文献

J-GLOBAL ID：202002267020152337   整理番号：20A2561552

MODISおよびUSA国家フェノロジーネットワークデータを用いた衛星ベースの植生生物季節学を検索するためのルールベースおよび機械学習に基づく方法の評価および比較【JST・京大機械翻訳】

Evaluations and comparisons of rule-based and machine-learning-based methods to retrieve satellite-based vegetation phenology using MODIS and USA National Phenology Network data

著者 (11件)： Xin Qinchuan (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, 830011, China) ,  Xin Qinchuan (School of Geography and Planning, Sun Yat-sen University, Guangzhou, 510275, China) ,  Xin Qinchuan (Research Center for Ecology and Environment of Central Asia, CAS, Urumqi, 830011, China) ,  Xin Qinchuan (University of Chinese Academy of Sciences, Beijing, 100049, China) ,  Li Jing (School of Geography and Planning, Sun Yat-sen University, Guangzhou, 510275, China) ,  Li Ziming (School of Geography and Planning, Sun Yat-sen University, Guangzhou, 510275, China) ,  Li Yaoming (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, 830011, China) ,  Li Yaoming (Research Center for Ecology and Environment of Central Asia, CAS, Urumqi, 830011, China) ,  Li Yaoming (University of Chinese Academy of Sciences, Beijing, 100049, China) ,  Zhou Xuewen (School of Geography and Planning, Sun Yat-sen University, Guangzhou, 510275, China) ,  Zhou Xuewen (School of Atmospheric Sciences, Sun Yat-sen University, Guangzhou, 510275, China)
資料名： International Journal of Applied Earth Observation and Geoinformation  (International Journal of Applied Earth Observation and Geoinformation)
巻： 93  ページ： Null  発行年： 2020年 
JST資料番号： W3181A  ISSN： 1569-8432  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： 植生フェノロジーは地球大気変化下の植生-大気相互作用と植生過程を反映する敏感な指標である。高空間と時間分解能で地表面をモニタする高速開発リモートセンシング技術は,大規模で植生生物季節検索と分析に広く使用されている。研究者はリモートセンシングデータに基づく多くのフェノロジー検索手法を開発してきたが,フェノロジー検索方法間の関係と差異は明らかではなく,野外生物季節再符号化データとの比較と比較が不足している。本研究では,中分解能撮像分光放射計(MODIS)と北アメリカの米国国立フェノロジーネットワークデータを用いた8つのフェノロジー検索法を評価し,比較した。研究したフェノロジー検索方法は,6つの一般的に用いられる規則ベースの方法(即ち,振幅閾値,一次導関数,二次導関数,三次導関数,相対変化曲率,および曲率変化率)と2つの新しく開発された機械学習法(すなわち,ニューラルネットワークとランダムフォレスト)を含んだ。大規模では,すべての方法で誘導した季節(SOS)値の開始は,類似した空間分布を有した。しかし,検索された値は各ピクセルにおいて大きな不確実性を持ち,季節の終わり(EOS)反転値は方法間で大きく異なった。サイトスケールでは,規則ベースの方法で抽出したSOSとEOS値は,フィールドフェノロジー観察と有意な正の相関があった。規則ベースの方法の中で,振幅閾値法は最良であった。機械学習法は,フィールド観察を用いて評価したとき,SOSを検索するという点で,ルールベースの方法より優れていた。本研究は,衛星データから植生フェノロジーを検索する方法の間に大きな差異があり,研究者が衛星検索生物季節学を分析するための適切な方法の選択に注意しなければならないことを浮き彫りにした。結果はまた,衛星ベースの地表面の生物季節学の理解において,フィールドフェノロジー観察の重要性と機械学習法の有用性を実証した。これらの知見から,地球規模および地域生物季節産物の将来開発に対する貴重な基準が得られた。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： 相互作用 ,  時系列分析 ,  不確実性 ,  ニューラルネットワーク ,  曲率 ,  画素 ,  リモートセンシング ,  導関数 ,  *機械学習 ,  *ルールベース
準シソーラス用語： *MODIS ,  *フェノロジー ,  ランダムフォレスト ,  地球大気 ,  リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 生物季節学 ,  地上観測 ,  リモートセンシング ,  時系列解析 ,  機械学習

分類 (3件)： リモートセンシング一般  (AD04000L) ,  植物生態学  (EE02000E) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (10件)： MODIS ,  USA ,  国家 ,  衛星 ,  植生 ,  生物季節学 ,  検索 ,  ルール ,  機械学習 ,  評価