文献
J-GLOBAL ID:202002221839017107   整理番号:20A0288984

米国における連続的な土地変化監視能力の実施について学んだ教訓:土地変化のモニタリング,評価,および予測(LCMAP)アプローチ【JST・京大機械翻訳】

Lessons learned implementing an operational continuous United States national land change monitoring capability: The Land Change Monitoring, Assessment, and Projection (LCMAP) approach
著者 (21件):
資料名:
巻: 238  ページ: Null  発行年: 2020年 
JST資料番号: C0252B  ISSN: 0034-4257  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:
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。
土地表面変化に関する時間的に特定の情報に対する需要の増大は,大規模地域を横切る変化の地理的および時間的パターンの理解に寄与できる地図と統計の新しい生成をもたらし,広範囲の環境モデリング研究に入力を提供し,土地管理者に対するよりタイムリーな情報を提供する。これらのニーズを満たすために,米国地質調査は,土地変化モニタリング,評価,および投影(LCMAP)イニシアティブと呼ばれる土地表面変化をモニターする能力を実行した。本論文では,LCMAPアプローチの開発と試験中に学習された方法論的基礎と教訓について述べた。米国を横切る6つの多様な研究地域上の10年間土地被覆と土地表面変化データセットの試験と評価は,連続変化検出と分類(CCDC)アルゴリズムからのロバスト,反復可能,地理的に一貫したモニタリング結果の目標を満たすために必要ないくつかの挑戦と同様に,他の公表マップと良い一致を示した。最初に,観測周波数の高い空間的および時間的変動性が同定された変化の数の差をもたらし,したがって,変化検出が観測周波数に依存するようにCCDCを修正した。第二に,CCDC分類方法論は,段階的土地表面変化を特徴づける能力を改良するために修正した。3番目に,改良は,トレーニングデータの代表性を改善するために,CCDCの分類要素に作られた。それは,ランダムフォレストアルゴリズムをブースティングディシジョンツリーで置き換えることを必要とした。これらの修正に続いて,プロトタイプVersion1LCMAP結果の評価は全体的一致(85%から90%の範囲)の改善を示した。Copyright 2020 Elsevier B.V., Amsterdam. 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 (1件):
分類
JSTが定めた文献の分類名称とコードです
リモートセンシング一般 

前のページに戻る