文献

J-GLOBAL ID：202002256038474950   整理番号：20A2215412

Himawari-8エアロゾル光学的深さを用いたPM_2.5濃度推定のための6つの機械学習法の比較【JST・京大機械翻訳】

Comparison of Six Machine Learning Methods for Estimating PM2.5 Concentration Using the Himawari-8 Aerosol Optical Depth

著者 (6件)： Zuo Xin (State Environment Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Zuo Xin (University of Chinese Academy of Sciences, Beijing, China) ,  Guo Hong (State Environment Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Shi Shuaiyi (State Environment Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Zhang Xiaochuan (State Environment Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Zhang Xiaochuan (University of Chinese Academy of Sciences, Beijing, China)
資料名： Journal of the Indian Society of Remote Sensing  (Journal of the Indian Society of Remote Sensing)
巻： 48  号： 9  ページ： 1277-1287  発行年： 2020年 
JST資料番号： W4605A  ISSN： 0255-660X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 衛星リモートセンシングに基づくPM_2.5濃度の推定は,現在,推定モデルに適用される機械学習アルゴリズムによる研究の最新の話題である。しかし,異なる機械学習アルゴリズム間の比較はほとんどなく,異なる気象条件の下で機械学習アルゴリズムの推定性能を客観的に評価する。本研究では,PM_2.5濃度を6つの一般的に用いられる機械学習アルゴリズムを用いて推定し,その性能を北京-天津-河北(BTH)地域の4つの異なる気象条件で比較した。その結果,ディシジョンツリーとランダムフォレストは,異なる気象条件で一貫して良好に機能し,一方,SVMは不十分であった。PM_2.5濃度が150μg/m3より大きいとき,決定木のためのRとRMSE値は,それぞれ0.854と31.53μg/m3であり,一方,SVMアルゴリズムの評価係数は,わずか0.597と49.31μg/m3であり,すべてのアルゴリズムが,他のものより,この間隔において,よりよく実行したことは注目に値する。本研究はまた,異なる気象条件の下でPM_2.5濃度を推定するための最適組合せアルゴリズムの開発に焦点を当て,良好な応用効果を得た。本研究の結果は,リモートセンシングの分野における機械学習アルゴリズムの適用のための理論的基礎と重要な参照を提供するかもしれない。Copyright Indian Society of Remote Sensing 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  気象条件 ,  リモートセンシング ,  ディシジョンツリー ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 北京市 ,  天津市 ,  推定モデル ,  ランダムフォレスト ,  エアロゾル光学的深さ ,  衛星リモートセンシング ,  組合せアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： ひまわり8AOD ,  PM_2.5濃度 ,  機械学習法 ,  モデル組合せ

分類 (2件)： 粒状物調査測定  (SB03060E) ,  放射,大気光学  (DC05080C)

タイトルに関連する用語 (3件)： エアロゾル光学的深さ ,  推定 ,  機械学習