文献

J-GLOBAL ID：202002279421486554   整理番号：20A2448418

Mount Taiの地上森林バイオマスのLandsat-8画像に基づく炭素モニタリングのためのパラメータ選択の調査【JST・京大機械翻訳】

Exploring parameter selection for carbon monitoring based on Landsat-8 imagery of the aboveground forest biomass on Mount Tai

著者 (5件)： Qiu Agen (Research Center of Government GIS, Chinese Academy of Surveying and Mapping, Beijing, China) ,  Yang Yi (School of Geomatics and Marine Information, Jiangsu Ocean University, Lianyungang City, China) ,  Wang Dongchao (School of Geomatics and Marine Information, Jiangsu Ocean University, Lianyungang City, China) ,  Xu Shenghua (Research Center of Government GIS, Chinese Academy of Surveying and Mapping, Beijing, China) ,  Wang Xiao (School of Geomatics and Marine Information, Jiangsu Ocean University, Lianyungang City, China)
資料名： European Journal of Remote Sensing  (European Journal of Remote Sensing)
巻： 53  号： sup1  ページ： 4-15  発行年： 2020年 
JST資料番号： W5849A  ISSN： 2279-7254  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ABSTRACT:森林は地球気候の安定化において基本的役割を果たす。地上バイオマス(AGB)は地球炭素収支と環境保護に重要である。森林バイオマスを正確に推定するために,単一バンド情報,植生指数,テクスチャ特徴および地形因子のようなリモートセンシング特徴を評価した。特徴選択SVM-RFE(サポートベクトルマシン再帰的特徴除去)法を提案し,Mount Tai地域Landsat-8画像から得たバイオマスとパラメータ間の関係を調べ,それによってAGB推定精度を改善した。パラメータの最適部分集合を決定するために,スコアリング関数に従って最小重要なパラメータを再帰的に除去した。次に,SVM-RFEアルゴリズムバイオマス特徴選択法の性能を,広く使われている段階的回帰法と比較した。結果は,SVM-RFE法が段階的線形回帰法より優れていることを示した。そして,それは,米国国によって採用された森林伐採と劣化(REDD)機構からの最近の減少排出物の文脈において,現場測定と比較してAGBを正確に推定することができた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 伐木 ,  *炭素 ,  地球 ,  環境保全 ,  気候 ,  特徴選択 ,  リモートセンシング ,  バイオマス ,  サポートベクトルマシン
準シソーラス用語： 植生指標 ,  炭素収支 ,  線形回帰 ,  推定精度 ,  *森林バイオマス ,  地上バイオマス , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  Landsat-8 ,  SVM-RFE ,  森林バイオマス

分類 (2件)： 測樹学  (FF01040T) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (8件)： TAI ,  地上 ,  森林バイオマス ,  LANDSAT ,  炭素 ,  モニタリング ,  パラメータ選択 ,  調査