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。
現行の構造-運動写真測量法(SfM)と組み合わせたコンピュータビジョンの改善は,無人航空システム(UAS)によって収集された画像からの森林の非常に高い分解能構造(3D)とスペクトルデータを生成する能力をもつユーザを提供した。この過程によって導出された製品は,LiDAR,衛星,または空中画像のような従来のソースと比較して,個々の樹木レベルで森林構造を評価し,測定することができる。個々の樹木樹冠の伐採と描写はリモートセンシングデータの一般的利用であり,UASベースの構造あるいはスペクトルデータのいずれかを用いて達成できる。しかし,これらの製品をこの目的に広範囲に比較する研究はなく,また,様々な空間分解能,樹冠サイズ,あるいは一般的な森林林分タイプの下でも比較されていない。本研究では,2つのUASベース製品,キャノピー高さモデル(CHM)および自然カラーオルソモザイクから得たスペクトル明度情報を用いて,メーカー制御流域セグメンテーションを用いて,個々の樹冠セグメンテーションの精度を比較した。結果は,スペクトル明度を用いて分割された単一木冠がCHM手法と比較してより正確であることを示した。明度情報とCHMを使用する最適空間分解能は,それぞれ30と75cmであった。さらに,分割される樹冠のサイズも,最適解像度に影響した。主に落葉あるいは針葉樹である森林タイプの密度は,セグメンテーションの精度に影響を持たないことが分かった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】