文献

J-GLOBAL ID：202202277746597096   整理番号：22A0430646

異なる植物種データセットにおける葉窒素濃度を評価するための移動学習とハイパースペクトル反射率分析の組み合わせ【JST・京大機械翻訳】

Combining transfer learning and hyperspectral reflectance analysis to assess leaf nitrogen concentration across different plant species datasets

著者 (11件)： Wan Liang (College of Biosystems Engineering and Food Science, and State Key Laboratory of Modern Optical Instrumentation, Zhejiang University, Hangzhou, China) ,  Wan Liang (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou, China) ,  Zhou Weijun (College of Agriculture and Biotechnology, Zhejiang University, Hangzhou, China) ,  He Yong (College of Biosystems Engineering and Food Science, and State Key Laboratory of Modern Optical Instrumentation, Zhejiang University, Hangzhou, China) ,  He Yong (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou, China) ,  Wanger Thomas Cherico (Sustainability, Agriculture & Technology Laboratory, School of Engineering, Westlake University, Hangzhou, China) ,  Wanger Thomas Cherico (Key Laboratory of Coastal Environment and Resources of Zhejiang Province, Westlake University, Hangzhou, China) ,  Wanger Thomas Cherico (Agroecology, University of Gottingen, Gottingen, Germany) ,  Wanger Thomas Cherico (GlobalAgroforestryNetwork.org, Hangzhou, China) ,  Cen Haiyan (College of Biosystems Engineering and Food Science, and State Key Laboratory of Modern Optical Instrumentation, Zhejiang University, Hangzhou, China) ,  Cen Haiyan (Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs, Hangzhou, China)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 269  ページ： Null  発行年： 2022年 
JST資料番号： C0252B  ISSN： 0034-4257  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 葉窒素濃度(LNC)の正確な推定は,炭素固定における例えば生態系と植物生理学的プロセスを特徴づけるために重要である。リモートセンシングはLNCを捕捉できるが,植物種間の相互関連形質とスペクトル多様性は,葉反射率に基づく移動可能なLNC評価モデルの開発を妨げる。ここでは,異なる植物種にわたってLNC評価モデルを転送するために,移動成分解析をサポートベクトル回帰,すなわちTCA-SVRと組み合わせた新しい移動学習法を開発した。著者らは,異なるスペクトル分解能と照明と視野角を有する3つの分光放射計から測定した60の植物種に関する5つのリモートセンシングデータセットを有する十分に確立された部分最小二乗回帰(PLSR)モデルに対するTCA-SVRの性能をベンチマークした。その結果,葉反射率は,異なるスペクトル領域,植物種および成長段階において高いスペクトル多様性を示した。可視(VIS),近赤外(NIR)および短波赤外(SWIR)反射率(例えば,550-2300nm)の組合せは,すべてのデータセットにわたって最適なLNC評価を達成した。試験データセットの結果は,PLSRモデルの伝達性がLNC分布とスペクトル特徴に強く依存し,データセット間の植物種,スペクトル測定,および成長条件の違いと関連することを示した。これらの違いはLNCと葉の反射率の大きな変動をもたらし,LNCの過大評価と過小評価をもたらした。PLSRモデルと比較して,TCA-SVRは,平均平方自乗誤差を36.76%減らすことによって,LNC評価モデルの伝達性を大いに改善した。さらに,モデリング更新の実装は,TCA-SVRが,目標データセットからソースデータセットへのサンプル移動によって,植物種とLNC範囲の違いに関連する特徴を学習するのを助けることができる。著者らのモデル更新手法は,TCA-SVRの性能を改善し,LNCの有効な評価を達成するために,ソースデータセットを補足するためにオフサイトサンプルの5%だけを必要とした。新しいリモートセンシングデータセットによる提案した方法の再定義は,植物窒素状態の迅速モニタリングを助け,既存の生態系モデルにおける炭素-窒素相互作用を改善するであろう。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： 相互作用 ,  *反射率 ,  *学習 ,  *窒素 ,  炭酸同化 ,  *スペクトル ,  リモートセンシング ,  近赤外線 ,  成長段階 ,  生態系 ,  分光放射計 ,  ベンチマーク
準シソーラス用語： 評価モデル ,  部分最小二乗回帰 ,  リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： ハイパースペクトル反射率 ,  葉の窒素濃度(%) ,  スペクトル多様性 ,  転移学習 ,  モデル更新 ,  部分最小二乗回帰

分類 (2件)： リモートセンシング一般  (AD04000L) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (9件)： 植物種 ,  データセット ,  葉 ,  窒素濃度 ,  評価 ,  学習 ,  ハイパースペクトル反射率 ,  分析 ,  組み合わせ