抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
目的:保護地域ネットワークにおける生物多様性の保存および回復のための生息場所の管理は,管理された生態系におけるプロセスおよび動力学の理解を増加させるための適切なモニタリングを必要とする。リモートセンシングは,自然または管理誘発生息場所変化を報告するためのコヒーレント時空間情報の導出のためのユニークな可能性を提供する。しかし,リモートセンシング画像における生息場所タイプの描写に用いる方法は,画像分類器を構築するための参照として,地上真実サンプリングの広範囲なプロセスに依存する。実際,必要な参照試料の数は,変化する生息場所条件の不均一性のため,複雑な場面で本質的に未知である。したがって,ほとんどの分類器は,遠隔センシングベースのモニタリングシステムの運用使用のために必要とされる,遡及的画像分析や異なる生態系間では移転できない。INNOVATION:生息地型確率の予測モデリングのための代表的な参照サンプルを自律的に生成する新しい手順を紹介した。Habitatサンプラーと呼ばれる手順を,複数の時間的および空間的スケールで植生構造および動力学を示す任意の画像入力に適用できるツールとして提供した。Habitatサンプラーは,画像分類器の訓練のための多くのラベル付き点位置を提供し,様々な生態系における生息場所動力学の描写のためのモデル転送を高速かつ容易に実行することを可能にする。MAIN結論:参照試料の分布が未知または不十分な場合,Habitat Sampterは標準機械学習分類器より優れている。特に,遷移的および周期的生息地発達の遡及的画像解析パターンが大きなヒースランド地域に対してマッピングできることを示した。この手順は,生態系プロセス,特にコストフリー衛星画像を用いた保護地域ネットワークに関して報告するために,様々な生息場所類型を用いた生物多様性保全モニタリングにおける応用に対して実現可能である。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】