文献

J-GLOBAL ID：202102251408310213   整理番号：21A0401952

一つの「天宮二号」土壌湿度逆変換方法【JST・京大機械翻訳】

Method of soil moisture retrieval in Tiangong-2

著者 (2件)： Chang Jiang (中国科学院上海技術物理研究所 中国科学院紅外探測与成像技術重点実験室,上海 200083;中国科学院大学,北京 100049;上海科技大学,上海 200031) ,  Ding Lei (中国科学院上海技術物理研究所 中国科学院紅外探測与成像技術重点実験室,上海,200083)
資料名： Xiandai Dianzi Jishu  (Xiandai Dianzi Jishu)
巻： 43  号： 6  ページ： 82-85,89  発行年： 2020年 
JST資料番号： C4364A  ISSN： 1004-373X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： リモートセンシング画像のスペクトル情報と土壌湿度の間のモデルを,ニューラルネットワークと機械学習によって確立し,土壌湿度をリモートセンシングによって予測した。「天宮二号」2016年9月24日広帯域イメージング装置で採取した可視光近赤外スペクトル画像をモデル入力とし、「天宮二号」画像と同じ採集時間と緯度のSMAP/Sentinel-1L2土壌湿度製品を出力として選択した。スペクトル情報と土壌湿度データ間の関係を,それぞれBayesianニューラルネットワークとランダム森林アルゴリズムによって確立した。結果は以下を示した。Bayes線形回帰インバージョンを用いたとき,隠れ層ノード数が24のとき,R2は0.755であり,RMSEは0.161であった。ランダムフォレストマシン学習アルゴリズムを用いた逆解析では,ディシジョンツリー数が60のとき,R2は0.809であり,RMSEは0.120であった。「天宮二号」画像に対して、土壌湿度の逆変換を行う場合、ランダム森林モデルはベイジアンニューラルネットワークモデルより精度が高く、フィッティング効果が良好で、比較的正確な広範囲の土壌水分含有量予測を実現することができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ニューラルネットワーク ,  緯度 ,  スペクトル ,  リモートセンシング ,  可視光 ,  ディシジョンツリー ,  *土壌水 ,  *逆変換 ,  広帯域 ,  近赤外スペクトル ,  機械学習 ,  学習アルゴリズム ,  隠れ層
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (2件)： 土壌湿度 ,  逆変換