文献

J-GLOBAL ID：202202280282106052   整理番号：22A1086864

畳込みニューラルネットワークによるマルチスペクトル衛星画像からのキャノピー高さモデルの推定【JST・京大機械翻訳】

Estimation of the Canopy Height Model From Multispectral Satellite Imagery With Convolutional Neural Networks

著者 (6件)： Illarionova Svetlana (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Shadrin Dmitrii (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Ignatiev Vladimir (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Shayakhmetov Sergey (ESG Department, PJSC Sberbank of Russia, Moscow, Russia) ,  Trekin Alexey (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Oseledets Ivan (Skolkovo Institute of Science and Technology, Moscow, Russia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 34116-34132  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： キャノピー高さモデル(CHM)は,周囲の地上レベルからの植生の頂上の高さの表現である。例えば,木材ストック推定と森林成長測定など,様々な森林特性の抽出が重要である。地上観測またはリモートセンシング画像の解釈のような植生高さを得る異なる方法がある。現場測定の厳しいダウンサイドは,そのコストと取得の困難さである。したがって,リモートセンシングデータの利用は,多くの場合,望ましい。過去数十年の間のコンピュータビジョンにおける莫大な進歩は,衛星画像分析の種々の方法を提供した。本研究では,非常に高い空間分解能のRGBとNIR(近赤外)バンドのみを用いたキャノピー高さ評価ワークフローを開発した。飛行機ベースのLiDAR(Light Detection and Ranging)から典型的なデータを収集し,植生高さを予測するために深層ニューラルネットワークを訓練した。提供したアプローチは,通常使用されるドローン測定よりも安価であり,予測は衛星データ(通常30m以上)を用いた研究の大部分よりも空間分解能(5m以下)が高い。ロシアの寒帯森林で行われた実験は,予測とLiDAR導出測定値の間に強い相関を示した。さらに,種分類タスクにおける補足的な特徴として生成されたCHMを試験した。異なる入力データ組合せと訓練手法の中で,Incep-ResNet-v2符号器,高分解能RGB画像,近赤外バンド,および北極DEMを用いて,U-Netを用いて2.4mに等しい平均絶対誤差を達成した。得られた結果は,先進林業分析と管理のための有望な機会を示した。また,タイルベースの地図サービスを介してMapboxによって提供されたクラウドフリー複合オルソフォトマップにおいて議論されたアプローチに基づいて,これらのタスクを解決するための使いやすいオープンアクセスソリューションを開発した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 森林 ,  木材 ,  飛行機 ,  地図 ,  近赤外線 ,  寒帯 ,  在庫量 ,  無人機 ,  *モデル ,  *衛星利用画像 ,  コンピュータビジョン ,  高分解能 ,  ワークフロー
準シソーラス用語： 地上観測 ,  リモートセンシング画像 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 畳込みニューラルネットワーク ,  マルチスペクトル ,  衛星画像 ,  キャノピー ,  高さ ,  モデル ,  推定