文献

J-GLOBAL ID：201902251130186942   整理番号：19A2113476

LANDSATとGoogle地球エンジン雲計算を用いたゴバル森林被覆マッピング【JST・京大機械翻訳】

Gobal Forest Cover Mapping using Landsat and Google Earth Engine cloud computing

著者 (4件)： Zhang Xiaomei (Aerospace Information Research Institute (Chinese Academy of Sciences), Beijing, China) ,  Long Tengfei (Aerospace Information Research Institute (Chinese Academy of Sciences), Beijing, China) ,  He Guojin (Aerospace Information Research Institute (Chinese Academy of Sciences), Beijing, China) ,  Guo Yantao (University of Chinese Academy of Sciences (Chinese Academy of Sciences), Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： Agro-Geoinformatics  ページ： 1-5  発行年： 2019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： 今日では,Landsatデータセットのアクセスと計算の減少するコストは,30メートルのLandsat分解能で地球の土地被覆をモニターすることを実行可能にした。しかし,大陸間または地球規模のような大規模の急速な森林被覆製品は依然として挑戦的である。衛星画像の巨大カタログとGoogle地球エンジンの高性能計算能力を利用することにより,Landsat画像の時系列から30m分解能グローバルスケール森林地図を生成するための自動パイプラインを提案し,2018の新しい30m分解能グローバル森林地図をリリースした。本論文では,Landsat分解能で森林被覆の生成物を生成する方法について述べた。最初に,著者らは,類似の森林タイプと空間的連続性のサブ領域に景観を分割して,このように,スペクトル分化を最大化して,分類装置モデルを単純化して,分類精度を改良した。次に,既存の森林被覆によって,多様な供給源から生じて,複数供給源森林/非森林サンプルセットは,機械アルゴリズム学習訓練のために確立した。最後に,機械学習アルゴリズムを用いて,サンプルを自動的に得て,衛星画像の特性を抽出して,森林/非森林分類装置モデルを確立した。2018年のLandsat8画像を事例として,森林反射率,森林植生の指標および各バンドのテクスチャ特徴を含む衛星画像特徴を選択し,確立された森林エコゾーンとマルチソース森林/非森林サンプル点を用いて,3つの初期ゾーンに対する森林被覆の自動学習と分類を実現した。3つの地域における森林被覆生成物の精度検証を2つの観点で実施した:高分解能衛星画像(例えばGoogle地球)に関する検証点を収集し,現在グローバルに開示された森林被覆製品を交差検証する。これらの2つの方法は,森林被覆製品の精度を例証する。Copyright 2019 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： 分解能 ,  *LANDSAT ,  分類装置 ,  簡素化 ,  衛星利用画像 ,  モデル ,  学習アルゴリズム ,  *地球 ,  画像 ,  土地被覆 ,  連続性 ,  高速度 ,  学習
準シソーラス用語： *森林被覆 ,  *Google , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (7件)： LANDSAT ,  Google ,  地球 ,  雲 ,  計算 ,  森林被覆 ,  マッピング