文献

J-GLOBAL ID：202202234404184545   整理番号：22A0438517

Landsat画像と重みランダム森林モデルを用いた中国の主な河口における全懸濁物質の遠隔推定【JST・京大機械翻訳】

Remote estimates of total suspended matter in China’s main estuaries using Landsat images and a weight random forest model

著者 (7件)： Wang Xiang (Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, China) ,  Wang Xiang (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Wen Zhidan (Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, China) ,  Liu Ge (Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, China) ,  Tao Hui (Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, China) ,  Tao Hui (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Song Kaishan (Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, 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： 94-110  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： 全懸濁物質(TSM)は沿岸水域の鍵となるパラメータであり,河口でのその輸送は侵食-蓄積と生物地球化学的過程を制御することができる。しかし,ほとんどの既存モデルは,中国の揚子江または黄河河口のような特定の河川または地域におけるTSM濃度を推定するために構築された。ここでは,局所回帰と重みランダム森林(WRF)モデルに基づくTSMマッピング法を用いて,中国の異なる河口のTSM濃度を推定するための安定ハイブリッドモデルを提案した。238のin situ TSM試料を,国連環境プログラム地球環境モニタリングシステムによって中国北部から南部の6つの河川観測所で採取した。各試料の表面反射率を,Google地球エンジンにおける各TSM値の日付と位置を考慮してLandsat画像から抽出した。1変数,多重段階的線形回帰(MSLR),およびRFモデルを,全較正サンプルおよび100mg/LのTSM閾値を有する局所回帰(ハイブリッドモデル)を通して,グローバル回帰(単一モデル)におけるTSM濃度を予測するために構築した。WRFモデルを用いて,決定木モデルの分類確率に基づくTSM濃度をマップした。本研究は以下を示した。(1)レッドバンド,バンド比,および入力としてレッドバンドを用いたバンド差インデックスは,低いTSM濃度の河口に敏感であり,一方,NIRバンド,バンド比,およびNIRバンドを用いたバンド差指数は,高いTSM濃度の高混濁河口に敏感であった。(2)バンド差指数は,バンド比率指数より混濁の少ない河口でより良いTSM濃度を予測した。(3)RFモデルの予測は,グローバル回帰と局所回帰の両方に対して1変数とMSLRモデルのものより良く,局所RFモデルは最良の結果,すなわち,0.90の確証R2と0.56mg/LのRMSEであった。(4)WRFモデルは元のRFモデルより合理的であった。TSM濃度は元のRFモデルを用いて過大評価された。著者らの結果は,局所回帰がTSM濃度の大きな差を持つ異なる河口に適していることを示唆した。WRFモデルは水質パラメータマッピングのための有効なアプローチを提供した。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： 写像 ,  浸食 ,  水質 ,  地球 ,  河川 ,  *河口 ,  *懸濁物質 ,  監視装置 ,  多重化 ,  ディシジョンツリー ,  沿岸 ,  水域 ,  地球環境
準シソーラス用語： 長江 ,  黄河 , 【Automatic Indexing@JST】

著者キーワード (4件)： 河口 ,  TSM ,  重量ランダムフォレスト ,  Landsat画像

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： LANDSAT ,  森林 ,  モデル ,  中国 ,  河口 ,  懸濁物質 ,  推定