文献

J-GLOBAL ID：202102263241926086   整理番号：21A2453172

リモートセンシングを用いた森林および作物葉面積指数推定:研究動向と今後の方向【JST・京大機械翻訳】

Forest and Crop Leaf Area Index Estimation Using Remote Sensing: Research Trends and Future Directions

著者 (4件)： Xu Jin (Department of Environmental Resources Engineering, State University of New York College of Environmental Science and Forestry, Syracuse, NY 13210, USA) ,  Quackenbush Lindi J. (Department of Environmental Resources Engineering, State University of New York College of Environmental Science and Forestry, Syracuse, NY 13210, USA) ,  Volk Timothy A. (Department of Sustainable Resources Management, State University of New York College of Environmental Science and Forestry, Syracuse, NY 13210, USA) ,  Im Jungho (School of Urban and Environmental Engineering, Ulsan National Institute of Science and Technology (UNIST), Ulsan 44919, Korea)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 18  ページ： 2934  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： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 葉面積指数(LAI)は森林と農業生態系における重要な植生葉構造パラメータである。リモートセンシング技術は,LAIの現場ベースの観察に効果的な代替を提供できる。キャノピー構造の違いは,異なるセンサタイプ(アクティブまたはパッシブ),プラットフォーム(地上,空中,または衛星)をもたらし,モデルは森林と農業システムのLAI推定に適切である。本研究は,森林と作物LAIを推定し,LAI推定における不確実性解析を探索するために使われる,異なるシステム構成(異なる収集プラットフォーム上のパッシブ,アクティブ,およびマルチソースセンサ)にわたるリモートセンシングベースのアプローチの応用をレビューする。これらの生態系の異なる構造を与える森林と農業用途に対するLAI推定の差の比較を,特に空間的スケールに関連して提示した。経験的モデルの使用の容易さは,森林と作物LAI推定のための好ましい選択として,これらを支持する。しかし,森林と作物LAI推定のための異なる経験的モデル間の性能変化は,特定のモデルの幅広い応用を制限する。様々な温度帯からの特定の森林と作物成長段階に対する局所生理学と生化学パラメータの戦略的組込みを促進するモデルの開発はLAI推定モデルの精度を改善し,より広く適用可能なモデル開発を助ける。スケール問題に関して,スペクトルと空間スケールの両方がLAIの推定に影響する。異なるセンサからのデータのスケール間の定量的関係の探索は,森林と作物管理者が,より適切に,そして,効果的に異なるデータ源を適用するのを助けることができた。様々な発生源から来る不確実性はLAI推定の精度の低下をもたらす。Bayes手法はモデル入力の不確実性に基づくLAI推定の不確実性を定量化するのに有効であることが証明されているが,リモートセンシングデータ源,地上測定および関連する環境因子からの不確実性を定量化し,モデル不確実性の影響を軽減し,LAI推定を改善する必要がある。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： 不確実性 ,  *農作物 ,  スペクトル ,  *リモートセンシング ,  成長段階 ,  生態系 ,  栽培管理 ,  *葉面積指数
準シソーラス用語： パッシブ ,  経験モデル ,  環境因子 ,  不確実性解析 ,  発生源 ,  推定モデル ,  リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (7件)： LAI推定 ,  受動 ,  活性 ,  データソース ,  モデル反転 ,  スケール効果 ,  不確実性

分類 (2件)： リモートセンシング一般  (AD04000L) ,  測樹学  (FF01040T)

引用文献 (217件)：

• Hansen, M.C.; Potapov, P.V.; Moore, R.; Hancher, M.; Turubanova, S.; Tyukavina, A.; Thau, D.; Stehman, S.; Goetz, S.; Loveland, T. High-resolution global maps of 21st-century forest cover change. Science 2013, 342, 850-853.
• Vanclay, J.K. Modelling Forest Growth and Yield: Applications to Mixed Tropical Forests; CABI: Wallingford, UK, 1994; p. 537.
• Ryan, M.G.; Binkley, D.; Fownes, J.H.; Giardina, C.P.; Senock, R.S. An experimental test of the causes of forest growth decline with stand age. Ecol. Monogr. 2004, 74, 393-414.
• Saxe, H.; Cannell, M.G.; Johnsen, Ø.; Ryan, M.G.; Vourlitis, G. Tree and forest functioning in response to global warming. New Phytol. 2001, 149, 369-399.
• Flannigan, M.D.; Amiro, B.D.; Logan, K.A.; Stocks, B.; Wotton, B. Forest fires and climate change in the 21st century. Mitigation Adapt. Strat. Glob. Chang. 2006, 11, 847-859.

タイトルに関連する用語 (7件)： リモートセンシング ,  森林 ,  作物 ,  葉面積指数 ,  推定 ,  研究 ,  動向