文献

J-GLOBAL ID：202102211806871175   整理番号：21A2455605

グローバル生物多様性ホットスポットのより多くの情報管理のためのマルチソースおよびマルチタイムリモートセンシングデータによる天然森林残骸のマッピング【JST・京大機械翻訳】

Mapping Natural Forest Remnants with Multi-Source and Multi-Temporal Remote Sensing Data for More Informed Management of Global Biodiversity Hotspots

著者 (3件)： Koskikala Joni (Department of Geography and Geology, University of Turku, FI-20014 Turku, Finland) ,  Kukkonen Markus (Department of Geosciences and Geography, University of Helsinki, FI-00014 Helsinki, Finland) ,  Kaeyhko Niina (Department of Geography and Geology, University of Turku, FI-20014 Turku, Finland)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 9  ページ： 1429  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 地球規模の陸生生物多様性ホットスポット(GBH)は,世界における流行と生息地損失の例外的な濃度を特徴とする地域を代表する。残念なことに,GBHの自然生息地の地理空間データは,しばしば除外され,不正確で,粗く,改良管理と保護行動の更新を必要とする。衛星画像アベイラビリティにおける最近の発展は,強化機械学習アルゴリズムおよび計算能力と組み合わせて,これらの既にひどく断片化された生息場所の地理空間情報のコスト効率の良い更新を可能にする。本研究は,タンザニアとケニアにおける東部Arc山脈(EAM)生態地域の閉鎖キャノピー常緑自然林(CCEF)をマッピングするためのより正確な方法を開発し,その空間的範囲,フラグメンテーションのレベル,および保存状態に関する知識を更新することを目的とした。著者らは,Sentinel-1(S1)とSentinel-2(S2)衛星画像の組み合わせ,S1とS2の空間テクスチャ,Landsat-8時系列に由来する季節性,およびランダム森林モデリング手法を用いた地形情報から1023のモデルの可能性を試験した。独立精度評価を通してEAMから既存の空間森林製品と最良のCCEFモデルを比較した。最後に,CCEFモデルを用いてEAMのフラグメンテーションと保存範囲を推定した。CCEFモデルは,True Skill Statistic(0.57)で測定した中程度の精度を有し,それは地域からの他の類似の製品より明らかに優れている。このモデルに基づいて,東Arc森林(EAF)の約296000haが残った。さらに,小さな森林断片(110ha)の認知は,EAFsが以前に考えられていたよりもより断片化されていることを意味する。現在,EAFsの公式保護は,よく研究された山岳ブロックを不釣り合いに目標としているが,保護された地域ネットワークでは,あまり知られていない地域と小さな断片が不足している。したがって,生成されたCCEFモデルは,この状況のバランスをとるために,更新およびより情報化された詳細な保存配分計画を設計するために使用されるべきである。結果は,S2,季節性,および地形の空間テクスチャがEAFを記述する最も重要な変数であり,一方,S1の空間テクスチャはモデル性能をわずかに増加させることを強調した。すべてにおいて,我々の研究は,地球観測における最近の開発が,より良い森林と保全計画のために顕著な生物多様性値を有する地域で利用されるべきであるマッピングにおける著しい強化を可能にすることを実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アベイラビリティ ,  *リモートセンシング ,  フラグメンテーション ,  *情報管理 ,  釣合 ,  生息場所 ,  天然林 ,  山岳 ,  *ホットスポット ,  衛星利用画像 ,  *生物多様性 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 季節性 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 森林リモートセンシング ,  保存 ,  マルチセンサ ,  機械学習 ,  東アーク ,  東アフリカ

分類 (1件)： 自然保護  (SB06000L)

引用文献 (97件)：

• Myers, N.; Mittermeier, R.A.; Mittermeier, C.G.; Da Fonseca, G.A.B.; Kent, J. Biodiversity hotspots for conservation priorities. Nature 2000, 403, 853-858.
• Bradshaw, C.; Sodhi, N.; Peh, K.; Brook, B. Global evidence that deforestation amplifies flood risk and severity in the developing world. Glob. Chang. Biol. 2007, 13, 2379-2395.
• Brinck, K.; Fischer, R.; Groeneveld, J.; Lehmann, S.; Dantas De Paula, M.; Pütz, S.; Sexton, J.O.; Song, D.; Huth, A. High resolution analysis of tropical forest fragmentation and its impact on the global carbon cycle. Nat. Commun. 2017, 8, 14855.
• Brook, B.W.; Sodhi, N.S.; Bradshaw, C.J.A. Synergies among extinction drivers under global change. Trends Ecol. Evol. 2008, 23, 453-460.
• Bellard, C.; Bertelsmeier, C.; Leadley, P.; Thuiller, W.; Courchamp, F. Impacts of climate change on the future of biodiversity. Ecol. Lett. 2012, 15, 365-377.

タイトルに関連する用語 (8件)： グローバル ,  生物多様性 ,  ホットスポット ,  情報管理 ,  マルチ ,  ソース ,  森林 ,  マッピング