文献

J-GLOBAL ID：201802264473338332   整理番号：18A1344501

タイ北東部の山岳地形における森林分類の性能を改善するためのランドサットTM-5とLandsat OLI-8画像の地形補正【JST・京大機械翻訳】

Topographic Correction of Landsat TM-5 and Landsat OLI-8 Imagery to Improve the Performance of Forest Classification in the Mountainous Terrain of Northeast Thailand

著者 (6件)： Pimple Uday (The Joint Graduate School of Energy and Environment (JGSEE) and Centre of Excellence on Energy Technology and Environment, King Mongkut’s University of Technology Thonburi, Bangkok 10140, Thailand) ,  Sitthi Asamaporn (Department of Geography, Faculty of Social Sciences, Kasetsart University, Bangkok 10900, Thailand) ,  Simonetti Dario (European Commission, Joint Research Centre, Directorate D-Sustainable Resources-Bio-Economy Unit, 21027 Ispra (VA), Italy) ,  Pungkul Sukan (Royal Forest Department, 61 Phaholyothin Road, Chatuchak, Bangkok 10900, Thailand) ,  Leadprathom Kumron (Royal Forest Department, 61 Phaholyothin Road, Chatuchak, Bangkok 10900, Thailand) ,  Chidthaisong Amnat (The Joint Graduate School of Energy and Environment (JGSEE) and Centre of Excellence on Energy Technology and Environment, King Mongkut’s University of Technology Thonburi, Bangkok 10140, Thailand)
資料名： Sustainability (Web)  (Sustainability (Web))
巻： 9  号： 2  ページ： 258  発行年： 2017年 
JST資料番号： U7281A  ISSN： 2071-1050  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： 森林の正確なマッピングとモニタリングは,森林生態系の持続可能な管理のために不可欠である。Landsat衛星シリーズの進歩は,様々な森林マッピング応用に非常に有用である。しかし,不規則山岳の地形学的影は正確な森林分類に対する主要な障害である。本論文において,著者らは5つの地形学的補正方法をテストした。改良コサイン補正,Minnaert,C-補正,統計的経験的補正(SEC)と可変経験的係数アルゴリズム(VECA)は,マルチソースデジタル標高モデル(DEM)によって,ランドサット理論的Mapper(TM)-5と運用土地撮像装置(OLI)-8センサによって生み出した山岳地形における地形学的レリーフ効果を減少した。地形補正法の有効性を,変動係数(CV)により,視覚的解釈と標準偏差(SD)の減少により評価した。結果は,SECがシャトルレーダ地形ミッション(SRTM)30m×30m DEMで最も良く機能することを示した。ランダム森林(RF)分類器を森林分類に用い,森林分類の全体精度を評価し,地形補正の性能を比較した。著者らの結果は,C-補正,SECおよびVECA補正画像が,それぞれ78.41%から81.50%,82.38%,および81.50%までのLandsat TM-5の森林分類精度を向上させることができることを示し,それぞれ81.06%から81.50%,82.38%,および81.94%であった。森林型分類の最も高い精度は,新しく利用可能な高分解能SRTM DEMとSEC法により得られた。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： アルゴリズム ,  視覚 ,  標準偏差 ,  地形学 ,  *画像 ,  地形効果 ,  *山岳地 ,  *山岳 ,  センサ ,  高分解能 ,  *LANDSAT ,  数値地形モデル
準シソーラス用語： レリーフ ,  分類精度 ,  Landsat TM , 【Automatic Indexing@JST】

著者キーワード (10件)： 地形効果 ,  地形補正 ,  DEM ,  改良余弦補正 ,  Minnaert ,  C補正 ,  SEC ,  VECA ,  ランドサットTM-5とOLI-8 ,  ランダムフォレスト

分類 (2件)： リモートセンシング一般  (AD04000L) ,  測樹学  (FF01040T)

引用文献 (64件)：

• Gu, D.; Gillespie, A. Topographic normalization of Landsat TM images of forest based on subpixel Sun-canopy-sensor geometry. Remote Sens. Environ. 1998, 64, 166-175.
• Roy, D.P.; Wulder, M.A.; Loveland, T.R.; Woodcock, C.E.; Allen, R.G.; Anderson, M.C.; Helder, D.; Irons, J.R.; Johnson, D.M.; Kennedy, R.; et al. Landsat-8: Science and product vision for terrestrial global change research. Remote Sens. Environ. 2014, 145, 154-172.
• Stibig, H.J.; Achard, F.; Carboni, S.; Raši, R.; Miettinen, J. Change in tropical forest cover of Southeast Asia from 1990 to 2010. Biogeosciences 2014, 11, 247-258.
• Li, M.; Im, J.; Beier, C. Machine learning approaches for forest classification and change analysis using multi-temporal Landsat TM images over Huntington Wildlife Forest. GISci. Remote Sens. 2013, 50, 361-384.
• Szantoi, Z.; Simonetti, D. Fast and robust topographic correction method for medium resolution satellite imagery using a stratified approach. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2013, 6, 1921-1933.

タイトルに関連する用語 (7件)： タイ ,  山岳地 ,  森林 ,  分類 ,  ランドサット ,  Tm ,  LANDSAT