文献

J-GLOBAL ID：201802256142032627   整理番号：18A1073265

Landsatデータからの表面分数植生被覆推定のためのロバストアルゴリズム【JST・京大機械翻訳】

A Robust Algorithm for Estimating Surface Fractional Vegetation Cover from Landsat Data

著者 (7件)： Yang Linqing (State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Science and Engineering, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China) ,  Jia Kun (State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Science and Engineering, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China) ,  Liang Shunlin (State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Science and Engineering, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China) ,  Liang Shunlin (Department of Geographical Sciences, University of Maryland, College Park, MD 20742, USA) ,  Wei Xiangqin (Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China) ,  Yao Yunjun (State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Science and Engineering, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China) ,  Zhang Xiaotong (State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Science and Engineering, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 8  ページ： 857  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： 分数植生被覆(FVC)は地球表面プロセスシミュレーションと地球規模変化研究のための重要な土地表面パラメータである。現在の既存のFVC製品は,低いか中程度の分解能リモートセンシングデータからほとんど得られているが,多くの応用は微細な空間分解能FVC製品を必要とする。大面積にわたるLandsat画像の良く較正された被覆の利用可能性は,微細な空間分解能でのFVCの生産の機会を提供する。したがって,本研究の目的は,様々な土地表面条件の下でLandsat表面反射率データのための一般的で信頼できる土地表面FVC推定アルゴリズムを開発することである。2つの機械学習法,多変量適応回帰スプライン(MARS)モデルおよび逆伝搬ニューラルネットワーク(BPNNs)を,PROSPECT葉光学特性モデルおよび任意傾斜葉(SAIL)モデルシミュレーションによるサンプルを用いて訓練した。それはLandsat反射率および対応するFVC値を含み,より良い性能を有する方法を選択するために評価した。その後,独立した検証においてより良い性能を有するMARSモデルを,2つの事例研究地域からの地上FVC測定を用いて評価した。提案したアルゴリズムを用いて推定したFVCの直接検証(Heihe:R2=0.8825,RMSE=0.097;Landsat7ETM+:R2=0.8571,RMSE=0.078,Landsat8OLI:R2=0.8598,RMSE=0.078)は良好な性能を示した。Landsat7ETM+とLandsat8OLIデータから推定したFVCの空間時間的評価は,提案した方法のロバスト性と一貫性を確認した。すべてのこれらの結果は,提案したアルゴリズムが満足できる精度を得ることができ,Landsat表面反射データから高品質FVC推定の生産の可能性を持つことを示した。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： LANDSAT ,  反射率 ,  ロバスト性 ,  *被覆 ,  機械学習 ,  地表面 ,  空間分解能 ,  モデル ,  スプライン ,  *アルゴリズム ,  画像 ,  事例研究
準シソーラス用語： 逆伝播ニューラルネットワーク ,  多変量 ,  大面積 , 【Automatic Indexing@JST】

著者キーワード (5件)： 分数植生被覆(FVC) ,  PROSAIL ,  多変量適応回帰スプライン(MARS) ,  ランドサット ,  機械学習

分類 (2件)： リモートセンシング一般  (AD04000L) ,  光学情報処理  (BD03060T)

引用文献 (62件)：

• Baret, F.; Weiss, M.; Lacaze, R.; Camacho, F.; Makhmara, H.; Pacholcyzk, P.; Smets, B. GEOV1: LAI and FAPAR essential climate variables and FCOVER global time series capitalizing over existing products. Part1: Principles of development and production. Remote Sens. Environ. 2013, 137, 299-309.
• Zhang, X.; Liao, C.; Li, J.; Sun, Q. Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1 satellite hyperspectral data. Int. J. Appl. Earth Obs. Geoinf. 2013, 21, 506-512.
• Gutman, G.; Ignatov, A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models. Int. J. Remote Sens. 1998, 19, 1533-1543.
• Matsui, T.; Lakshmi, V.; Small, E.E. The Effects of satellite-derived vegetation cover variability on simulated land-atmosphere interactions in the NAMS. J. Clim. 2005, 18, 21-40.
• Zhang, X.; Wu, B.; Ling, F.; Zeng, Y.; Yan, N.; Yuan, C. Identification of priority areas for controlling soil erosion. Catena 2010, 83, 76-86.

タイトルに関連する用語 (4件)： LANDSAT ,  分数 ,  植生被覆 ,  推定