文献

J-GLOBAL ID：202002281658644986   整理番号：20A2258294

リモートセンシングトレンド-表面フレームワークにおける高分解能衛星データからのFPARの高速検索のためのスケーリングに基づく方法【JST・京大機械翻訳】

A Scaling-Based Method for the Rapid Retrieval of FPAR From Fine-Resolution Satellite Data in the Remote-Sensing Trend-Surface Framework

著者 (5件)： Wang Yiting (College of Geomatics, Xi’an University of Science and Technology, Xi’an, China) ,  Yan Guangjian (State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing, China) ,  Hu Ronghai (College of Resources and Environment, University of Chinese Academy of Sciences, Beijing, China) ,  Xie Donghui (State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing, China) ,  Chen Wei (College of Geoscience and Surveying Engineering, China University of Mining and Technology, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 58  号： 10  ページ： 7035-7048  発行年： 2020年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 広い空間範囲と長い期間にわたる吸収光合成有効放射(FPAR)の微細解像度画分の正確な推定は,効率的で適用可能な方法を必要とする。既存の方法は,空間と時間を通して,精度,単純性,および伝達性の間のバランスをほとんど提供できない。リモートセンシング傾向-表面概念フレームワークの中で,本論文では,参照として粗い解像度FPAR製品を用いて,微細解像度衛星データからFPARを効率的に検索するためのスケーリングベース手法を提案した。この方法を特に開発し,中分解能撮像分光放射計(MODIS)FPAR製品とLandsat画像に適用した。最初に,FPAR検索とスケーリング理論に関連した必要な事前知識を用いて,MODIS FPARとLandsat表面反射率の間の複雑な関係を明示的に線形化した。第2に,FPAR推定のための明示的線形モデルを,リアルタイムでLandsat画像からFPARを推定するために,各日に1対画像学習を通して訓練した。均一および不均一ケースの両方を考察した。本方法を,ランドヨーロッパリモートセンシング機器(VALERI)プログラムの検証から10の選択した世界中のサイトで検証し,0.133の全体の二乗平均平方根誤差(RMSE)を誘導した。30m分解能でのFPARデータセットの長い時系列を,13年間(2000年~2012年)の地域規模(約2000km2)で発生させた。結果は,正確(RMSE=0.072)とMODIS一貫性であり,正規化植生指数(NDVI)ダウンスケーリングベースと回帰ツリー法のものよりかなり良かった。スケーリングベースの方法は,リアルタイムで正確なMODIS一貫性と空間的に一貫したFPAR推定を提供し,空間と時間を通して高度に移動可能であり,Landsatシリーズ衛星の時代へのFPAR推定の将来の拡張を可能にする。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  分解能 ,  *リモートセンシング ,  *高分解能 ,  正規化植生指数
準シソーラス用語： 事前知識 ,  MODIS ,  線形モデル ,  実時間 ,  衛星データ ,  線形化 ,  光合成有効放射 ,  表面反射率 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (7件)： リモートセンシング ,  トレンド ,  フレームワーク ,  高分解能 ,  衛星データ ,  高速検索 ,  スケーリング