文献

J-GLOBAL ID：201802253756971310   整理番号：18A1072360

GOSAT-2 CAI-2 L2雲識別に対する異なるサポートベクトルの影響【JST・京大機械翻訳】

The Impact of Different Support Vectors on GOSAT-2 CAI-2 L2 Cloud Discrimination

著者 (5件)： Oishi Yu (Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology, 2-4-7 Aomi, Koto, Tokyo 135-0064, Japan) ,  Ishida Haruma (Climate Research Department, Meteorological Research Institute, 1-1 Nagamine, Tsukuba, Ibaraki 305-0052, Japan) ,  Nakajima Takashi Y. (School of Information Science & Technology, Tokai University, 4-1-1 Kitakaname, Hiratsuka, Kanagawa 259-1292, Japan) ,  Nakamura Ryosuke (Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology, 2-4-7 Aomi, Koto, Tokyo 135-0064, Japan) ,  Matsunaga Tsuneo (Center for Global Environmental Research, National Institute for Environmental Studies, 16-2 Onogawa, Tsukuba, Ibaraki 305-8506, Japan)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 12  ページ： 1236  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： 温室効果ガス観測衛星-2(GOSAT-2)は,2018年度に打ち上げられる。GOSAT-2は,2つのセンサを備えている:炭素観測用の熱と近赤外センサ(TANSO)-Fourier変換分光計2(FTS-2)とTANSO-クラウドとエアロゾル画像2(CAI-2)。CAI-2は,エーロゾルと雲の光学的性質を観測し,PM2.5(直径2.5μm以下の粒子)のような海洋上の都市大気汚染と越境大気汚染の状態を監視するために,前方と後方の観測バンドを持つpush ブロムイメージングセンサである。CAI-2は各方向の雲識別に重要な応用を持つ。連続的閾値テストを特徴に適用するクラウドとエアロゾル不偏決定アルゴリズム(CLAUDIA1)を,GOSAT CAI L2雲止め処理のために使用した。CLAUDIA1をCAI-2で用いると,CAI-2に従って閾値を最適化する必要がある。しかし,サポートベクトルマシン(SVM)を備えたCLAUDIA3,教師つきパターン認識法を開発し,GOSAT-2 CAI-2 L2雲識別処理にCLAUDIA3を適用した。したがって,CLAUDIA3は,明確な領域と曇天領域の間の最適化された境界を自動的に見つけることができる。CAI(CLAUDIA3-CAI)を用いたCLAUDIA3の改良を続けている。本研究では,(1)訓練データに対する異なる時間周期の選択の影響,(2)雲識別効率に及ぼすSVに対する異なる生成手順の影響を解析することにより,GOSAT-2 CAI-2 L2雲識別に及ぼす種々のサポートベクトル(SV)の影響を調べた。MODISデータからCLAUDIA3-CAIのSVを生成するために,CAIバンドに対応する特徴を抽出する2つの時間がある。1つの手順は,CAIデータを用いてSVを生成するのに等価である。もう一つの手順は,最初にMODIS雲識別のためのSVを生成し,次に,CAIバンドに対応する決定関数,閾値,およびSVを抽出する。結果は以下のことを示した。(1)11月から5月までの期間において,2月からの訓練データから発生したSVを使用することはより効果的であるが,6月から10月までの期間では,8月からの訓練データを使用することがより効果的である。(2)SVの調製において,MODISバンドを用いて得られた特徴は,雲訓練サンプルを自動的に抽出するために,対応するGOSAT CAIバンドを用いて得られたものより効果的である。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： 最適化 ,  海洋 ,  *エアロゾル ,  分光計 ,  アルゴリズム ,  赤外検出器 ,  センサ ,  画像 ,  パターン認識 ,  サポートベクトルマシン ,  温室効果ガス ,  光学的性質 ,  炭素 ,  改変
準シソーラス用語： MODIS ,  *GOSAT , 【Automatic Indexing@JST】

著者キーワード (5件)： GOSAT-2 ,  CAI-2 ,  雲識別 ,  サポートベクトルマシン ,  クラウディア3

分類 (2件)： 環境問題  (SA01020V) ,  気象学一般  (DC05010D)

引用文献 (12件)：

• GOSAT-2 Project at the National Institute for Environmental Studies, about GOSAT-2. Available online: www.gosat-2.nies.go.jp (accessed on 10 October 2017). Algorithm Theoretical Basis Document (ATBD) for CO2 and CH4 Column Amounts Retrieval from GOSAT TANSO-FTS SWIR. Available online: https://data2.gosat.nies.go.jp/doc/documents/ATBD_FTSSWIRL2_V2.0_en.pdf (accessed on 10 October 2017).
• Ackerman, S.; Strabala, K.; Menzel, P.; Frey, R.; Moeller, C.; Guemley, L. Discriminating clear sky from clouds with MODIS. J. Geophys. Res. 1998, 103, 32141-32157.
• Discriminating Clear-Sky from Cloud with MODIS Algorithm Theoretical Basis Document (MOD35). Available online: http://modis-atmos.gsfc.nasa.gov/_docs/MOD35_ATBD_Collection6.pdf (accessed on 24 November 2017).
• Ishida, H.; Nakajima, T.Y. Development of an unbiased cloud detection algorithm for a spaceborne multispectral imager. J. Geophys. Res. 2009, 114.
• Ishida, H.; Nakajima, T.Y.; Yokota, T.; Kikuchi, N.; Watanabe, H. Investigation of GOSAT TANSO-CAI cloud screening ability through an intersatellite comparison. J. Appl. Meteorol. Climatol. 2011, 50, 1571-1586.

タイトルに関連する用語 (4件)： GOSAT ,  雲 ,  識別 ,  ベクトル