文献

J-GLOBAL ID：202202220057119467   整理番号：22A0324491

中国における陸面土壌水分改善のためのマルチソース入力による機械学習モデルの開発【JST・京大機械翻訳】

Developing machine learning models with multisource inputs for improved land surface soil moisture in China

著者 (7件)： Wang Lei (State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, PR China) ,  Wang Lei (National Climate Center, China Meteorological Administration, Beijing 100081, PR China) ,  Fang Shibo (State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, PR China) ,  Pei Zhifang (School of Architecture, Nanyang Institute of Technology, Nanyang 473004, PR China) ,  Wu Dong (College of Resources and Environment, Anhui Agricultural University, Hefei 230036, PR China) ,  Zhu Yongchao (Meteorological Observation Center, China Meteorological Administration, Beijing 100081, PR China) ,  Zhuo Wen (State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, PR China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 192  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  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： 正確で空間的に連続する地表面土壌水分(SSM)データは,熱伝達,エネルギー交換および農業乾燥の非常に有益な分析になるであろう。時空的に一貫したSSM情報を得るために,5つの機械学習(ML)モデル,すなわち,多項式回帰(PR),リッジ回帰(RR),ラッソ回帰(LR),弾性ネット回帰(EnR)およびランダム森林回帰(RfR)モデルを作成し,研究地域の0~10cm土壌層における地域SSMを地図化した。Fengyun-3C(FY-3C)からの地理的位置,標高,植生被覆,土壌テクスチャ,季節パターンおよび衛星検索SSM製品を含む多重特徴を,提案したMLモデルの入力変数として選択した。中国の自動土壌水分観測ステーション(CASMOS)からのin situSSM測定を基準データセットとして用いた。相関係数(R),平均相対誤差(MRE),不偏RMSE(ubRMSE)および平均絶対誤差(MAE)を含む誤差計量を,測定したSSM値と異なるモデルを用いて推定した値の間で計算した。これらのMLモデルの中で,RfRモデルは訓練において最良の性能を示し(R=0.981,MRE=7.3%,ubRMSE=0.021cm3/cm3,MAE=0.015cm3/cm3),試験(R=0.789,MRE=22.2%,ubRMSE=0.065cm3/cm3,MAE=0.047cm3/cm3)プロセスを示し,地域SSM値を地図化し,各入力特性の重要性を測定した。結果は,地理的位置,すなわち,緯度(35.84%)と経度(16.96%)がSSM推定モデルに最も寄与し,続いて高度(14.88%),植生被覆(9.75%),FY-3CSSM製品(8.30%),土壌テクスチャ(8.04%)と季節パターン(6.23%)を示した。さらに,中国本土におけるSSM推定は,歴史的降水の時空間パターンに整合し,適切に選択した入力特徴を有する確立されたRfRモデルを用いて,正確で一貫した土地表面(0-10cm)土壌水分モニタリング結果を達成する実現可能性を示した。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： 多項式 ,  熱伝達 ,  降水 ,  回帰分析 ,  弾性 ,  緯度 ,  経度 ,  相関係数 ,  *モデル ,  *土壌水 ,  土壌テクスチャ ,  植物被 ,  *機械学習 ,  *陸面
準シソーラス用語： 推定モデル ,  リッジ回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 陸面土壌水分推定 ,  機械学習 ,  衛星データ ,  現場データ ,  リモートセンシング

分類 (2件)： リモートセンシング一般  (AD04000L) ,  土壌化学  (FB04040C)

タイトルに関連する用語 (8件)： 中国 ,  陸面 ,  土壌水分 ,  マルチ ,  ソース ,  機械学習 ,  モデル ,  開発