文献

J-GLOBAL ID：202202270666617552   整理番号：22A1115953

歴史的森林インベントリデータとLandsat時系列を用いた森林動態の解明【JST・京大機械翻訳】

Uncovering forest dynamics using historical forest inventory data and Landsat time series

著者 (5件)： Myroniuk Viktor (National University of Life and Environmental Sciences of Ukraine, Ukraine) ,  Bell David M. (USDA Forest Service, Pacific Northwest Research Station, USA) ,  Gregory Matthew J. (Oregon State University, Department of Forest Ecosystems and Society, USA) ,  Vasylyshyn Roman (National University of Life and Environmental Sciences of Ukraine, Ukraine) ,  Bilous Andrii (National University of Life and Environmental Sciences of Ukraine, Ukraine)
資料名： Forest Ecology and Management  (Forest Ecology and Management)
巻： 513  ページ： Null  発行年： 2022年 
JST資料番号： A0676A  ISSN： 0378-1127  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： 多くの国は,国家森林インベントリープログラムを通して森林属性の範囲に対してタイムリーで正確な推定を定期的に生産するが,多くは,そのような在庫量やその在庫は,2008年~2015年に実施された2つの地域(Ivano-FrankivskとSumy)インベントリーに限定したUkrainのサンプルベースアプローチのような,空間と時間において,37700haの全地域で,非連続的である。本研究は,限られた歴史的森林インベントリーデータが,高密度Landsat時系列(LTS)とマッピング技術(即ち,分類と帰属)を用いて森林マッピング努力を促進し,多年森林動態を予測する範囲を扱う。連続変化検出と分類(CCDC)セグメンテーション法を用いて,LTSの年内および年内傾向を抽出し,これらの適合傾向を,更なるモデリングにおける共変量として利用した。著者らは,野外データ収集とLTSに基づく森林マッピングのためのランダム森林(RF)分類モデルを開発し,次に1990~2020年の年間森林地図を作成した。RFモデル精度は,生産者とユーザの精度の両方に対して高かった(>0.93±0.04)。年間森林動態に基づいて,2000~2010年と2010~2020年の森林損失の増加傾向を検出した。勾配最近傍(GNN)法を用いて,30mピクセルレベルで種存在(基底面積(BA)≧1.0m2ha-1)と成長ストック体積(GSV)マップを作成した。最も近い近隣の帰属モデルは,地域内で流行している種に対して,より良い精度(Cohen’s kappa>0.4)を達成し,異なる地理的地域を占め,より高いプロットBA豊度を持つ。より高いR2を持つ種豊度の推定を得るために,k=3最近傍を持つGNNモデルを用いた。類似した環境ニッチに基づく凝集種は,針葉樹種に対する広葉樹落葉種のグループに対して,低(0.129および0.416)の2つの地域内で変化したBAのより大きなR2値をもたらした。精度は5kmの六角形レベルで系統的に良く,より粗い凝集でマップを用いることを推奨した。研究は,森林が1990~2000年により多くのGSVを蓄積し,しかし,GSV損失のより高い比率が,2つの過去数十年の間に観察されたことを示した。過去の森林活動に対する森林変化の空間的および時間的特性,森林の現在年齢構造,および放棄農地の植林を属性とする。新しい森林在庫データが利用できるので,最隣接補完手法の予測性能はより詳細な考察に値する。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： 凝集 ,  セグメンテーション ,  *森林 ,  モデリング ,  農地 ,  生産者 ,  在庫量 ,  モデル ,  落葉 ,  針葉樹 ,  広葉樹 ,  データ収集 ,  属性
準シソーラス用語： ランダムフォレスト ,  分類モデル , 【Automatic Indexing@JST】

著者キーワード (7件)： 森林変化 ,  森林目録 ,  在庫量の増加 ,  補完マッピング ,  最近傍 ,  Landsat ,  フェノロジー関連データ

分類 (2件)： 測樹学  (FF01040T) ,  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)： 歴史 ,  森林 ,  インベントリ ,  LANDSAT ,  時系列 ,  森林動態