文献

J-GLOBAL ID：202102234221421752   整理番号：21A1116311

フロリダアメリカにおける正規化リモートセンシング画像を用いた長葉マツ回復のための森林特性の推定【JST・京大機械翻訳】

Estimating Forest Characteristics for Longleaf Pine Restoration Using Normalized Remotely Sensed Imagery in Florida USA

著者 (7件)： Hogland John (Rocky Mountain Research Station, U.S. Forest Service, Missoula, MT 59801, USA) ,  Affleck David L.R. (W.A. Franke College of Forestry and Conservation, University of Montana, Missoula, MT 59812, USA) ,  Anderson Nathaniel (Rocky Mountain Research Station, U.S. Forest Service, Missoula, MT 59801, USA) ,  Seielstad Carl (W.A. Franke College of Forestry and Conservation, University of Montana, Missoula, MT 59812, USA) ,  Dobrowski Solomon (W.A. Franke College of Forestry and Conservation, University of Montana, Missoula, MT 59812, USA) ,  Graham Jon (Department of Mathematical Sciences, University of Montana, Missoula, MT 59812, USA) ,  Smith Robert (Department of Computer Science, University of Montana, Missoula, MT 59812, USA)
資料名： Forests (Web)  (Forests (Web))
巻： 11  号： 4  ページ： 426  発行年： 2020年 
JST資料番号： U7188A  ISSN： 1999-4907  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： 効果的森林管理は,森林の特性および条件に関する正確な情報に関して予測した。残念なことに,広い景観にわたる森林の複雑な空間的および文脈的性質を正確に記述する地上ベースの情報は,収集するのに費用がかかる。この事例研究では,そのようなデータからのキャリブレーションモデルのために特別に設計されたフィールドプロットレイアウトを組み込むことによって,リモートセンシングデータから森林特性を推定することに関連した技術的課題を取り上げ,新しい画像正規化手順を適用して,一般的放射尺度に様々な空間分解能の画像をもたらし,アンサンブル一般化付加モデリング技術を実行した。画像正規化とアンサンブルモデルは森林タイプの正確な推定,長葉松(Pinus palustris)の存在/不在,および樹木基礎面積と樹木密度を,アメリカ,フロリダのパンハンドルの大きなセグメントにわたって提供した。本研究は,大規模地域にわたる重要な森林特性を推定するために,リモートセンシング画像とプロットデータとの連結に関連したいくつかの主要な障壁を克服した。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： 舵取ハンドル ,  事例研究 ,  加算 ,  フロリダ州 ,  *正規化 ,  空間分解能
準シソーラス用語： 森林管理 ,  *リモートセンシング画像 ,  画像正規化 ,  森林型 ,  リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 回復 ,  長葉 ,  相対正規化 ,  アンサンブル一般化加算モデル ,  森林

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

引用文献 (26件)：

• Noss, R.; LaRoe, E.; Scott, J. Endangered Ecosystems of the United States: A Preliminary Assessment of Loss and Degradation; Biological Report 28; National Biological Service: Washington, DC, USA, 1995; Available online: https://sciences.ucf.edu/biology/king/wp-content/uploads/sites/106/2011/08/Noss-et-al-1995.pdf (accessed on 19 July 2019).
• Oswalt, C.; Cooper, J.; Brockway, D.; Brooks, H.; Walker, J.; Connor, K.; Oswalt, S.; Conner, R. History and Current Condition of Longleaf Pine in the Southern United States; USDA Forest Service General Technical Report SRS-166; United States Forest Service: Ashville, NC, USA, 2012. Available online: http://www.srs.fs.usda.gov/pubs/42259 (accessed on 6 February 2019). Regional Working Group for America’s Longleaf. Range-Wide Conservation Plan for Longleaf. 2009. Available online: http://www.americaslongleaf.org/media/86/conservation_plan.pdf (accessed on 6 February 2019). U.S. Forest Service Forest Inventory and Analysis Program: We Are the Nation’s Forest Census. Available online: https://www.fia.fs.fed.us/ (accessed on 6 February 2019).
• Hogland, J.; Anderson, N.; St. Peter, J.; Drake, J.; Medley, P. Mapping forest characteristics at fine resolution across large landscapes of the southeastern United States using NAIP imagery and FIA field plot data. ISPRS Int. J. Geo-Inf. 2018, 7, 140. Available online: https://www.mdpi.com/2220-9964/7/4/140/htm (accessed on 6 February 2019).
• Hogland, J.; Anderson, N.; Affleck, D.L.R.; St. Peter, J. Using Forest Inventory Data with Landsat 8 imagery to Map Longleaf Pine Forest Characteristics in Georgia, USA. Remote Sens. 2019, 11, 1803.
• Gibert, K.; Horsburgh, J.S.; Athanasiadis, I.N.; Holmes, G. Environmental Data Science. Environ. Model. Softw. 2018, 106, 4-12.

タイトルに関連する用語 (10件)： フロリダ ,  アメリカ ,  正規化 ,  リモートセンシング画像 ,  長 ,  葉 ,  マツ ,  回復 ,  森林 ,  推定