文献

J-GLOBAL ID：202002222487311697   整理番号：20A0273395

中国本土のための時間的に正確な気温データセットの開発【JST・京大機械翻訳】

Developing a temporally accurate air temperature dataset for Mainland China

著者 (8件)： Yao Rui (Hubei Key Laboratory of Critical Zone Evolution, School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China) ,  Wang Lunche (Hubei Key Laboratory of Critical Zone Evolution, School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China) ,  Huang Xin (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China) ,  Huang Xin (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China) ,  Li Long (Key Laboratory of Virtual Geographic Environment of Ministry of Education, Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, College of Geographic Science, Nanjing Normal University, Nanjing 210023, China) ,  Sun Jia (Hubei Key Laboratory of Critical Zone Evolution, School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China) ,  Wu Xiaojun (Hubei Key Laboratory of Critical Zone Evolution, School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China) ,  Jiang Weixia (Hubei Key Laboratory of Critical Zone Evolution, School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 706  ページ： Null  発行年： 2020年 
JST資料番号： C0501B  ISSN： 0048-9697  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 空間的に連続した衛星データは,毎月の気温(Ta)を推定するために広く使われてきた。しかし,推定された毎月のTaが観測されたTaと時間的に一致するかどうかはまだ明らかではない。本研究において,推定毎月のTaにおける年年変動と時間的傾向の正確さは,2001-2018年の間,中国本土のために系統的に分析した。モデルへの入力データに対する5つの方法の間の精度の差を調べた。Cubistアルゴリズムと10の変数を用いて毎月のTaを推定した。モデルへの同じ月の入力データは,全てのデータをモデルに入力するよりも,より正確な結果を生成できることが分かった。時間的変数(すなわち,月と年)を用いることは,推定したTaの精度を著しく増加させることができる。これらの結果は,異なる時間に現れるTaと補助変数の間の異なる関係によって説明できる。したがって,時間的変数を用いることは,異なる関係を区別し,推定したTaの精度レベルを改善することを助けることができる。最良の方法(モデルに同じ月にデータを入力し,時間変数として年を用いる)を適用すると,推定月平均Taの決定係数(R2),月平均Taにおける年年変動及び月平均Taにおける時間的傾向は,それぞれ0.997,0.731及び0.848と記録された。推定月平均Taの平方平均二乗誤差(RMSEs),月平均Taの年年変動及び月平均Taの時間的傾向を,それぞれ0.629°C,0.593°C及び0.201°C/10年と記録した。正確で,国家の範囲,1kmの空間分解能,および長い時系列(2001~2018)月平均,最大および最小のTaデータセットを最終的に開発した。データセットは気候学,水文学および生態学のような多くの分野に対して非常に利用できる。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： リモートセンシング ,  アルゴリズム ,  地表温度 ,  *気温 ,  年年変動 ,  水文学 ,  タンタル ,  気候学 ,  空間分解能 ,  機械学習 ,  生態学
準シソーラス用語： MODIS ,  平均二乗誤差 ,  決定係数 ,  入力データ , 【Automatic Indexing@JST】

著者キーワード (6件)： 気温 ,  地表温度 ,  リモートセンシング ,  機械学習 ,  MODIS ,  中国

分類 (2件)： 気象学一般  (DC05010D) ,  粒状物調査測定  (SB03060E)

タイトルに関連する用語 (4件)： 中国 ,  気温 ,  データセット ,  開発