文献

J-GLOBAL ID：201802241018626218   整理番号：18A0030000

リモートセンシング地表温度のダウンスケーリング研究【Powered by NICT】

Downscaling research of remotely sensed land surface temperature

著者 (5件)： Wang Zihao (Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University, Beijing, China, 100871) ,  Sun Yuanheng (Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University, Beijing, China, 100871) ,  Ren Huazhong (Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University, Beijing, China, 100871) ,  Qin Qiming (Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University, Beijing, China, 100871) ,  Han Guhuai (Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University, Beijing, China, 100871)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IGARSS  ページ： 6293-6296  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： リモートセンシングLSTの低空間分解能を改善するために,多重スケール因子に基づく二つの方法を提案した。最適スケール因子を考慮して異なる土地被覆タイプの環境下で特異な通常ではない,成層線形回帰モデルを構築し,スケール因子を持つ大域的線形回帰よりも高い精度を示した。異なる条件下で変動を示すスケール因子とLSTとの間の関係,季節スケールの大きさと土地被覆タイプなどの観点から,線形回帰モデルの誤差は,どこから来る,BPニューラルネットワークに基づくダウンスケーリング法を提案した。入力として多重スケール因子,この方法が世界的に第一の方法とほぼ正確なとして示し,特に山岳地域および混合領域,より強いロバスト性を示した。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： *地表温度 ,  多重化 ,  ロバスト性 ,  スケール因子 ,  土地被覆 ,  山岳地 ,  成層 ,  空間分解能 ,  *リモートセンシング
準シソーラス用語： 逆伝播ニューラルネットワーク ,  線形回帰 ,  線形回帰モデル ,  *ダウンスケーリング , 【Automatic Indexing@JST】

分類 (1件)： 脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (4件)： リモートセンシング ,  地表温度 ,  ダウンスケーリング ,  研究