文献
J-GLOBAL ID:201902268150227085   整理番号:19A1292386

深層学習を用いたリモートセンシング画像からの熱カルスト地形の自動マッピング:北東チベット高原における事例研究【JST・京大機械翻訳】

Automatic Mapping of Thermokarst Landforms from Remote Sensing Images Using Deep Learning: A Case Study in the Northeastern Tibetan Plateau
著者 (6件):
資料名:
巻: 10  号: 12  ページ: 2067  発行年: 2018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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
氷に富む永久凍土の融解は,地表に熱カルスト地形を引き起こす。熱カルスト地形の分布を得ることは,局所および地域規模で永久凍土の劣化と炭素交換を理解するための必要条件である。しかし,それらの多様なタイプと特性のために,リモートセンシング画像からサーモカルスト地形をマップすることは挑戦的である。著者らは,深い学習の利用によって,高分解能画像から北東チベット高原の局所地域における一種のサーモカルスト地形(すなわち,熱侵食ガリー)を自動的にマッピングするための事例研究を行った。特に,DeepLabアルゴリズム(Convolutional Neural Networkに基づく)を0.15m分解能ディジタルOrthophoto Map(無人航空機により撮影された空中写真を用いて作成された)に適用した。ここでは,訓練データ,微調整,推論,および後処理を準備することを含む重要なステップによる詳細な処理フローを文書化した。現場測定と手動デジタル化結果に対する検証により,0.74のF1スコア(精度は0.59,再現性は1.0)を得た。このことは,提案した方法が小規模で不規則なサーモカルスト地形を効果的にマップできることを示している。高分解能画像と訓練データが利用可能な大面積における多様なサーモカルスト地形をマッピングするために,設計した方法を適用することは潜在的に実行可能である。Copyright 2019 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
写真測量,空中写真  ,  リモートセンシング一般  ,  図形・画像処理一般 
引用文献 (48件):

前のページに戻る