文献

J-GLOBAL ID：201802285380181440   整理番号：18A1072228

ハイパースペクトルデータによる土壌特性の定量化:精度を改善し予測機構を解析するための異なる方法によるスペクトル変数の選択【JST・京大機械翻訳】

Quantification of Soil Properties with Hyperspectral Data: Selecting Spectral Variables with Different Methods to Improve Accuracies and Analyze Prediction Mechanisms

著者 (5件)： Vohland Michael (Geoinformatics and Remote Sensing, Institute for Geography, Leipzig University, 04103 Leipzig, Germany) ,  Ludwig Marie (Soil Science, University of Trier, 54286 Trier, Germany) ,  Ludwig Marie (Thuenen Institute of Biodiversity, 38116 Braunschweig, Germany) ,  Thiele-Bruhn Soren (Soil Science, University of Trier, 54286 Trier, Germany) ,  Ludwig Bernard (Department of Environmental Chemistry, University of Kassel, 37213 Witzenhausen, Germany)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 11  ページ： 1103  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： 著者らは,耕地の土壌品質指標を評価するために,非イメージング実験室と空中イメージング分光法の両方の可能性を調査した。有機炭素(OC)と窒素(N)によって補完された微生物バイオマス-C(MBC)と熱水抽出性C(HWEC)に焦点を合わせ,よく研究されたスペクトル活性パラメータとした。異なるスペクトル変数選択戦略の凝集を用いて,到達可能な推定精度に対する利点を分析し,MBCとHWECに対するスペクトル予測機構を調べた。選択された変数により,定量化精度はMBCに対して著しく改善された(全スペクトルで1.33の代わりに実験室:RPD=2.32,1.80の代わりに空気:2.35)。選択された変数のパターンは,HWECとOCの間の類似性を示したが,他のすべての土壌変数の間には有意差があった。これは,(i)OCとNの湿式化学データと(ii)測定されたOCとN値に適合したスペクトルの両方がMBCとHWECを推定するために使用された間接的アプローチの結果と一致した。これらのアプローチと比較して,MBC(HWECではなく)の直接スペクトル定量のための実験室と空中データの顕著な利点を見出した。これはMBCに対するスペクトルの特異性を示唆し,この重要な土壌パラメータの決定に利用できる。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： 類似性 ,  スペクトル推定 ,  画像処理 ,  農地 ,  *予測 ,  N値 ,  *土壌特性 ,  有機炭素 ,  *スペクトル
準シソーラス用語： 特異性 ,  有意差 ,  推定精度 ,  変数選択 ,  微生物バイオマス ,  ハイパースペクトルデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： ハイパースペクトルリモートセンシング ,  イメージング分光法 ,  土壌有機炭素 ,  微生物バイオマス炭素 ,  多変量キャリブレーション ,  スペクトル変数選択

分類 (1件)： 土壌化学  (FB04040C)

引用文献 (69件)：

• Cécillon, L.; Barthès, B.G.; Gomez, C.; Ertlen, D.; Genot, V.; Hedde, M.; Stevens, A.; Brun, J.J. Assessment and monitoring of soil quality using near-infrared reflectance spectroscopy (NIRS). Eur. J. Soil Sci. 2009, 60, 770-784.
• Chabrillat, S.; Goetz, A.F.H.; Krosley, L.; Olsen, H.W. Use of hyperspectral images in the identification and mapping of expansive clay soils and the role of spatial resolution. Remote Sens. Environ. 2002, 82, 431-434.
• Franceschini, M.H.D.; Demattê, J.A.M.; da Silva Terra, F.; Vicente, L.E.; Bartholomeus, H.; de Souza Filho, C.R. Prediction of soil properties using imaging spectroscopy: Considering fractional vegetation cover to improve accuracy. Int. J. Appl. Earth Obs. 2015, 38, 358-370.
• Wight, J.P.; Ashworth, A.J.; Allen, F.L. Organic substrate, clay type, texture, and water influence on NIR carbon measurements. Geoderma 2016, 261, 36-43.
• Gomez, C.; Lagacherie, P.; Coulouma, G. Regional predictions of eight common soil properties and their spatial structures from hyperspectral Vis-NIR data. Geoderma 2012, 189-190, 176-185.

タイトルに関連する用語 (7件)： ハイパースペクトルデータ ,  土壌特性 ,  定量化 ,  予測 ,  解析 ,  スペクトル ,  変数