文献

J-GLOBAL ID：202102249708383492   整理番号：21A2453162

機械学習と大気補正の終わり:大気Sentinel-2画像のトップとボトムからの沿岸Areasにおける高分解能海面塩分の比較【JST・京大機械翻訳】

Machine Learning and the End of Atmospheric Corrections: A Comparison between High-Resolution Sea Surface Salinity in Coastal Areas from Top and Bottom of Atmosphere Sentinel-2 Imagery

著者 (1件)： Medina-Lopez Encarni (Institute for Infrastructure and Environment, School of Engineering, The University of Edinburgh, The King’s Buildings, Edinburgh EH9 3JL, UK)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 18  ページ： 2924  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： 本論文は,大気補正の必要性に関する議論を,Top-and Bottom-of-Atmosphoma画像から得られたデータ駆動海面塩分(SSS)を比較することにより紹介した。大気補正を用いて衛星センサによって取得した反射率における大気の影響を除去した。Sentinel-2レベル-2A製品は,Sen2Corプロセッサを用いて,レベル1C Top-of-Atmosphoma(TOA)タイルから導出された大気補正Bottom-of-Atmosphoma(BOA)画像を提供する。沿岸域(100m)の高分解能のSSSを,人工ニューラルネットワークを用いたマルチスペクトルシグネチャから導出する。これらは衛星バンド情報とin situ SSSデータの間の関係を得る。異なる入力変数を有する4つのシナリオをTOAとBOA画像の両方に対して試験し,補間(すべてのプラットフォームに関する事前情報が訓練データセットで利用可能である)と外挿(certainプラットフォームが分離され,ネットワークがこれらの問題に関するいかなる以前の情報も持たない)について試験する。結果は,TOAが,より高い決定係数(R2),より低い平均絶対誤差(MAE),およびより低い最も一般的誤差(e)に関して,常にBOAより優れていることを示した。最良のTOA結果は,R2=0.99,MAE=0.4PSUおよびe=0.2PSUであった。さらに,Sentinel-2タイルのすべてのピクセルにおけるニューラルネットワークの評価は,BOA結果が海岸から遠く離れただけ正確であることを示し,一方TOAデータは沿岸混合パターン,河口過程に関する有用な情報を提供し,淡水塩分値を推定することができる。これは,土地隣接補正が誤差の関連する源であり得ることを示唆する。Sun glint補正は,誤差の別のソースであるように見える。機械学習アルゴリズムおよびビッグデータを用いるとき,TOA画像はBOA画像より正確で,マルチスペクトルin situ関係に影響する大気補正プロセスにおける情報の明確な損失がある。最後に,大気補正を避けることによって得られた時間と計算資源は,クロロフィルまたは着色溶解有機物の推定のような将来の研究で興味深いTOA画像の利用を可能にする。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： 反射率 ,  外挿法 ,  ネットワーク ,  ニューラルネットワーク ,  河口 ,  内挿法 ,  クロロフィル ,  *塩分 ,  画素 ,  *沿岸 ,  *高分解能 ,  *機械学習 ,  *大気補正
準シソーラス用語： 事前知識 ,  ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (7件)： Sentinel-2 ,  大気補正 ,  大気のトップ(TOA) ,  大気の底(BOA) ,  海面塩分(SSS) ,  人工ニューラルネットワーク(ANN) ,  沿岸海洋学

分類 (1件)： リモートセンシング一般  (AD04000L)

引用文献 (22件)：

• European Space Agency. Sentinel-2 Data Products. 2020. Available online: https://sentinel.esa.int/web/sentinel/missions/sentinel-2/data-products (accessed on 10 June 2020). ESA. Sentinel-2 User Handbook; ESA Standard Documents; ESA: Paris, France, 2015; Available online: https://sentinel.esa.int/documents/247904/685211/Sentinel-2_User_Handbook (accessed on 10 June 2020).
• Liang, S.; Li, X.; Wang, J. (Eds.) Chapter 5-Atmospheric Correction of Optical Imagery. In Advanced Remote Sensing; Academic Press: Boston, FL, USA, 2012; pp. 111-126. Available online: http://www.sciencedirect.com/science/article/pii/B9780123859549000058 (accessed on 10 June 2020). MODTRAN 5.2.0.0 User’s Manual. In Advanced Remote Sensing; Spectral Sciences, Inc.: Burlington, MA, USA, 2008.
• Applications, R. ATCOR-Code Comparison. 2020. Available online: https://www.rese.ch/software/atcor/compare.html (accessed on 10 June 2020). European Space Agency. Sentinel-2 Level-2A Processing Overview. 2020. Available online: https://earth.esa.int/web/sentinel/technical-guides/sentinel-2-msi/level-2a-processing (accessed on 10 June 2020). European Space Agency. Sen2Cor. 2020. Available online: http://step.esa.int/main/third-party-plugins-2/sen2cor/ (accessed on 10 June 2020).
• Pflug, B.; Main-Knorn, M.; Bieniarz, J.; Debaecker, V.; Louis, J. Early Validation of Sentinel-2 L2A Processor and Products. In Proceedings of the Living Planet Symposium, Prague, Czech Republic, 9-13 May 2016.
• Satellite Imaging Corporation. ATCOR. 2020. Available online: https://www.satimagingcorp.com/services/atcor/ (accessed on 10 June 2020).

タイトルに関連する用語 (8件)： 機械学習 ,  大気補正 ,  大気 ,  トップ ,  ボトム ,  沿岸 ,  高分解能 ,  海面塩分