文献

J-GLOBAL ID：202102284910969705   整理番号：21A2453761

スペクトル特徴抽出とハイブリッド反転法を用いた作物LAIの推定【JST・京大機械翻訳】

Estimating Crop LAI Using Spectral Feature Extraction and the Hybrid Inversion Method

著者 (11件)： Liang Liang (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Liang Liang (Center for Spatial Information Science and Systems, George Mason University, Fairfax, VA 22030, USA) ,  Geng Di (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Yan Juan (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Qiu Siyi (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Di Liping (Center for Spatial Information Science and Systems, George Mason University, Fairfax, VA 22030, USA) ,  Wang Shuguo (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Xu Lu (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Wang Lijuan (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Kang Jianrong (School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China) ,  Li Li (State Key Laboratory of Remote Sensing Science, Chinese Academy of Sciences, Beijing 100101, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 21  ページ： 3534  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： 葉面積指数(LAI)は作物成長モニタリングで使われる必須指標である。本研究では,物理的モデルと統計的手法を組み合わせたハイブリッド反転法を提案して,作物LAIを推定した。模擬コンパクト高分解能イメージング分光計(CHRIS)キャノピースペクトル作物反射率データセットを,PROSAILモデル(PROSPECT葉光学特性モデルとArbitrative Inclined Lavesモデルによる散乱)とCHRISバンド応答関数を用いて作成した。部分最小二乗(PLS)を用いて,シミュレートしたスペクトルデータの次元を低減した。モデル入力としてPLSの主成分(PC)を用いて,ハイブリッド反転モデルを,逆伝播人工ニューラルネットワーク(BP-ANN),最小二乗サポートベクトル回帰(LS-SVR)およびランダムフォレスト回帰(RFR)を含む種々のモデリングアルゴリズムを用いて構築した。最後に,CHRISデータのリモートセンシングマッピングをハイブリッドモデルで達成し,LAI推定の反転精度を試験した。検証結果は,PLS_RFRモデルに対してR2=0.939の精度と正規化二乗平均平方根誤差(NRMSE)=6.474%をもたらし,これは作物LAIがスペクトル特徴抽出とハイブリッド反転戦略を用いて正確に推定できることを示した。結果は,PLSによって抽出された主成分に基づくモデルが,良い推定精度とノイズ免疫を有し,LAI推定のための好ましい方法であることを示した。さらに,様々なデータセットの比較分析結果は,事前知識が検索LAIの精度を改善し,この情報を用いてパラメータ(例えばクロロフィル含量またはLAI)を制約し,スペクトルに重要な寄与をし,この改善の鍵であることを示した。加えて,PLS,BP-ANN,LS-SVR,およびRFR法の間で,RFRは,種々のデータセットにおける高いR2と低いNRMSEによって示されるように,論文における最適モデリングアルゴリズムであった。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： アルゴリズム ,  最小二乗法 ,  雑音 ,  反射率 ,  *農作物 ,  ニューラルネットワーク ,  *スペクトル ,  リモートセンシング ,  正規化 ,  葉面積指数 ,  部分最小二乗法
準シソーラス用語： 事前知識 ,  ハイブリッドモデル ,  ランダムフォレスト ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (6件)： ハイパースペクトルリモートセンシング ,  葉面積指数(LAI) ,  反転 ,  PROSAIL ,  部分最小二乗(PLS) ,  任意の傾斜葉によるランダム森林回帰(RFR)散乱

分類 (2件)： リモートセンシング一般  (AD04000L) ,  植物生態学  (EE02000E)

引用文献 (113件)：

• Yin, G.; Li, A.; Jin, H.; Zhao, W.; Bian, J.; Qu, Y.; Zeng, Y.; Xu, B. Derivation of temporally continuous LAI reference maps through combining the LAINet observation system with CACAO. Agric. For. Meteorol. 2017, 233, 209-221.
• Kira, O.; Nguy-Robertson, A.L.; Arkebauer, T.J.; Linker, R.; Gitelson, A.A. Informative spectral bands for remote green LAI estimation in C3 and C4 crops. Agric. For. Meteorol. 2016, 218, 243-249.
• Liang, L.; Di, L.; Zhang, L.; Deng, M.; Qin, Z.; Zhao, S.; Lin, H. Estimation of crop LAI using hyperspectral vegetation indices and a hybrid inversion method. Remote Sens. Environ. 2015, 165, 123-134.
• Laurent, V.C.; Schaepman, M.E.; Verhoef, W.; Weyermann, J.; Chávez, R.O. Bayesian object-based estimation of LAI and chlorophyll from a simulated Sentinel-2 top-of-atmosphere radiance image. Remote Sens. Environ. 2014, 140, 318-329.
• Liu, Y.; Ju, W.; Chen, J.; Zhu, G.; Xing, B.; Zhu, J.; He, M. Spatial and temporal variations of forest LAI in China during 2000-2010. Chin. Sci. Bull. 2012, 57, 2846-2856.

タイトルに関連する用語 (6件)： スペクトル ,  特徴抽出 ,  反転 ,  作物 ,  LAI ,  推定