文献

J-GLOBAL ID：202102290304590174   整理番号：21A1412327

機械学習と衛星リモートセンシングに基づくPM2.5/10空間連続分布反転法研究【JST・京大機械翻訳】

Research on the methods to retrieve continuous spatial distribution of PM2.5/10 based on machine learning and satellite imagery

著者 (2件)： Zhang Meng (西安交通大学 人居環境与建筑工程学院,西安 710049) ,  Zhang Bo (西安交通大学 人居環境与建筑工程学院,西安 710049)
資料名： Diqiu Huanjing Xuebao  (Diqiu Huanjing Xuebao)
巻： 11  号： 4  ページ： 447-455  発行年： 2020年 
JST資料番号： C2887A  ISSN： 1674-9901  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： 過去数十年間、急速な経済発展及び工業化、都市化の加速は中国の資源環境を負担する圧力を絶えず増大させている。PM2.5とPM10(PM2.5/10と記す)は,大気品質に影響する最も重要な汚染物質として,広大な人々の健康に直接影響する。そのため、PM2.5/10濃度に対してリモートセンシングインバージョンを行う研究は、環境モニタリングと制御が全国の空気環境品質の改善にとって重要な意義がある。近年、近地面のPM2.5/10濃度に関する研究が深まるにつれ、リモートセンシング画像データに基づくPM2.5/10濃度のインバージョン方法も日々増加している。GoogleEarthengine(GEE)プラットフォームを用いて、海量のLandsat8OLIリモートセンシング画像データを取得し、気象情報、空間特徴などのパラメーターと結びつけた。PM2.5/10の連続した分布を得るために,マルチレベルマッピング逆伝搬ニューラルネットワーク(BPNN)を用いて,スペクトル反射率とPM2.5/10濃度間のインバージョンモデルを構築した。基礎PM2.5/10インバージョンモデルのインバージョン精度を向上するために,モデルの最適化入力パラメータ組合せを,影響因子と追跡時間から探索し,PM2.5/10濃度に対する正確なインバージョンを達成した。北京地区を例として、モデルのPM2.5とPM10のインバージョン精度R2はそれぞれ0.814と0.796に達し、平方自乗平均誤差RMSEはそれぞれ19.21μg?m?3と28.31μg?m?3.このインバージョン結果は高い正確性と信頼性があり、本文で確立した方法モデルはPM2.5/10の空間連続分布特徴の研究に新たな考え方と方法を提供し、重要な科学研究意義と幅広い応用価値を有する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  反射率 ,  信頼性 ,  スペクトル ,  海洋 ,  経済開発 ,  *リモートセンシング ,  都市化 ,  工業化 ,  実効値 ,  *機械学習 ,  PM10 ,  *PM2.5
準シソーラス用語： リモートセンシング画像 ,  *衛星リモートセンシング , 【Automatic Indexing@JST】

分類 (3件)： 大気汚染一般  (SB03010B) ,  気圏環境汚染  (SB03020M) ,  その他の汚染原因物質  (SB05040W)

タイトルに関連する用語 (4件)： 機械学習 ,  衛星リモートセンシング ,  分布反転 ,  研究