文献

J-GLOBAL ID：202102277310138658   整理番号：21A2453869

ランダムな森林モデルに基づくNPP/VIIRSおよびポイント-Of-Interestデータを用いた中国本土における個体群密度のマッピング【JST・京大機械翻訳】

Mapping the Population Density in Mainland China Using NPP/VIIRS and Points-Of-Interest Data Based on a Random Forests Model

著者 (7件)： Wang Yunchen (Key Laboratory of Remote Sensing of Gansu Province, Heihe Remote Sensing Experimental Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China) ,  Wang Yunchen (College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100000, China) ,  Huang Chunlin (Key Laboratory of Remote Sensing of Gansu Province, Heihe Remote Sensing Experimental Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China) ,  Zhao Minyan (UCD School of Civil Engineering, University College Dublin, D04 V1W8 Dublin, Ireland) ,  Hou Jinliang (Key Laboratory of Remote Sensing of Gansu Province, Heihe Remote Sensing Experimental Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China) ,  Zhang Ying (Key Laboratory of Remote Sensing of Gansu Province, Heihe Remote Sensing Experimental Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China) ,  Gu Juan (Key Laboratory of Western China’s Environmental Systems (Ministry of Education), Lanzhou University, Lanzhou 730000, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 21  ページ： 3645  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： より細かい空間スケールでの個体群の空間分布を理解することは,災害リスク救助操作,ビジネス意思決定,および地域計画のような多くの応用に対して重要な価値を持っている。本研究では,ランダム森林(RF)ベースの人口密度マッピング法を,2015年に中国本土で100mのグリッドで高精度の個体群密度データを生成するために提案した。一般に使用される標高,傾斜,正規化植生指数(NDVI),土地利用/土地被覆,道路,および国家極軌道/可視赤外撮像放射計(NPP/VIIRS),関心点(POI)の16,101,762記録,および2867の郡レベルの調査を,モデルを開発するために使用した。さらに,Popi製品の精度を評価するために,28,505の郡区レベルの調査(町の総数の74%)を収集した。結果は,マルチソースデータの利用(特にPOIとNPP/VIIRSデータの組合せ)が,より細かいスケールで個体群マッピングの精度を効果的に改良できることを示した。POIとNPP/VIIRSの特徴の重要性は,それぞれ0.49と0.14であり,他の自然因子で得られた値より高い値である。世界人口データセットと比較して,Popiデータはより高い精度を示した。正確に推定したタウンシップの数は,Popi製品で19,300(67.7%),世界人口で16,237(56.9%)であった。根平均二乗誤差(RMSE)および平均絶対誤差(MAE)は,それぞれ,Popiに対して14,839および7218であり,Worldopに対して18,014および8572であった。本論文における研究方法は,他の社会経済データ(GDPのような)の空間化のための参照を提供することができた。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： 写像 ,  意思決定 ,  道路 ,  土地利用 ,  地域計画 ,  空間分布 ,  人口密度 ,  *個体群 ,  *生息密度 ,  土地被覆 ,  極軌道 ,  正規化植生指数
準シソーラス用語： 平均二乗誤差 ,  標高 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 人口密度 ,  NPP/VIIRS ,  POI ,  ランダムフォレスト ,  中国

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

引用文献 (44件)：

• Lu, D.; Tian, H.; Zhou, G.; Ge, H. Regional mapping of human settlements in southeastern China with multisensor remotely sensed data. Remote Sens. Environ. 2008, 112, 3668-3679.
• Ferguson, N.M.; Cummings, D.A.; Cauchemez, S.; Fraser, C.; Riley, S.; Meeyai, A.; Iamsirithaworn, S.; Burke, D.S. Strategies for containing an emerging influenza pandemic in Southeast Asia. Nature 2005, 437, 209-214.
• Storeygard, A.; Balk, D.; Levy, M.; Deane, G. The Global Distribution of Infant Mortality: A subnational spatial view. Popul. Space Place 2008, 14, 209-229.
• Balk, D.; Storeygard, A.; Levy, M.; Gaskell, J.; Sharma, M.; Flor, R. Child hunger in the developing world: An analysis of environmental and social correlates. Food Policy 2005, 30, 584-611.
• Wang, Y.; Huang, C.; Feng, Y.; Zhao, M.; Gu, J. Using Earth Observation for Monitoring SDG 11.3.1-Ratio of Land Consumption Rate to Population Growth Rate in Mainland China. Remote Sens. 2020, 12, 357.

タイトルに関連する用語 (6件)： 森林 ,  モデル ,  ポイント ,  中国 ,  個体群密度 ,  マッピング