文献

J-GLOBAL ID：202202282243082515   整理番号：22A1053971

動的Landsatベース葉面積指数同化によるCERES-コムギ収量予測の改善:イランにおける事例研究【JST・京大機械翻訳】

Improving CERES-Wheat Yield Forecasts by Assimilating Dynamic Landsat-Based Leaf Area Index: A Case Study in Iran

著者 (2件)： Jafari Mohammad (Kazeroon Agricultural and Natural Resources Research and Education Center, Fars, Iran) ,  Keshavarz Ali (Water Engineering Department, School of Agricultural Sciences and Natural Resources, Sari University, Mazandaran, Iran)
資料名： Journal of the Indian Society of Remote Sensing  (Journal of the Indian Society of Remote Sensing)
巻： 50  号： 2  ページ： 285-298  発行年： 2022年 
JST資料番号： W4605A  ISSN： 0255-660X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究では,野外スケールでの時空間変動を捕えるために,静的作物モデルに動的リモートセンシングデータを用いることの適用性に取り組むことを試みた。コムギ(CERES-コムギ)の作物環境資源合成の例を取り上げて,このモデルを較正し,改良し,3年間の冬コムギ圃場測定データ(2017~2019年の成長季節)を用いて検証した。Landsatベースの葉面積指数(LAI)を,粒子フィルタ法を用いてモデルに同化した。NDVI,SAVI,EVIおよびEVI-2を含む4つの植生指数を,冬コムギLAIの最良の推定子を同定するために評価した。Landsat-EVI-2の線形回帰は,R2=0.87と平均バイアス誤差=-2.04のLAI(LAI=10.08×EVI-2~0.53)の最も正確な表現であることが分かった。EVI-2からのより高いLAI精度は,土壌とキャノピーバックグラウンドノイズ減少に起因し,ある大気条件を説明する。CERESモデルへのLandsat-EVI-2に基づくLAIの同化は,特に穀物収率とバイオマスシミュレーションに対して,モデルの全体的な性能を改善した。デフォルトモデルは,LAI_max,穀粒収量,およびバイオマスを5.1cm2cm-2,8.3Mgha-1,および14.9Mgha-1で,RMSEは,それぞれ,1.44,0.91Mgha-1,および1.2Mgha-1であり,一方,修正モデル(Landsat-EVI-2データを用いた)は,それぞれ,6.6cm2cm-2,9.9Mgha-1,および16.6Mgha-1で,RMSEが0.81,0.54Mgha-1,および0.62Mgha-1であった。Copyright Indian Society of Remote Sensing 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  シミュレーションモデル ,  *予測 ,  農作物 ,  *コムギ ,  *同化 ,  バイオマス ,  圃場 ,  *事例研究 ,  穀粒 ,  秋播コムギ ,  *葉面積指数 ,  正規化植生指数
準シソーラス用語： 線形回帰 ,  *収量予測 ,  作物モデル ,  リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (9件)： 冬コムギ ,  CERES-コムギ ,  EVI ,  EVI-2 ,  Landsat ,  葉面積指数 ,  VIVI ,  粒子フィルタ ,  SAVI

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 (8件)： LANDSAT ,  葉面積指数 ,  同化 ,  CERES ,  コムギ ,  収量予測 ,  イラン ,  研究