文献

J-GLOBAL ID：202102224709554554   整理番号：21A2454264

中国のShiyang川流域における多時期Sentinel-2データを用いた作物分類【JST・京大機械翻訳】

Crop Classification Using Multi-Temporal Sentinel-2 Data in the Shiyang River Basin of China

著者 (4件)： Yi Zhiwei (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Yi Zhiwei (University of Chinese Academy of Sciences, Beijing 100101, China) ,  Jia Li (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Chen Qiting (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 24  ページ： 4052  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： タイムリーで正確な作物分類は農業管理にとって非常に重要である。内陸河川流域であるShiyang川流域は,中国北西部の集約農業活動による最も顕著な水資源不足地域の1つである。しかし,高空間分解能の自由作物地図はShiyang川流域で利用できない。欧州宇宙機関(ESA)衛星Sentinl-2は,可視-赤エッジ-近赤外-短波赤外(VIS-RE-NIR-SWIR)スペクトルに多スペクトルバンドを持つ。作物分類に対するスペクトル-時間情報の影響を理解することは,Sentinel-2データを用いるとき,作物マッピングにおける最適化スペクトルバンド組合せと時間的ウィンドウを選択するユーザにとって有効である。本研究では,2019年の成長期に取得した多重時間Sentinel-2データをランダム森林アルゴリズムに適用し,Shiyang川流域の10m空間分解能で作物分類地図を作成した。特徴集合の異なる組合せによる4つの実験を,Sentinel-2情報がより高い作物分類精度のためにより効果的であることを探究するために実施した。結果は,Sentinel-2のマルチスペクトルおよび多重時間情報の増加が,作物分類の精度を著しく改善し,そして,改良が特徴選択の戦略に,しっかりに関連していたことを示した。他のバンドと比較して,Sentinel-2の赤端バンド1(RE-1)および短波赤外バンド1(SWIR-1)は,作物分類においてより高い能力を示した。初期,中期および後期の作物成長段階における画像の併用は,最適性能を達成するために重要である。比較的正確な分類(全精度=0.94)を,画像の中心スペクトルバンドと日付を利用して得た。さらに,満足した精度(全精度>0.9)を持つ作物地図を7月下旬に発生できた。本研究は,より正確でタイムリーな作物地図を取得するための標的スペクトルバンドと画像の周期の選択におけるインスピレーションを与えた。提案方法は,類似した農業構造と作物フェノロジーによって他の乾燥区域に移転することができた。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： アルゴリズム ,  最適化 ,  赤外線 ,  *農作物 ,  *流域 ,  スペクトル ,  多重化 ,  短波 ,  近赤外線 ,  スペクトルバンド ,  内陸 ,  成長期 ,  河川流域
準シソーラス用語： フェノロジー ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 作物分類 ,  センチネルリンパ節 ,  ランダムフォレスト ,  赤端バンド ,  短波赤外線

分類 (1件)： リモートセンシング一般  (AD04000L)

引用文献 (62件)：

• Ozdogan, M. The spatial distribution of crop types from modis data: Temporal unmixing using independent component analysis. Remote Sens. Environ. 2010, 114, 1190-1204.
• Lobell, D.B.; Thau, D.; Seifert, C.; Engle, E.; Little, B. A scalable satellite-based crop yield mapper. Remote Sens. Environ. 2015, 164, 324-333.
• Song, X.-P.; Potapov, P.V.; Krylov, A.; King, L.; Di Bella, C.M.; Hudson, A.; Khan, A.; Adusei, B.; Stehman, S.V.; Hansen, M.C. National-scale soybean mapping and area estimation in the united states using medium resolution satellite imagery and field survey. Remote Sens. Environ. 2017, 190, 383-395.
• Sakamoto, T.; Gitelson, A.A.; Arkebauer, T.J. Near real-time prediction of u.S. Corn yields based on time-series modis data. Remote Sens. Environ. 2014, 147, 219-231.
• See, L.; Fritz, S.; You, L.; Ramankutty, N.; Herrero, M.; Justice, C.; Becker-Reshef, I.; Thornton, P.; Erb, K.; Gong, P.; et al. Improved global cropland data as an essential ingredient for food security. Glob. Food Secur. 2015, 4, 37-45.

タイトルに関連する用語 (6件)： 中国 ,  川 ,  流域 ,  多時期 ,  作物 ,  分類