文献

J-GLOBAL ID：202202249786730682   整理番号：22A0456365

中国,アグロフォレストリーAreas上の高空間分解能による土壌水分検索のためのALOS-2およびSentinel-1レーダデータの可能性【JST・京大機械翻訳】

The Potential of ALOS-2 and Sentinel-1 Radar Data for Soil Moisture Retrieval With High Spatial Resolution Over Agroforestry Areas, China

著者 (8件)： Cui Huizhen (State Key Laboratory of Remote Sensing Science, Beijing Normal University and the Aerospace Information Research Institute of the Chinese Academy of Sciences, Faculty of Geographical Science, Beijing Normal University, Beijing, China) ,  Jiang Lingmei (State Key Laboratory of Remote Sensing Science, Beijing Normal University and the Aerospace Information Research Institute of the Chinese Academy of Sciences, Faculty of Geographical Science, Beijing Normal University, Beijing, China) ,  Paloscia Simonetta (National Research Council (IFAC-CNR), Institute of Applied Physics, Florence, Italy) ,  Santi Emanuele (National Research Council (IFAC-CNR), Institute of Applied Physics, Florence, Italy) ,  Pettinato Simone (National Research Council (IFAC-CNR), Institute of Applied Physics, Florence, Italy) ,  Wang Jian (State Key Laboratory of Remote Sensing Science, Beijing Normal University and the Aerospace Information Research Institute of the Chinese Academy of Sciences, Faculty of Geographical Science, Beijing Normal University, Beijing, China) ,  Fang Xiyao (State Key Laboratory of Remote Sensing Science, Beijing Normal University and the Aerospace Information Research Institute of the Chinese Academy of Sciences, Faculty of Geographical Science, Beijing Normal University, Beijing, China) ,  Liao Wanjin (State Key Laboratory of Earth Surface Processes and Resource Ecology, Ministry of Education Key Laboratory for Biodiversity Science and Ecological Engineering, College of Life Sciences, Beijing Normal University, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4402617.1-17  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： 高度土地観測衛星-2(ALOS-2)とSentinel-1のような合成開口レーダ(SAR)センサは,比較的高い空間分解能(1030m)を有する土壌水分量(SMC)検索のための有意な機会を提供する。本研究では,水雲モデル,先進積分方程式モデル,およびOhモデルデータベースと組み合わせた人工ニューラルネットワーク(ANN)SMC検索アルゴリズムを提案した。SAR共偏波後方散乱,局所入射角(LIA),および正規化植生指数を,ALOS-2とSentinel-1SMCの検索とマッピングのためのANNアルゴリズムの入力ベクトルにおいて30m分解能で使用した。SMC検索と測定SMC間の比較の結果は,高精度のSentinel-1とALOS-2SMC検索が,それぞれ0.021と0.033cm3/cm3の二乗平均平方根誤差(RMSE)で,低植生地域(作物,草と潅木)に対応することを示した。ALOS-2 SMC検索は,高い植生(例えば森林)でSentinel-1 SMC検索より高い精度(RMSE=0.076cm3/cm3)を提供する。しかし,それは森林地における土壌水分検索にとって挑戦的である。CバンドとLバンドSMC検索は低入射角(<20°)と高入射角(>50°)でより高いRMSE(0.047cm3/cm3)を示した。加えて,SMCに及ぼす降雨の影響を考慮することによって,Sentinel-1とALOS-2SMCが降雨事象に対して良い応答を有するように見える。最後に,SMC検索と土壌水分活性受動(SMAP)L2SMC製品間の比較の結果は,植生が成長しているとき,植生が7月より乾燥するとき,Sentinel-1,ALOS-2,およびSMAPの間の相関係数は9月により高いことを示した。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： アルゴリズム ,  積分方程式 ,  ベクトル ,  降雨 ,  農作物 ,  ニューラルネットワーク ,  土地 ,  後方散乱 ,  偏波 ,  *土壌水 ,  灌木 ,  合成開口レーダ
準シソーラス用語： Lバンド ,  *ALOS ,  検索アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (8件)： 中国 ,  アグロフォレストリー ,  高空間分解能 ,  土壌水分 ,  検索 ,  ALOS-2 ,  レーダ ,  可能性