文献

J-GLOBAL ID：202202254935372557   整理番号：22A0430661

GEDIとICESat-2データの統合による中国の森林の樹冠高さマッピングのためのニューラルネットワーク誘導内挿【JST・京大機械翻訳】

Neural network guided interpolation for mapping canopy height of China’s forests by integrating GEDI and ICESat-2 data

著者 (16件)： Liu Xiaoqiang (State Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China) ,  Liu Xiaoqiang (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Su Yanjun (State Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China) ,  Su Yanjun (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Hu Tianyu (State Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China) ,  Hu Tianyu (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Yang Qiuli (State Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China) ,  Yang Qiuli (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Liu Bingbing (College of Resources and Environmental Sciences, Xinjiang University, Urumqi 830002, China) ,  Liu Bingbing (Xinjiang Lidar Applied Engineering Technology Research Center, Urumqi 830002, China) ,  Deng Yufei (College of Resources and Environmental Sciences, Xinjiang University, Urumqi 830002, China) ,  Deng Yufei (Xinjiang Lidar Applied Engineering Technology Research Center, Urumqi 830002, China) ,  Tang Hao (Department of Geography, Faculty of Arts and Social Sciences, National University of Singapore, Singapore 117570, Singapore) ,  Tang Zhiyao (Institute of Ecology, College of Urban and Environmental Science, Peking University, Beijing 100871, China) ,  Fang Jingyun (Institute of Ecology, College of Urban and Environmental Science, Peking University, Beijing 100871, China) ,  Guo Qinghua (Institute of Ecology, College of Urban and Environmental Science, Peking University, Beijing 100871, China)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 269  ページ： Null  発行年： 2022年 
JST資料番号： C0252B  ISSN： 0034-4257  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： 地球規模での森林キャノピー高さの空間連続推定は,森林炭素貯留の定量化,森林生態系プロセスの理解,および地球規模の気候変動を緩和するための森林管理と回復政策の開発に重要である。衛星搭載光検出と測距(ライダー)プラットフォーム,特に地球生態系力学調査(GEDI)と氷,雲,および土地標高衛星-2(ICESat-2)高度地形レーザアルタイムターシステム(ATLAS)は,グローバルに離散フットプリントにおける森林キャノピー高さを測定することができる。それらのカバレージは,国家規模の森林キャノピー高さ推定に対する有望なデータ源を提供する。しかし,以前の研究は,通常,高密度衛星搭載ライダーフットプリントを最大限に利用できず,光学画像の飽和効果に悩まされるかもしれない光学画像の助けを通して,空間的に連続的な森林キャノピー高さ分布を開発するための回帰ベースのアプローチを通常使用した。本研究では,GEDI,ICESat-2 ATLAS,およびSentinel-2画像の融合により森林キャノピー高さを地図化する新しいニューラルネットワーク誘導補間法(NNGI)を開発した。提案したNNGI法の性能を評価するために,2019年の中国の30m森林キャノピー高さ製品を作成した。NNGI法を訓練し,検証するために,140km2のドローン-ライダーデータを国全体にわたって収集した。結果は,中国の平均森林キャノピー高さが5.77mの標準偏差で15.90mであることを示した。1,100,000 GEDI検証フットプリント(R2=0.55,RMSE=5.32m),約33km2ドローン-ライダー検証データ(R2=0.58,RMSE=4.93m),および59,000フィールドプロット測定(R2=0.60,RMSE=4.88m)により,中国の補間森林キャノピー高さ積を評価した(R2=0.55,RMSE=5.32m)。内挿ベースのマッピング戦略から利益を得て,得られた製品は,高い森林キャノピーを有する地域でほとんど飽和効果を持たなかった。高いマッピング精度は,マルチプラットフォーム衛星搭載ライダーデータと光学画像を統合することにより,全国から地球規模での空間連続森林キャノピー高さを監視するための提案したNNGI法の実現可能性を実証し,地上炭素貯蔵のより正確な定量化と森林生態系プロセスのより良い理解を提供する機会を可能にした。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： LIDAR ,  標準偏差 ,  地球 ,  *ニューラルネットワーク ,  *内挿法 ,  気候変動 ,  土地 ,  無人機 ,  生態系 ,  光学画像 ,  *樹冠
準シソーラス用語： 森林管理 ,  森林生態系 ,  標高 ,  LIDARデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： 森林キャノピー高さ ,  GEDI ,  ICESat-2ATLAS ,  ライダー ,  空間補間 ,  深層ニューラルネットワーク

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 (10件)： ICESat ,  統合 ,  中国 ,  森林 ,  樹冠 ,  高さ ,  マッピング ,  ニューラルネットワーク ,  誘導 ,  内挿