文献

J-GLOBAL ID：202202264705918847   整理番号：22A0154133

Google地球エンジンにおける多時期合成Landsat8画像を用いた土壌有機物含有量の地域マッピング【JST・京大機械翻訳】

Regional mapping of soil organic matter content using multitemporal synthetic Landsat 8 images in Google Earth Engine

著者 (9件)： Luo Chong (Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, China) ,  Zhang Xinle (College of Information Technology, Jilin Agricultural University, Changchun 130118, China) ,  Meng Xiangtian (Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, China) ,  Meng Xiangtian (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Zhu Houwen (School of Pubilc Adminstration and Law, Northeast Agricultural University, Harbin 150030, China) ,  Ni Chunpeng (School of Pubilc Adminstration and Law, Northeast Agricultural University, Harbin 150030, China) ,  Chen Meihe (School of Pubilc Adminstration and Law, Northeast Agricultural University, Harbin 150030, China) ,  Liu Huanjun (Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, China) ,  Liu Huanjun (School of Pubilc Adminstration and Law, Northeast Agricultural University, Harbin 150030, China)
資料名： CATENA  (CATENA)
巻： 209  号： P1  ページ： Null  発行年： 2022年 
JST資料番号： W1943A  ISSN： 0341-8162  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： 土壌有機物(SOM)の空間分布の正確な評価は,地域の持続可能な発展,特に肥沃な黒土地域で非常に重要である。本研究では,多重時間合成画像に基づく地域規模高空間分解能(30m)SOMマッピング法を提案した。研究地域は中国北東部のSongnen平野に位置する。最初に,調査地域の2014年から2019年までの裸土壌期間(4月と5月)の間のすべての利用可能なランドサット8表面反射率(SR)データを,Google地球エンジン(GEE)でスクリーニングし,雲マスクを構築した。画像集合の中央値,平均,最大値,および最小値を,単一年マルチ月,多年単一月および多年マルチ月時間範囲に従って合成し,そして,合成画像のスペクトル指数を構築した。第二に,SOM予測のランダムフォレスト(RF)モデルを確立するための入力として,異なる合成画像のバンドとスペクトル指数を用い,SOMの異なる空間予測モデルの精度を比較し,SOMの最適地域リモートセンシング予測モデルを評価した。以下の結果を示した。1)入力として画像バンドと組み合わせたスペクトル指数の使用は,画像バンドのみの使用よりもSOM予測の精度を大きく改善した。2)平均,最大および最小合成画像と比較して,中央値合成画像はSOM予測においてより高い精度を有した。3)より多くの合成画像は,よりロバストなSOM予測結果を提供した。4)5月は,Songnen平野のSOMマッピングのための最良の時間窓であった。本研究は,中国北東部の黒土地域に適した大規模で高空間分解能SOMマッピング法を示し,デジタル土壌マッピングにおけるGEEの応用を拡張した。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： 写像 ,  *地球 ,  *土壌有機物 ,  空間分布 ,  多重化 ,  リモートセンシング ,  ロバスト性 ,  LANDSAT ,  持続可能な開発 ,  予測モデル
準シソーラス用語： スペクトル指数 ,  *Google ,  合成画像 ,  ランダムフォレスト ,  高空間分解能 , 【Automatic Indexing@JST】

著者キーワード (4件)： ディジタル土壌マッピング ,  多時期合成 ,  Landsat-8 ,  Google地球エンジン

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (6件)： Google ,  地球 ,  多時期 ,  土壌 ,  地域 ,  マッピング