文献

J-GLOBAL ID：202102234931075159   整理番号：21A2454558

マルチセンサ衛星データを用いたLiDARサンプル拡大による地域森林体積推定【JST・京大機械翻訳】

Regional Forest Volume Estimation by Expanding LiDAR Samples Using Multi-Sensor Satellite Data

著者 (11件)： Xie Bo (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Xie Bo (University of Chinese Academy of Sciences, Beijing 100094, China) ,  Cao Chunxiang (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Xu Min (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Bashir Barjeece (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Bashir Barjeece (University of Chinese Academy of Sciences, Beijing 100094, China) ,  Singh Ramesh P. (School of Life and Environmental Sciences, Schmid College of Science and Technology, Chapman University, Orange, CA 92866, USA) ,  Huang Zhibin (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Huang Zhibin (University of Chinese Academy of Sciences, Beijing 100094, China) ,  Lin Xiaojuan (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China) ,  Lin Xiaojuan (University of Chinese Academy of Sciences, Beijing 100094, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 3  ページ： 360  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： 森林体積に関する正確な情報は,造林,木材収穫,および森林生態学的サービスの推定において重要な役割を果たす。伝統的に,野外測定を用いた森林成長ストック量に関する操作は労働集約的で時間がかかる。最近,リモートセンシング技術が森林インベントリーのための時間費用効率の高い方法として浮上している。本研究では,サンプル拡張,特徴選択,および結果生成と評価を含む3つの手順を採用した。光検出と測距(LiDAR)走査からの試料の外挿は,ノンパラメトリック法操作のためのサンプルサイズの要求を満たし,精度改善をもたらす最も重要なステップである。さらに,ランダムフォレスト(RF)アルゴリズムに埋め込まれた平均減少Gini(MDG)方法論は,特徴測度のためのセレクタとして役立った。その後,RFとK最近傍(KNN)をその後の森林体積予測に採用した。結果は,全体の区域における森林容量の検索が50360m3/haの範囲であり,2つのモデルからの結果は,最適な閾値(2104)によって外挿したサンプル組合せを使用する間,より良い一貫性を示して,RF(R2=0.618,平方自乗誤差,RMSE=43.641m3/ha,平均絶対誤差,MAE=33.016m3/ha)の最良性能に導いて,KNN(R2=0.617,RMSE=43.693m3/ha,MAE=32.534m3/ha)が続いた。本文で議論された詳細解析は,画像導出LiDARサンプルの拡大が,衛星データとノンパラメトリックモデルを用いて,地域森林体積の予測を精密化するのに役立つことを明らかに示している。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 ,  選別器 ,  測度 ,  *外挿法 ,  集材 ,  ノンパラメトリック法 ,  特徴選択 ,  リモートセンシング ,  在庫量 ,  造林 ,  精密化 ,  距離測定 ,  光検出
準シソーラス用語： 衛星データ ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： LiDAR試料拡大 ,  マルチソース衛星データ ,  ノンパラメトリック法 ,  地域規模

分類 (1件)： リモートセンシング一般  (AD04000L)

引用文献 (76件)：

• Dixon, R.K.; Brown, S.; Houghton, R.A.; Solomon, A.M.; Trexler, M.C.; Wisniewski, J. Carbon Pools and Flux of Global Forest Ecosystems. Science 1994, 263, 185-190.
• Bonan, G.B. Forests and climate change: Forcings, feedbacks, and the climate benefits of forests. Science 2008, 320, 1444-1449.
• Coomes, D.A.; Allen, R.B. Mortality and tree-size distributions in natural mixed-age forests. J. Ecol. 2007, 95, 27-40.
• Magnussen, S.; Naesset, E.; Gobakken, T. Prediction of tree-size distributions and inventory variables from cumulants of canopy height distributions. Forestry 2013, 86, 583-595.
• Saarinen, N.; Kankare, V.; Vastaranta, M.; Luoma, V.; Pyorala, J.; Tanhuanpaa, T.; Liang, X.L.; Kaartinen, H.; Kukko, A.; Jaakkola, A.; et al. Feasibility of Terrestrial laser scanning for collecting stem volume information from single trees. ISPRS J. Photogramm. Remote Sens. 2017, 123, 140-158.

タイトルに関連する用語 (9件)： マルチセンサ ,  衛星データ ,  LIDAR ,  サンプル ,  拡大 ,  地域 ,  森林 ,  体積 ,  推定