文献

J-GLOBAL ID：202202270204301293   整理番号：22A0901012

リモートセンシングデータから派生した機能的共変量を用いた作物収量予測に関する機械希薄化アルゴリズムの評価【JST・京大機械翻訳】

Assessing machine leaning algorithms on crop yield forecasts using functional covariates derived from remotely sensed data

著者 (6件)： Sartore Luca (1750 K Street NW Suite 1100, Washington, DC 20006, United States) ,  Sartore Luca (1400 Independence Avenue SW, Washington, DC 20250, United States) ,  Rosales Arthur N. (1400 Independence Avenue SW, Washington, DC 20250, United States) ,  Johnson David M. (1400 Independence Avenue SW, Washington, DC 20250, United States) ,  Spiegelman Clifford H. (155 Ireland St, College Station, TX 77843, United States) ,  Spiegelman Clifford H. (1400 Independence Avenue SW, Washington, DC 20250, United States)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 194  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  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： 機械学習法は,リモートセンシングデータを分析し,農業生産の異なる側面を研究するためにますます使用されている。特に,これらの柔軟なモデルのいくつかは,成長季節中または後の地域作物収量を予測するために広く採用されている。しかし,ほとんどの既存のモデルは,機能的共変量を扱うときは適用できない。本論文では,多次元スケーリングに基づくアプローチを提案し,衛星を通して特定の管理境界内で捉えられた異なる現象の経験的密度関数から一連の人工共変量を生成した。従来の凝集法とは対照的に,この方法は共変量として要約統計量の使用に関連した情報の損失を低減するように設計されている。提案した方法論をNASAリモートセンシングデータに適用し,調査とUSDAの季節間郡推定からの情報と組み合わせて,北ダコタの3主要作物に対する異なる作物収量モデルの予測精度を研究した。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： *アルゴリズム ,  関数 ,  *データ ,  *農作物 ,  特徴抽出 ,  *統計解析 ,  精度 ,  ノンパラメトリック法 ,  凝集処理 ,  *リモートセンシング ,  統計量 ,  モデル ,  高次元 ,  *作物収量 ,  機械学習
準シソーラス用語： 密度関数 ,  予測精度 ,  *共変量 ,  *リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： リモートセンシング ,  機能的共変量 ,  ノンパラメトリック回帰 ,  特徴抽出 ,  多次元スケーリング

分類 (2件)： 麦  (FC03033M) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (7件)： リモートセンシング ,  共変量 ,  作物 ,  収量予測 ,  希薄化 ,  アルゴリズム ,  評価