文献
J-GLOBAL ID:201802241730555518   整理番号:18A1072246

Landsat 7 ETM+データからの乾燥地域におけるグリーン植生フラクションの推定の組合せ【JST・京大機械翻訳】

Combining Estimation of Green Vegetation Fraction in an Arid Region from Landsat 7 ETM+ Data
著者 (10件):
資料名:
巻:号: 11  ページ: 1121  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
部分的植生被覆(FVC)または緑植生画分は,土地表面植生の条件を特性化するための重要なパラメータであり,また,土地表面における水,炭素およびエネルギーのサイクルをシミュレートするためのモデルの重要な変数である。リモートセンシングデータを用いたいくつかのタイプのFVC推定モデルがあり,特定の領域にわたるそれらの性能を評価することは非常に重要である。したがって,本研究は,中国,Heihe川流域の農業地域におけるLandsat7ETM+データを用いた3つのタイプのFVC推定モデルを最初に評価し,次に,多重線形回帰(MLR)とBayesモデル平均(BMA)法を採用したFVC推定精度を改善するために,異なる個々のモデルからの組合せ戦略を提案した。検証結果は,3つの端成分(SMA3)によるスペクトル混合物解析モデルが,Landsat7ETM+データを使用する7つの個々のモデルの間で,最良のFVC推定精度(決定係数(R2)=0.902,二乗平均二乗誤差(RMSE)=0.076)を達成したことを示した。加えて,MLRとBMA組合せ法は,両方とも,FVC推定精度を改善することができた(R2=0.913,RMSE=0.063とR2=0.904,MLRとBMAのRMSE=0.069)。したがって,Landsat7ETM+データを用いた異なるモデルからのFVC推定を統合するMLRとBMAの両方の組合せ法は,個々のモデルの推定誤差を効果的に弱め,最終的なFVC推定精度を改善することができると結論づけることができた。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
リモートセンシング一般 
引用文献 (60件):
もっと見る

前のページに戻る