文献

J-GLOBAL ID：202202234321468315   整理番号：22A0456393

InSARコヒーレンス時系列による深層学習ベース損傷マッピング【JST・京大機械翻訳】

Deep Learning-Based Damage Mapping With InSAR Coherence Time Series

著者 (7件)： Stephenson Oliver L. (Seismological Laboratory, Division of Geological and Planetary Sciences, California Institute of Technology, Pasadena, CA, USA) ,  Kohne Tobias (Seismological Laboratory, Division of Geological and Planetary Sciences, California Institute of Technology, Pasadena, CA, USA) ,  Zhan Eric (Department of Computing and Mathematical Sciences, Division of Engineering and Applied Science, California Institute of Technology, Pasadena, CA, USA) ,  Cahill Brent E. (REMY Biosciences, Irvine, CA, USA) ,  Yun Sang-Ho (Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA, USA) ,  Ross Zachary E. (Seismological Laboratory, Division of Geological and Planetary Sciences, California Institute of Technology, Pasadena, CA, USA) ,  Simons Mark (Seismological Laboratory, Division of Geological and Planetary Sciences, California Institute of Technology, Pasadena, CA, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5207917.1-17  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 衛星リモートセンシングは,自然災害後の損傷の急速なマッピングにおいて,増加の役割を果たす。特に,合成開口レーダ(SAR)は,すべての気象条件,日および夜における地球の地表および地図損傷を画像化することができる。しかし,現在のSAR損傷マッピング法は,地球表面の他の変化から損傷を分離するのに苦労する。本研究では,自然災害による地球の表面特性の異常な変化を検出するために,影響を受けた地域のSAR観測の全時刻歴と深い学習を組み合わせた,マッピングを損傷する新しい手法を提案した。干渉SARコヒーレンスの時系列を用いて地球表面変化を定量化し,次にこれらのコヒーレンス時系列の確率的異常検出器として再帰ニューラルネットワーク(RNN)を用いた。RNNは最初に事前事象コヒーレンス時系列で訓練され,次に,事象前後のSAR画像間のコヒーレンスの確率分布を予測する。予測と観測された共事象コヒーレンスの違いは,損傷の同定における信頼の尺度を提供する。この方法は,イベント前の時間を通してのコヒーレンスの局所挙動に基づいて,各位置に対してカスタマイズされた損傷検出閾値を選択することを可能にする。この方法を,Sentinel-1 SAR取得の多年時系列を用いて,3つの地震に対する損傷の推定を計算するために適用した。本アプローチは,損傷プロキシとして,事前から共事象コヒーレンス損失と比較して,観察された損傷と定量的改善との良好な一致を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *コヒーレンス ,  写像 ,  地球 ,  ニューラルネットワーク ,  確率分布 ,  地震 ,  気象条件 ,  自然災害 ,  合成開口レーダ ,  地表面
準シソーラス用語： 画像化 ,  *InSAR ,  SAR画像 ,  衛星リモートセンシング ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (6件)： InSAR ,  コヒーレンス ,  時系列 ,  深層学習 ,  損傷 ,  マッピング