文献

J-GLOBAL ID：201902264765129290   整理番号：19A2113535

作物分類モデルの時間的および空間的適応性に関する研究【JST・京大機械翻訳】

Study on Temporal and Spatial Adaptability of Crop Classification Models

著者 (6件)： Xu Zhanya (School of Geography and Information Engineering, China University of Geosciences, Wuhan, China) ,  Meng Shuling (School of Geography and Information Engineering, China University of Geosciences, Wuhan, China) ,  Zhong Shaobo (Urban Operations Research Department, Beijing Research Center of Urban Systems Engineering, Beijing, China) ,  Di Liping (Center for Spatial Information Science and Systems, George Mason University, Fairfax, United State) ,  Yang Chao (School of Geography and Information Engineering, China University of Geosciences, Wuhan, China) ,  Yu Eugene (Center for Spatial Information Science and Systems, George Mason University, Fairfax, United State)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： Agro-Geoinformatics  ページ： 1-7  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： 作物分類は国家農業管理の重要な部分であり,正確な作物分類は作物成長モニタリングと収量評価に役立つ。しかし,異なる成長年と地域により,同じ作物は異なる成長過程と異なる生物季節学的特性を持っている。したがって,分類モデルの空間的および時間的適応性の改善は,大規模作物分類のための重要な研究内容である。本論文では,いくつかの隣接農業生産地域を研究した。安定した時系列リモートセンシング画像データセットに基づいて,空間と時間におけるより高い分類精度によるいくつかの機械学習分類方法の適応性変化を研究した。本論文は,実験のために良好な反雲干渉と短いリターン訪問サイクルを有するSentiel1衛星データを選択した。最初に,同じ領域における各々の分類モデルの訓練を完了して,次に,モデルの空間適応性を種々の隣接範囲において研究した。最後に,同じタイプの作物の成長サイクルの変化に対する異なる分類モデルの適応性も比較した。本論文は,CNN+LSTMおよびBinConvLSTMのようなモデルが,時間的および空間的により良く機能することを見出した。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： 機械学習 ,  成長段階 ,  *農作物 ,  農業 ,  *適応性 ,  干渉
準シソーラス用語： 衛星データ ,  分類法 ,  分類精度 ,  リモートセンシング画像 ,  農業生産 ,  フェノロジー ,  *分類モデル , 【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 (4件)： 作物 ,  分類モデル ,  適応性 ,  研究