文献

J-GLOBAL ID：201802267691339461   整理番号：18A2039418

機械学習技術を用いた積雪地域【JST・京大機械翻訳】

Snow-Covered Area Using Machine Learning Techniques

著者 (7件)： Gatebe Charles (Universities Space Research Association (USRA), Columbia, MD, USA) ,  Li Wei (Stevens Institute of Technology, Hoboken, NJ, United States) ,  Chen Nan (Stevens Institute of Technology, Hoboken, NJ, United States) ,  Fan Yongzhen (Stevens Institute of Technology, Hoboken, NJ, United States) ,  Poudyal Rajesh (Science Systems and Applications, Inc. (SSAI), Lanham, MD, United States) ,  Brucker Ludovic (Universities Space Research Association (USRA), Columbia, MD, USA) ,  Stamnes Knut (Stevens Institute of Technology, Hoboken, NJ, United States)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 6291-6293  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,人工ニューラルネットワーク法を用いて,高速で正確な分数雪被覆面積(fSCA)を推定し,異なるリモートセンシング装置に容易に適応できる。Grand Mesa上のNASAの雲吸収放射計(CAR)からのSnoExデータを用いて,著者らのアプローチを試験した。世界における最大のフラットトップ山岳の1つは,密度と高さの範囲(および他の森林条件の多様性)を有する十分な森林林分を特徴とする。十分に平坦な雪被覆地形上の雪深さ/雪水等価条件の広がり。CARからの検索された分数雪被覆面積は,同じ位置上のSentinel-2画像と合理的に比較され,機械学習を用いて雪特性の検索を改善するためのCARのユニークな能力を実証した。著者らの方法からの検索された雪画分パラメータは,従来の二値雪検出スキームに関連する誤差を最小化し,表面アルベドのような重要なパラメータの検索品質を改善することが期待される。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 米国航空宇宙局 ,  山岳 ,  被覆 ,  画像 ,  *積雪 ,  *機械学習 ,  リモートセンシング ,  高速度 ,  品質 ,  林分 ,  アルベド ,  ニューラルネットワーク
準シソーラス用語： *雪 ,  機械学習技術 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 機械学習技術 ,  積雪 ,  地域