文献

J-GLOBAL ID：202102281831002820   整理番号：21A2436751

水ネット:クロロフィルa濃度検索のための畳込みニューラルネットワーク【JST・京大機械翻訳】

WaterNet: A Convolutional Neural Network for Chlorophyll-a Concentration Retrieval

著者 (7件)： Syariz Muhammad Aldila (Department of Geomatics, National Cheng Kung University, Tainan City 70101, Taiwan) ,  Syariz Muhammad Aldila (Department of Civil Engineering, Institut Teknologi Sepuluh Nopember, Surabaya 60111, Indonesia) ,  Lin Chao-Hung (Department of Geomatics, National Cheng Kung University, Tainan City 70101, Taiwan) ,  Nguyen Manh Van (Department of Geomatics, National Cheng Kung University, Tainan City 70101, Taiwan) ,  Nguyen Manh Van (Institute of Geography, Vietnam Academy of Science and Technology, 18 Hoang Quoc Viet, Hanoi 100000, Vietnam) ,  Jaelani Lalu Muhamad (Department of Geomatics Engineering, Institut Teknologi Sepuluh Nopember, Surabaya 60111, Indonesia) ,  Blanco Ariel C. (Department of Geodetic Engineering, University of the Philippines Diliman, Diliman 1104, Philippines)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 12  ページ： 1966  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： クロロフィルa(Chl-a)濃度の検索は,経験的または分析的分析に依存し,一般に,統計解析における内陸水域の多様性と,分析解析における放射伝達方程式の複雑性から困難を経験する。以前の研究は,これらの問題を軽減するために人工ニューラルネットワーク(ANN)の利用を提案した。しかし,ANNはモデル訓練中の不十分なin situサンプルの問題を考慮しておらず,それらはニューラルネットワークにおけるリモートセンシング画像の空間およびスペクトル情報を完全に利用しない。本研究では,2段階訓練を導入し,サンプル不足に関する問題に取り組んだ。ニューラルネットワークは,第一段階で既存のChl-a濃度モデルから導出されたサンプルを用いて事前訓練され,そして,事前訓練されたモデルは,第二段階でin situサンプルで精製される。リモートセンシング画像のスペクトルと空間情報の両方を利用するWaterNetと呼ばれるChl-a濃度検索のための新しい畳込みニューラルネットワークを提案した。さらに,ニューラルネットワークへの特徴抽出,バンド拡張,およびChl-a推定を統合するエンドツーエンド構造は,効率的で効果的なChl-a濃度検索をもたらす。実験では,フィリピンのLaguna湖上のin situ測定の同じ取得日数を有するSentinel-3画像を用いて,WaterNetを訓練し,評価した。定量分析により,2段階訓練は,最適化において大域的最適に達するための1段階訓練よりもありそうであり,そして,2段階訓練によるWaterNetは,推定精度,関連ANNベースおよびバンド組合せベースChl-a濃度モデルに関して,優れていた。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： 最適化 ,  *ニューラルネットワーク ,  特徴抽出 ,  定量分析 ,  *クロロフィルa ,  フィリピン共和国 ,  スペクトル ,  エンドツーエンド方式 ,  水域 ,  内陸
準シソーラス用語： 空間情報 ,  推定精度 ,  現場測定 ,  リモートセンシング画像 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： クロロフィルa濃度検索 ,  人工ニューラルネットワーク ,  光学衛星画像

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (53件)：

• Francis, G. Poisonous Australian lake. Nature 1878, 18, 11-12.
• Shumwey, S.E. A review of the effects of algal blooms on shellfish and aquaculture. J. World Aquac. Soc. 1990, 21, 65-104.
• Hoagland, A.P.; Anderson, D.M.; Kaoru, Y.; White, A.W.; Hoaglandl, P. The economic effects of harmful algal blooms in the United States: Estimates, assessment issues, and information. Assessment 2012, 25, 819-837.
• Zhang, Y.; Feng, X.; Cheng, X.; Wang, C. Remote estimation of chlorophyll-a concentrations in Taihu Lake during cyanobacterial algae bloom outbreak. In Proceedings of the 2011 19th International Conference on Geoinformatics, Shanghai, China, 24-26 June 2011; pp. 1-6.
• Ha, N.T.T.; Koike, K.; Nhuan, M.T.; Canh, B.D.; Thao, N.T.P.; Parsons, M. Landsat 8/OLI Two bands ratio algorithm for chlorophyll-a concentration mapping in hypertrophic waters: An application to west lake in Hanoi (Vietnam). IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2017, 10, 4919-4929.

タイトルに関連する用語 (5件)： 水 ,  ネット ,  クロロフィルa ,  検索 ,  畳込みニューラルネットワーク