文献

J-GLOBAL ID：202202260687436684   整理番号：22A0456982

ランダム森林回帰を用いたAMSR-EおよびMODISデータからの全天候陸面温度の融合【JST・京大機械翻訳】

Fusion of All-Weather Land Surface Temperature From AMSR-E and MODIS Data Using Random Forest Regression

著者 (3件)： Zhang Quan (Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity and College of Urban and Environmental Science, Institute of Earth Surface System and Hazards, Northwest University, Xi’an, China) ,  Cheng Jie (State Key Laboratory of Remote Sensing Science, Faculty of Geographical Science, Beijing Normal University, Beijing, China) ,  Wang Ninglian (Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity and College of Urban and Environmental Science, Institute of Earth Surface System and Hazards, Northwest University, Xi’an, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.2502705.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： マイクロ波(MW)地表面温度(LST)ダウンスケーリングの先行研究に基づき,本論文は,ランダムフォレスト(RF)に基づく全天候LST融合法を提案して,異なる景観を代表する中国の4つの地域における地球観測システム(AMSR-E)LSTsのための中分解能撮像分光放射計(MODIS)と先進マイクロ波走査放射計を用いてそれを評価した。結果は,RF方式が,広く使用されたBayes最大エントロピー(BME)方式によって引き出される過剰平滑化パターンの問題を効果的に避けることができ,そして,現実とより一貫したLSTsを得たことを示した。Yunnan(雲南)-州高原(YGP)地域のMODIS LSTと参照としての山西省と河南省(BSH)地域の境界を用いて,RF法の精度は,異なる雲比率の下でBME法のものと比べて13%と11%まで改善した。Heihe川流域(HRB)とNaqu地域における野外観測を参考として,曇天条件下のRF導出LSTの精度は,晴天におけるMODIS LSTの正確度と基本的に一致し,0.004≦10-67Kだけによって異なる。環境変数の導入のため,RF法の性能は,種々の雲比率の下でBME法のものより安定である。要約すると,RFはMWと熱赤外(TIR)LSTsの融合に有望である。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： 赤外線 ,  マイクロ波 ,  流域 ,  *地表温度 ,  平滑化 ,  高原 ,  晴天
準シソーラス用語： *MODIS ,  ダウンスケーリング ,  最大エントロピー ,  *ランダムフォレスト ,  *AMSR-E ,  曇天 ,  地球観測 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 森林 ,  AMSR-E ,  MODIS ,  陸面温度 ,  融合