文献

J-GLOBAL ID：202202271070654684   整理番号：22A1057453

Sentinel-1とSentinel-2に基づく深層学習を用いた雲状/レイニー山地における農地パーセルに基づく作物分類【JST・京大機械翻訳】

Farmland parcel-based crop classification in cloudy/rainy mountains using Sentinel-1 and Sentinel-2 based deep learning

著者 (6件)： Sun Yingwei (Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture and Rural Affairs/Institute of Agricultural Resources and Regional Planning (CAAS), Chinese Academy of Agricultural Sciences, Beijing, China) ,  Li Zhao-Liang (Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture and Rural Affairs/Institute of Agricultural Resources and Regional Planning (CAAS), Chinese Academy of Agricultural Sciences, Beijing, China) ,  Luo Jiancheng (State Key Laboratory of Remote Sensing Science of the Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Luo Jiancheng (School of Science, University of Chinese Academy of Sciences, Beijing, China) ,  Wu Tianjun (School of Science, Chang’an University, Xi’an, China) ,  Liu Niantang (Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture and Rural Affairs/Institute of Agricultural Resources and Regional Planning (CAAS), Chinese Academy of Agricultural Sciences, Beijing, China)
資料名： International Journal of Remote Sensing  (International Journal of Remote Sensing)
巻： 43  号： 3  ページ： 1054-1073  発行年： 2022年 
JST資料番号： B0645B  ISSN： 0143-1161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 複数時間リモートセンシングデータ,特に重要な生物季節学期間に対するそれらは,作物分類において重要な役割を果たす。しかし,曇り/雨の気候条件は,作物分類の困難さをもたらす有効な光学的データの欠如を容易に導くことができる。一般解は,全天候合成開口レーダ(SAR)データセットを利用する。実際に,SARと光学データセットは,画像融合の方法によって農業分野でしばしば適用されるが,光学画像の数が小さすぎるときに適用するのは難しい。この問題を解決するため,本研究では,RNNベースの符号化復号化ネットワークを展開して,農地区画スケールでの「光の時間特徴に追加データを加え,光フラグメントの利用を改善する,データ転送と特徴最適化ベースの方法を提案した。この方法に基づいて,異なるデータセット間の空間スケールにおける不一致を緩和し,作物分類手順におけるエキスパート知識なしに時系列パラメータを最適化した。実験結果は,この方法の作物分類精度を説明し,従来の手法よりも4.1%の改善を達成し,特に乾燥地作物(例えば,トウモロコシと菜種)に対して有効である。したがって,本研究は,曇り/雨の多い山岳地域における類似の応用のための光学的およびSARデータの組み合わせ使用の有効性を実証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  ネットワーク ,  特性 ,  *農作物 ,  菜種 ,  気象条件 ,  *農地 ,  *山岳地 ,  データ転送 ,  光学画像 ,  一般解 ,  合成開口レーダ
準シソーラス用語： 画像融合 ,  リモートセンシングデータ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 曇天山間山岳地域 ,  作物分類 ,  多時期データ ,  複合利用 ,  特徴転送 ,  最適化

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (7件)： 深層学習 ,  雲 ,  山地 ,  農地 ,  セル ,  作物 ,  分類