文献

J-GLOBAL ID：202202266109478548   整理番号：22A0231205

SARと光学時系列データを組み合わせた正確な作物型マッピングのための機械学習アプローチ【JST・京大機械翻訳】

A machine learning approach for accurate crop type mapping using combined SAR and optical time series data

著者 (4件)： Tufail Rahat (College of Earth and Environmental Sciences (CEES), University of the Punjab, Lahore 54590, Pakistan) ,  Ahmad Adeel (Department of Geography, University of the Punjab, Lahore 54590, Pakistan) ,  Javed Muhammad Asif (College of Earth and Environmental Sciences (CEES), University of the Punjab, Lahore 54590, Pakistan) ,  Ahmad Sajid Rashid (College of Earth and Environmental Sciences (CEES), University of the Punjab, Lahore 54590, Pakistan)
資料名： Advances in Space Research  (Advances in Space Research)
巻： 69  号： 1  ページ： 331-346  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： 国の食品ニーズは主にその農業資源に依存し,持続可能な農業システムを実行するための資源を管理し監視するための作物健康,分布,および面積推定に関連する信頼できる情報を必要とする。この情報を収集するために異なる方法論を用いた。しかし,欧州宇宙機関(ESA)Copernicusプログラム衛星Sentinl-1(S1)とSentinel-2(S2)のような改善された空間,スペクトル,および時間分解能による地球資源衛星データのアベイラビリティは,作物型地図を生成するより実用性を創造する。S1とS2は,両方ともツイン衛星の配置で動作して,Cバンド合成開口レーダ(SAR)とマルチスペクトル機器(MSI)を運ぶ。S1の垂直送信と水平受信(VH)と垂直送信と垂直受信(VV)チャネルを用いて,研究地域に存在する作物の時間的後方散乱を利用した。本研究では,SAR(S1)と光学(S2)時系列データの組合せによる正確な作物型マッピングのために,機械学習ランダム森林分類アルゴリズムを使用した。ランダムフォレスト分類器は,最も人気のある土地利用/土地被覆クラスに好ましい投票を可能にするサンプルデータで訓練されたアンサンブル決定木を使用するので,以前の研究での作物型マッピングのかなり改良された精度を生み出した。本研究の重要な目的は,異なるデータ組合せに対する分類精度を調べることである。データの3つのプロット(i)S1(ii)S2(iii)S1&S2を試験した。SARと光学データの組合せは,97%の最良の総合精度および0.97のカッパ係数で外れた。宇宙搭載SARと光学データは作物型マッピングの新しい側面を追加し,それは貴重なパラメータを含むことによって分類精度を増加させ,互いの欠点を克服する。結果を比較することによって,全天候アクセス可能なSARとスペクトル的に豊富な光学データを組み合わせると,より正確な結果が得られると結論できる。それは,作物バイオマスと生物物理パラメータを推定するための将来の努力にとって不可欠な進歩である。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： 食品 ,  土地利用 ,  *農作物 ,  受信 ,  スペクトル ,  アベイラビリティ ,  ディシジョンツリー ,  バイオマス ,  宇宙空間 ,  合成開口レーダ ,  土地被覆 ,  持続可能な農業 ,  *機械学習
準シソーラス用語： *時系列データ ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  持続可能な農業 ,  SAR ,  光学 ,  ランダムフォレスト

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)： SAR ,  光学 ,  時系列データ ,  作物 ,  マッピング ,  機械学習