文献

J-GLOBAL ID：202202264587695741   整理番号：22A0474397

人工ニューラルネットワークパターン認識と空間データを用いる窒素のための集水域の分類【JST・京大機械翻訳】

Classification of catchments for nitrogen using Artificial Neural Network Pattern Recognition and spatial data

著者 (7件)： O’Sullivan Cherie M. (Centre for Sustainable Agricultural Systems, Institute for Life Sciences and the Environment University of Southern Queensland, Toowoomba, QLD 4350, Australia) ,  Ghahramani Afshin (Centre for Sustainable Agricultural Systems, Institute for Life Sciences and the Environment University of Southern Queensland, Toowoomba, QLD 4350, Australia) ,  Deo Ravinesh C. (School of Sciences, University of Southern Queensland, Toowoomba, QLD 4350, Australia) ,  Pembleton Keith (Centre for Sustainable Agricultural Systems, Institute for Life Sciences and the Environment University of Southern Queensland, Toowoomba, QLD 4350, Australia) ,  Pembleton Keith (School of Sciences, University of Southern Queensland, Toowoomba, QLD 4350, Australia) ,  Khan Urooj (Bureau of Meteorology, Science and Innovation, Parkes Place West, Parkes, ACT 2600, Australia) ,  Tuteja Narendra (Bureau of Meteorology, Science and Innovation, Parkes Place West, Parkes, ACT 2600, Australia)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 809  ページ： Null  発行年： 2022年 
JST資料番号： C0501B  ISSN： 0048-9697  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： 水文モデリングにおいて,集水域の分類は,観察データセットにおける欠陥を克服するための基本的タスクである。この問題に関する多くの注目は,河川流に対する類似の水文学的応答を有する流域を同定することに集中している。しかし,流域分類のための有効な方法は,現在,溶解無機窒素(DIN)に関して不足しており,水質成分は,増加する濃度において,栄養に敏感な環境を脅かす。観測されたDIN放出の生物学的および人為的ドライバーのための適切なプロキシであると考えられているデータセットを分類するための新しいアプローチとして,標準人工ニューラルネットワークアルゴリズムを用いたパターン認識を適用した。クイーンズランド州内の11のゲージグレートバリアリーフ(GBR)流域を,生態系から抽出した空間データセット(例えば,生物地理,土地ゾーン,土地形態,土壌タイプ属性)と土地利用マップを用いて分類した。演繹的分類の代理として,調査した空間データセットの性能を評価するために,分類プロセスを,観測ステーションからの観測DINと河川流量データを用いて,反復誘導する。ANN-PR法は,異なるデータセットタイプに対して同じ分類スコアフォーマットを生成し,これは,観測されたデータ相関に対するモデル出力に対する直接比較を容易にする。p>0.05での独立性に対するKruskal-Wallis検定は,DIN観察を用いた分類の予測子として演繹的分類手法を同定し,それは0.01と0.02のp値で互いに独立性がない。本研究は,ANN-PR法が生態系と土地利用マッピングデータを統合でき,GBR流域をDIN濃度の類似パターンを持つ4つの地域へ演繹的に分類できると結論した。マッピングデータの均一アベイラビリティにより,この知見は,ゲージ流域から未観測地域への知識の経時へのさらなる研究のための健全な基礎を提供する。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： アルゴリズム ,  *パターン認識 ,  水質 ,  *窒素 ,  土地利用 ,  *ニューラルネットワーク ,  水文学 ,  *流域 ,  土地 ,  アベイラビリティ ,  河川流 ,  生態系 ,  ゲージ ,  演繹
準シソーラス用語： 河川流量 , 【Automatic Indexing@JST】

著者キーワード (6件)： 水質 ,  グレートバリアリーフ ,  演えき的帰納的流域分類 ,  DIN ,  人工知能 ,  パターン認識

分類 (1件)： 河川汚濁  (SB02020F)

タイトルに関連する用語 (6件)： 人工ニューラルネットワーク ,  パターン認識 ,  空間データ ,  窒素 ,  集水域 ,  分類