文献

J-GLOBAL ID：202102237951055907   整理番号：21A2454064

高分解能リモートセンシング画像に基づく都市緑地のための新しい知的分類法【JST・京大機械翻訳】

A Novel Intelligent Classification Method for Urban Green Space Based on High-Resolution Remote Sensing Images

著者 (9件)： Xu Zhiyu (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China) ,  Xu Zhiyu (University of Chinese Academy of Sciences, Beijing 100094, China) ,  Zhou Yi (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China) ,  Wang Shixin (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China) ,  Wang Litao (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China) ,  Li Feng (The 54th Research Institute of China Electronics Technology Group Corporation, Shijiazhuang 050081, China) ,  Wang Shicheng (The 54th Research Institute of China Electronics Technology Group Corporation, Shijiazhuang 050081, China) ,  Wang Zhenqing (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China) ,  Wang Zhenqing (University of Chinese Academy of Sciences, Beijing 100094, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 22  ページ： 3845  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： 都市緑地状態情報のリアルタイム,正確,および精密なモニタリングは,都市生態学的環境の構築と都市生態学的利益の改善において非常に重要である。高分解能技術は,地上物体の豊富な情報を提供でき,都市グリーン表面の情報をより複雑にする。既存の分類方法は,高分解能画像の分類精度と自動化要求を満たすのに挑戦的である。本論文は,異なる期間における高分解能リモートセンシング画像(GaoFen-2)によって提供される緑地のスペクトルおよび空間情報を完全に利用するために,生物季節学特徴制約に基づく都市緑地のための深層学習分類法を提案した。植生生物季節学特徴を,訓練と分類のための深層学習ネットワークへの補助バンドとして追加した。HRNet(High-Resolut Network)をモデルとして用い,Focal Tversky損失関数を導入し,サンプル不均衡問題を解決した。実験結果は,HRNetモデル訓練への生物季節特性の導入が,常緑と落葉樹の誤分類の問題を解決することによって,都市緑地分類精度を効果的に改良できることを示した。落葉樹,常緑樹,および草原のF1-Scoreの改善率は,それぞれ0.48%,4.77%,および3.93%であり,それは,植生生物季節学と高分解能リモートセンシング画像の組合せが,深い学習都市緑地分類の結果を改善できることを証明した。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： 自動化 ,  学習 ,  損失関数 ,  ネットワーク ,  *都市 ,  スペクトル ,  草原 ,  *緑地 ,  *高分解能
準シソーラス用語： 分類法 ,  空間情報 ,  分類精度 ,  *都市緑地 ,  *リモートセンシング画像 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 都市緑地分類 ,  高分解能リモートセンシング画像 ,  深層学習 ,  HRNet ,  生物季節 ,  焦点Tversky損失

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  リモートセンシング一般  (AD04000L)

引用文献 (54件)：

• Yang, J.; McBride, J.; Zhou, J.; Sun, Z. The urban forest in Beijing and its role in air pollution reduction. Urban For. Urban Green. 2005, 3, 65-78.
• Dwivedi, P.; Rathore, C.S.; Dubey, Y. Ecological benefits of urban forestry: The case of Kerwa Forest Area (KFA), Bhopal, India. Appl. Geogr. 2009, 29, 194-200.
• Thompson, C.W.; Roe, J.; Aspinall, P.; Mitchell, R.; Clow, A.; Miller, D. More green space is linked to less stress in deprived communities: Evidence from salivary cortisol patterns. Landsc. Urban Plan. 2012, 105, 221-229.
• Xiao, R.; Zhou, Z.; Wang, P.; Ye, Z.; Guo, E.; Ji, G. Application of 3S technologies in urban green space ecology. Chin. J. Ecol. 2004, 23, 71-76.
• Groenewegen, P.P.; Van den Berg, A.E.; De Vries, S.; Verheij, R.A. Vitamin G: Effects of green space on health, well-being, and social safety. BMC Public Health 2006, 6, 149.

タイトルに関連する用語 (4件)： 高分解能 ,  リモートセンシング画像 ,  都市緑地 ,  分類法