文献

J-GLOBAL ID：201802268784704853   整理番号：18A1343842

中国におけるアンサンブル学習法とMODIS光学プロダクトを用いたTRMM降水データセットからの微細空間分解能降水量のマッピング【JST・京大機械翻訳】

Mapping Fine Spatial Resolution Precipitation from TRMM Precipitation Datasets Using an Ensemble Learning Method and MODIS Optical Products in China

著者 (7件)： Zhao Xiaodan (Guangzhou Institute of Geography, Guangzhou 510070, China) ,  Zhao Xiaodan (Key Laboratory of Guangdong for Utilization of Remote Sensing and Geographical Information System, Guangzhou 510070, China) ,  Zhao Xiaodan (Guangdong Open Laboratory of Geospatial Information Technology and Application, Guangzhou 510070, China) ,  Jing Wenlong (Guangzhou Institute of Geography, Guangzhou 510070, China) ,  Jing Wenlong (Key Laboratory of Guangdong for Utilization of Remote Sensing and Geographical Information System, Guangzhou 510070, China) ,  Jing Wenlong (Guangdong Open Laboratory of Geospatial Information Technology and Application, Guangzhou 510070, China) ,  Zhang Pengyan (College of Environment and Planning, Henan University, Kaifeng 475004, China)
資料名： Sustainability (Web)  (Sustainability (Web))
巻： 9  号： 10  ページ： 1912  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： 降水データは水文学と気象学の分野にとって重要であり,生態系監視と気候変動研究のための基本である。衛星ベースの降水生成物は,すでに地球規模で高い時間分解能降水情報を提供することができる。しかしながら,粗い空間分解能は,地域レベルの研究におけるそれらの使用を制限している。本研究において,中国における毎月の微細空間分解能土地降水量データは,TRMM3B43V7毎月の降水生成物をダウンスケーリングすることによって得た。ダウンスケーリングモデルをランダムフォレスト(RF)と呼ばれるアンサンブル学習法に基づいて構築した。RFモデルに加えて,分類と回帰ツリー(CART)モデルも,比較の目的のために降水データをダウンスケールするために使用した。その結果をその場測定で検証した。結果は,RFモデルがCARTモデルより優れていることを示した。ダウンスケール降水データはその場測定と強く相関した。ダウンスケーリング法を適用して,すべての中国における微細空間分解能降水をマッピングし,水文学,気象学,および気候科学に関する研究のための高空間分解能降水生成物の開発に価値がある。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： 降雨 ,  *降水 ,  *降水量 ,  気候 ,  水文学 ,  気候変動 ,  土地 ,  熱帯 ,  モデル ,  生態系 ,  *空間分解能 ,  時間分解能
準シソーラス用語： *MODIS ,  ダウンスケーリング ,  現場測定 , 【Automatic Indexing@JST】

著者キーワード (4件)： 降水 ,  空間ダウンスケーリング ,  熱帯降雨測定ミッション ,  中国

分類 (2件)： 気候学,気候変動  (DC05140T) ,  水文学一般  (DC07010R)

引用文献 (47件)：

• Taylor, C.M.; de Jeu, R.A.M.; Guichard, F.; Harris, P.P.; Dorigo, W.A. Afternoon rain more likely over drier soils. Nature 2012, 489, 423-426.
• Sapiano, M.R.P.; Arkin, P.A. An intercomparison and validation of high-resolution satellite precipitation estimates with 3-hourly gauge data. J. Hydrometeorol. 2009, 10, 149-166.
• Kubota, T.; Shige, S.; Hashizume, H.; Aonashi, K.; Takahashi, N.; Seto, S.; Hirose, M.; Takayabu, Y.N.; Ushio, T.; Nakagawa, K.; et al. Global precipitation map using satellite-borne microwave radiometers by the gsmap project: Production and validation. IEEE Trans. Geosci. Remote Sens. 2007, 45, 2259-2275.
• Casella, D.; Dietrich, S.; Di Paola, F.; Formenton, M.; Mugnai, A.; Porcù, F.; Sanò, P. Pm-gcd-a combined ir-mw satellite technique for frequent retrieval of heavy precipitation. Nat. Hazards Earth Syst. Sci. 2012, 12, 231-240.
• Di Paola, F.; Casella, D.; Dietrich, S.; Mugnai, A.; Ricciardelli, E.; Romano, F.; Sanò, P. Combined mw-ir precipitation evolving technique (pet) of convective rain fields. Nat. Hazards Earth Syst. Sci. 2012, 12, 3557-3570.

タイトルに関連する用語 (12件)： 中国 ,  アンサンブル学習 ,  MODIS ,  光学 ,  プロダクト ,  TRMM ,  降水 ,  データセット ,  微細 ,  空間分解能 ,  降水量 ,  マッピング