文献

J-GLOBAL ID：201802267270009917   整理番号：18A1072663

都市の市街地を抽出するためのDMSP-OLS,Landsat and Globeland30製品との組合せによるSVM分類における最適化サンプル選択【JST・京大機械翻訳】

Optimized Sample Selection in SVM Classification by Combining with DMSP-OLS, Landsat NDVI and GlobeLand30 Products for Extracting Urban Built-Up Areas

著者 (7件)： Ma Xiaolong (College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China) ,  Ma Xiaolong (Institute of Cartography and Geographic Information System, Chinese Academy of Surveying and Mapping, Beijing 100830, China) ,  Tong Xiaohua (College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China) ,  Liu Sicong (College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China) ,  Luo Xin (College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China) ,  Xie Huan (College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China) ,  Li Chengming (Institute of Cartography and Geographic Information System, Chinese Academy of Surveying and Mapping, Beijing 100830, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 3  ページ： 236  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： サポートベクトルマシン(SVM)のようなデータ分類法に用いられる訓練サンプルの精度は,都市域抽出の結果にかなりの正の影響を持っている。都市市街地抽出の精度を向上させるために,本論文は,30mのグローバル土地被覆データ製品である,夜間の光データ,Landsat画像,およびGlobeLandsat30のために,Defense気象衛星の組合せを用いて,都市域データを分類するためのサンプル最適化手法を提示した。提案したアプローチは3つの主成分から成る。(1)DMSP-OLSデータからのデジタル数の最大および最小間隔に基づいて,最初のサンプル生成およびデータ分類を,それぞれ,構築および非都市構築領域に分けた。(2)植生被覆に基づく各ピクセルの確率閾値による精製サンプル選択と最適化は,Landsat由来正規化微分植生指数(NDVI)と制約条件としてのGlobeand30製品から抽出された人工表面を用いた。(3)訓練集合と一緒にデータ収集のこれらの3つの側面の間の関係を用いて,反復分類と都市構築地域データ抽出。中国西部のいくつかの都市について,都市建設統計年図書とLandsat画像を用いて分類し,閾値二分法と改良近隣焦点統計法のような従来のデータ収集法から得たデータと比較した。実験結果の分析は,(1)サンプル訓練プロセスが提案方法を用いて改良され,最適化と非最適化サンプル選択の両方に対して,全体の精度(OA)が89%から96%に増加したことを示した。(2)提案方法は,精度評価によって計算されるように,10%未満の相対誤差を有した。(3)全体と個々のクラス精度は,Globeand30における人工表面のためにより高かった。(4)平均OAは明らかに改善され,成都の場合のKappa係数は0.54から0.80に増加した。したがって,実験結果は,著者らの提案した手法が,高い精度で都市の市街地を抽出するための信頼できる解決策であることを実証した。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： *都市 ,  微分 ,  データ収集 ,  気象衛星 ,  正規化 ,  統計的方法 ,  中華人民共和国 ,  画素 ,  サポートベクトルマシン ,  ディジタル方式 ,  土地被覆 ,  最適化手法 ,  正規化植生指数 ,  *市街地 ,  *最適化

著者キーワード (9件)： 都市市街地 ,  サンプル最適化手法 ,  SVM分類 ,  DMSP-OLS ,  初期訓練サンプル ,  Globeland30 ,  ndvi ,  確率しきい値 ,  反復最適化プロセス

分類 (2件)： リモートセンシング一般  (AD04000L) ,  写真測量,空中写真  (RC02040D)

引用文献 (56件)：

• Zhou, Y.; Smith, S.J.; Elvidge, C.D.; Zhao, K.; Thomson, A.; Imhoff, M. A cluster-based method to map urban area from DMSP/OLS nightlights. Remote Sens. Environ. 2014, 147, 173-185.
• Small, C.; Elvidge, C.D. Mapping decadal change in anthropogenic night light. Procedia Environ. Sci. 2011, 7, 353-358.
• Huang, X.; Schneider, A.; Friedl, M.A. Mapping sub-pixel urban expansion in China using MODIS and DMSP/OLS nighttime lights. Remote Sens. Environ. 2016, 175, 92-108.
• Zhang, Q.; He, C.; Liu, Z. Studying Urban Development and Change in the Contiguous United States Using Two Scaled Measures Derived from Nighttime Lights Data and Population Census. GISci. Remote Sens. 2014, 51, 63-82.
• Yu, B.; Shu, S.; Liu, H.; Song, W.; Wu, J.; Wang, L.; Chen, Z. Object-Based Spatial Cluster Analysis of Urban Landscape Pattern Using Nighttime Light Satellite Images: A Case Study of China. Int. J. Geogr. Inf. Sci. 2014, 28, 2328-2355.

タイトルに関連する用語 (8件)： 都市 ,  市街地 ,  DMSP ,  LANDSAT ,  組合せ ,  SVM分類 ,  最適化 ,  サンプル