の典型的な評価法に基づいて推定した。観察状況が得られた最良の得られたモデルは,LSTを予測するために利用した。結論:ANNモデルは,実世界観測とLSTの予測において良好なに役立つことを確認した。ANN設計を用いて,提案した研究である生態学の様々な状況下でもリモートセンシングデータを用いたTamilnaduのSalem地区における丘陵地域,YercaudにおけるLSTの予測に有用である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 土地被覆 ,  データ解析 ,  都市 ,  昇温 ,  性能分析 ,  人工材料 ,  土壌水 ,  *土地 ,  *地表面 ,  生態学 ,  *表面温度 ,  *ニューラルネットワーク
準シソーラス用語： 曇天 ,  植生遷移 ,  *植生指標 , 【Automatic Indexing@JST】

分類 (3件)： 放射,大気光学  (DC05080C) ,  人工知能  (JE08000Z) ,  太陽エネルギー  (LB03030Q)

タイトルに関連する用語 (6件)： 人工ニューラルネットワーク ,  植生指数 ,  土地 ,  表面温度 ,  予測 ,  フレームワーク