文献

J-GLOBAL ID：202002210394749243   整理番号：20A1937387

高空間分解能光学,SAR,およびLiDAR画像を用いた教師付き湿地分類【JST・京大機械翻訳】

Supervised wetland classification using high spatial resolution optical, SAR, and LiDAR imagery

著者 (3件)： Amani Meisam (Wood Environment & Infrastructure Solutions, St. John’s, Newfoundland and Labrador, Canada) ,  Mahdavi Sahel (Wood Environment & Infrastructure Solutions, St. John’s, Newfoundland and Labrador, Canada) ,  Berard Olivier (Parks Canada Agency, Quebec, Canada)
資料名： Journal of Applied Remote Sensing  (Journal of Applied Remote Sensing)
巻： 14  号： 2  ページ： 024502  発行年： 2020年 
JST資料番号： W5080A  ISSN： 1931-3195  資料種別： 逐次刊行物 (A)
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： 要約。湿地は,最も貴重な天然資源であり,環境とヒトの両方に高度に有益である。したがって,湿地の地図化と監視は非常に重要である。光学的,合成開口レーダ(SAR),光検出および測距(LiDAR)画像を含む様々なリモートセンシングデータセットは,湿地の分類に広く適用されてきたが,これらのデータセットのそれぞれの利点/限界を議論し,湿地マッピングのための最良のリモートセンシング方法論を示唆した。したがって,カナダ,ニューファウンドランドに位置するTerra Nova国立公園を,対象ベース画像解析とともに教師つき分類法を開発するための研究地域として最初に選択した。この目的のために,異なるリモートセンシングベースのシナリオを,個々の光学的,SAR,およびLiDARデータセット,ならびにそれらの様々な組み合わせを使用して調査した。さらに,最高の精度を達成するために,ランダムフォレスト(RF)分類器のセグメンテーションスケールと同調パラメータの影響を調べた。結果は,光学,SAR,およびLiDAR画像と150のセグメンテーションスケール,20のRF深さ,および5のRF最小サンプル数の組合せが,87.2%の全精度で最も高い分類精度を提供したことを示した。さらに,結果に基づいて,研究地域のおよそ21%と79%は,それぞれ湿地と非湿地によってカバーした。提案した方法論は将来の湿地分類タスクのための最適なシナリオを示し,湿地の効果的な管理と必要な政策の確立における利害関係者を支援することができる。Copyright 2020 Society of Photo-Optical Instrumentation Engineers Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  ヒト ,  同調 ,  *湿地 ,  リモートセンシング ,  距離測定 ,  画像分析 ,  光検出 ,  ニューファンドランド・ラブラドール州 ,  合成開口レーダ ,  国立公園
準シソーラス用語： ランダムフォレスト ,  教師付き分類 ,  LIDARデータ ,  リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： 湿地 ,  リモートセンシング ,  光検出と測距 ,  合成開口レーダ ,  オブジェクトベース画像解析 ,  カナダのカナダ

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (7件)： 高空間分解能 ,  光学 ,  SAR ,  LIDAR ,  教師 ,  湿地 ,  分類