文献

J-GLOBAL ID：202202219476882888   整理番号：22A0438512

樹木キャノピーの時系列画像へのスーパーピクセルベース深層学習法を適用することによる湿潤熱帯林における葉生物季節のモニタリング【JST・京大機械翻訳】

Monitoring leaf phenology in moist tropical forests by applying a superpixel-based deep learning method to time-series images of tree canopies

著者 (15件)： Song Guangqin (School of Biological Sciences, University of Hong Kong, Hong Kong, China) ,  Wu Shengbiao (School of Biological Sciences, University of Hong Kong, Hong Kong, China) ,  Lee Calvin K.F. (School of Biological Sciences, University of Hong Kong, Hong Kong, China) ,  Serbin Shawn P. (Department of Environmental and Climate Sciences, Brookhaven National Laboratory, Upton, NY, USA) ,  Wolfe Brett T. (School of Renewable Natural Resources, Louisiana State University Agricultural Center, Baton Rouge, LA, USA) ,  Wolfe Brett T. (Smithsonian Tropical Research Institute, Balboa, Republic of Panama) ,  Ng Michael K. (Department of Mathematics, University of Hong Kong, Hong Kong, China) ,  Ely Kim S. (Department of Environmental and Climate Sciences, Brookhaven National Laboratory, Upton, NY, USA) ,  Bogonovich Marc (School of Biological Sciences, University of Hong Kong, Hong Kong, China) ,  Wang Jing (School of Biological Sciences, University of Hong Kong, Hong Kong, China) ,  Lin Ziyu (School of Biological Sciences, University of Hong Kong, Hong Kong, China) ,  Saleska Scott (Department of Ecology and Evolutionary Biology, University of Arizona, Tucson, AZ, USA) ,  Nelson Bruce W. (National Institute for Amazon Research (INPA), Manaus, Brazil) ,  Rogers Alistair (Department of Environmental and Climate Sciences, Brookhaven National Laboratory, Upton, NY, USA) ,  Wu Jin (School of Biological Sciences, University of Hong Kong, Hong Kong, China)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 183  ページ： 19-33  発行年： 2022年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 熱帯葉フェノロジー-特に樹木-クラウンスケールでのその変動性は炭素と水のフラックスの季節性を左右する。しかし,莫大な種多様性を考えると,熱帯林における葉フェノロジーモニタリングの正確な手段はまだ不足している。タワーベースの赤緑青(RGB)フェノカムに由来するグリーンクロマチン座標(GCC)メトリックの時系列は,温帯森林における葉フェノロジーをモニターするために広く使用されてきたが,熱帯におけるその応用は問題のままである。熱帯フェノロジーの監視を改善するために,深学習モデル(即ち,スーパーピクセルベース残差ネットワーク50,SP-ResNet50)を用いて,フェノカム画像の非葉から葉を自動的に識別し,樹冠スケールで葉画分を誘導した。著者らのモデルを評価するために,Panamaの2つの対照的な森林における6つのフェノカムから1年間のデータを使用した。最初に,種々の取得時間,曝露条件,および特異的フェノカムを通して,葉と非葉画素の包括的なライブラリーを構築した。次にこのライブラリを訓練と試験成分に分割した。3レベルでモデルを評価した。1)試験セットによるスーパーピクセルレベル,2)モデル由来葉画分を画像特異的教師付き分類を用いて導出されたそれら,及び3)全日画像を用いて時間的にモデル由来葉画分の日周安定性を評価した。最後に,GCC由来の葉フェノロジーとモデル由来葉画分フェノロジーを比較した。結果は以下を示した。1)SP-ResNet50モデルは,非葉から葉を正確に識別し(全精度93%),評価の全3レベルにわたってロバストであった。2)モデルは,樹木-クラウンと森林生態系を横断して葉画分フェノロジーを正確に定量化する。3)葉画分とGCCの組合せ使用は,熱帯林の光合成季節性をモデル化するための葉発生,成熟と老化のタイミングを推論するのを助ける。まとめると,本研究は,フェノカムを用いた自動熱帯フェノロジーモニタリングのための改良手段を提供した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  炭素 ,  残差 ,  光合成 ,  画素 ,  リモートセンシング ,  塔状構造物 ,  温帯 ,  *熱帯 ,  ロバスト性 ,  樹冠 ,  生物多様性 ,  *熱帯林
準シソーラス用語： *フェノロジー ,  森林生態系 , 【Automatic Indexing@JST】

著者キーワード (8件)： 残存ネットワーク ,  セマンティックセグメンテーション ,  近接リモートセンシング ,  葉量 ,  葉の品質 ,  グリーン色座標 ,  熱帯林 ,  フェノカム

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  測樹学  (FF01040T)

タイトルに関連する用語 (8件)： 樹木 ,  キャノピー ,  時系列画像 ,  深層学習 ,  湿潤熱帯 ,  葉 ,  生物季節 ,  モニタリング