文献

J-GLOBAL ID：202002268536717572   整理番号：20A1786013

高分解能画像とオブジェクトに基づく方法に基づく樹木と草の識別のための新しい指標【JST・京大機械翻訳】

A new index to differentiate tree and grass based on high resolution image and object-based methods

著者 (7件)： Qian Yuguo (State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing, 100085, China) ,  Zhou Weiqi (State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing, 100085, China) ,  Zhou Weiqi (University of Chinese Academy of Sciences, Beijing, 100049, China) ,  Nytch Christopher J. (Department of Environmental Sciences, University of Puerto Rico, Rio Piedras Campus, San Juan, Puerto Rico 00925, USA) ,  Han Lijian (State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing, 100085, China) ,  Li Zhiqiang (State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing, 100085, China) ,  Li Zhiqiang (University of Chinese Academy of Sciences, Beijing, 100049, China)
資料名： Urban Forestry & Urban Greening  (Urban Forestry & Urban Greening)
巻： 53  ページ： Null  発行年： 2020年 
JST資料番号： W3286A  ISSN： 1618-8667  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： 都市樹木と牧草には,異なる生態学的機能とサービスがある。リモートセンシングは,大規模で都市植生被覆と分布を定量化する実行可能な方法を提供する。ほとんどの以前の研究は,都市樹木と草を地図化する高解像度画像に基づく教師つき分類を使用した。しかし,粗い植生と細かい植生を識別するための特殊化された特徴の欠如のため,都市樹木と草の分類精度は一貫して低い。3D地形情報の追加は精度を改善できるが,そのようなデータはアベイラビリティが限られている。本論文は,都市樹木と草の迅速で効果的な分類を容易にするために,樹木-草分化指数(TGDI)を開発した。異なる分類法にそれを適用することにより新しい指標の性能を試験した。方法:方法1:TGDIのない監督分類の分類を比較した。方法:2:TGDIによる教師付き分類;方法:3:TGDIによるルールベースの分類。結果は,方法1,方法2,および方法3の全体的精度が,それぞれ,84%,88%,および90.5%であることを示した。新しい指数を用いて,TGDIがルールベース分類のために単独で使用されたか,または教師つき分類のための特徴として追加されたかどうかにかかわらず,都市樹木と草の分類を改善できる。TGDIを使用する主な利点は,樹木の日照部分の誤分類を草に減らすことである。TGDIを教師つき分類に適用するとき,樹木の生産者精度と牧草のユーザ精度は10%以上改善できる。本研究は,テクスチャとスペクトル特徴を合成し,スペクトル特徴のみに基づく指数構築の伝統的手法を強化し,詳細な3D表面データを必要としない。結果は,都市環境における生態学的構造と機能の熊本パターンのために,改良精度をもたらして,遠隔観測の効用を拡大することができる指数を開発するための新規な方法を提唱した。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： 牧草 ,  *都市 ,  日照時間 ,  アベイラビリティ ,  リモートセンシング ,  生産者 ,  生態学 ,  三次元 ,  熊本県 ,  ルールベース ,  都市環境
準シソーラス用語： 分類法 ,  分類精度 ,  教師付き分類 ,  スペクトル特徴 , 【Automatic Indexing@JST】

著者キーワード (5件)： インデックス ,  土地被覆分類 ,  OBIA ,  高分解能画像 ,  樹木と草

分類 (2件)： リモートセンシング一般  (AD04000L) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (6件)： 高分解能画像 ,  オブジェクト ,  樹木 ,  草 ,  識別 ,  指標