文献

J-GLOBAL ID：202202251553238268   整理番号：22A0563733

インドの熱帯林におけるバイオマス推定のためのSentinel1と2の相乗的評価【JST・京大機械翻訳】

Synergistic evaluation of Sentinel 1 and 2 for biomass estimation in a tropical forest of India

著者 (9件)： Malhi Ramandeep Kaur M. (Remote Sensing Laboratory, Institute of Environment and Sustainable Development, Banaras Hindu University, Varanasi 221005, Uttar Pradesh, India) ,  Anand Akash (Remote Sensing Laboratory, Institute of Environment and Sustainable Development, Banaras Hindu University, Varanasi 221005, Uttar Pradesh, India) ,  Srivastava Prashant K. (Remote Sensing Laboratory, Institute of Environment and Sustainable Development, Banaras Hindu University, Varanasi 221005, Uttar Pradesh, India) ,  Chaudhary Sumit K. (Remote Sensing Laboratory, Institute of Environment and Sustainable Development, Banaras Hindu University, Varanasi 221005, Uttar Pradesh, India) ,  Pandey Manish K. (Remote Sensing Laboratory, Institute of Environment and Sustainable Development, Banaras Hindu University, Varanasi 221005, Uttar Pradesh, India) ,  Behera Mukund Dev (CORAL, IIT Kharagpur, West Bengal 721302, India) ,  Kumar Amit (Department of Geoinformatics, Central University of Jharkhand, Ranchi 835205, India) ,  Singh Prachi (Remote Sensing Laboratory, Institute of Environment and Sustainable Development, Banaras Hindu University, Varanasi 221005, Uttar Pradesh, India) ,  Sandhya Kiran G. (Ecophysiology and RS-GIS Lab, Department of Botany, Faculty of Science, The Maharaja Sayajirao University of Baroda, Vadodara 390002, Gujarat, India)
資料名： Advances in Space Research  (Advances in Space Research)
巻： 69  号： 4  ページ： 1752-1767  発行年： 2022年 
JST資料番号： H0831A  ISSN： 0273-1177  CODEN： ASRSDW  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： 地上バイオマス(AGB)の空間的明示的測定は森林炭素ストックとフラックスの定量化に重要である。これを達成するために,光学および合成開口レーダ(SAR)衛星データセットの統合は,森林バイオマスの正確な推定を提供することができた。これはまた,単一センサベースの推定手法に関連した不確実性の除去に役立つであろう。したがって,本研究は,インド,Gujarat,Shoolpaneshwar野生生物Sanctuary(SWS)におけるAGBを推定するために,Sentinel-1 SARデータセットとSentinel-2光学データを統合することを試みた。本研究では,VV,VH,正規化植生指数(NDVI)および入射角(IA)の異なる組合せを用いて,AGBの予測のために,異なるカーネル関数線形,S字形,放射状および多項式およびランダムフォレスト(RF)を有する2つのノンパラメトリック機械学習アルゴリズム,すなわちサポートベクトルマシン(SVM)を採用した。地上ベースAGBを,乳房高さ(DBH)で樹高と直径計の助けを借りて35のサンプリングサイトでアロメトリー方程式を通して推定した。異なるパラメータ間の独立共線性分析は,AGBとVH(r=0.05)およびIA(r=0.015)との悪い相関を生じたが,NDVI(r=0.80)およびVV(r=0.74)との有意な相関が観察された。また,VVとVHによるNDVIの包含は,他の組合せより良い相関(r=0.85)をもたらした。VV+VH+NDVIとVV+VH+NDVI+IAの組合せを用いた線形カーネルによるSVMは,評価計量に基づいて最良性能であることが分かった。本研究の結果は,熱帯林における改良AGB定量化のための機械学習技術の重要性と種々のリモートセンシングデータの相乗的利用を強調した。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 ,  不確実性 ,  森林 ,  ノンパラメトリック法 ,  アロメトリー ,  野生生物 ,  *バイオマス ,  合成開口レーダ ,  学習アルゴリズム ,  *熱帯林 ,  正規化植生指数 ,  サポートベクトルマシン
準シソーラス用語： ランダムフォレスト ,  森林バイオマス ,  地上バイオマス , 【Automatic Indexing@JST】

著者キーワード (6件)： 地上バイオマス ,  地球観測 ,  熱帯林 ,  サポートベクトルマシン ,  ランダムフォレスト ,  合成開口レーダ(SAR)

分類 (2件)： リモートセンシング一般  (AD04000L) ,  測樹学  (FF01040T)

タイトルに関連する用語 (5件)： インド ,  熱帯林 ,  バイオマス ,  推定 ,  評価