文献

J-GLOBAL ID：202202288637417662   整理番号：22A0550912

深層学習に基づくSAR画像からの干潟の自動水線抽出と地形マッピング【JST・京大機械翻訳】

Automatic Waterline Extraction and Topographic Mapping of Tidal Flats From SAR Images Based on Deep Learning

著者 (8件)： Zhang Shuangshang (Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao, China) ,  Zhang Shuangshang (Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao, China) ,  Xu Qing (College of Marine Technology, Faculty of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Wang Haoyu (Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao, China) ,  Wang Haoyu (Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao, China) ,  Kang Yanyan (College of Oceanography, Hohai University, Nanjing, China) ,  Li Xiaofeng (Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao, China) ,  Li Xiaofeng (Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao, China)
資料名： Geophysical Research Letters  (Geophysical Research Letters)
巻： 49  号： 2  ページ： e2021GL096007  発行年： 2022年 
JST資料番号： H0609B  ISSN： 0094-8276  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： 本研究は,大規模な干潟のデジタル標高モデル(DEM)を導くための直感的手法を提示した。最初に,深畳み込みニューラルネットワークに基づいて,2015年から2020年の間の中国の黄海海岸沿いのSubei Sandbanksで取得した合成開口レーダ画像から水線を正確に抽出するための自動化方法を開発した。統計的結果は,本法が,それぞれ0.90と0.80の平均回収率と精度を有する複雑なイメージング条件下でも,効率的な水線抽出に対してかなりの精度を有することを示した。次に,画素レベル抽出水線を,調査地域における大規模干潟DEMを構築するために,グローバル潮汐モデルで較正した。in situ地形データに対する比較は29cmの誤差を示し,潮間帯における形態-堆積進化のモニタリングの有用性を実証した。さらに,Subei Sandbanksは2015年から2020年まで安定であり,一方,沿岸地域は人間活動により劇的に変化した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  黄海 ,  潮汐 ,  海岸 ,  中華人民共和国 ,  画像処理 ,  潮間帯 ,  画素 ,  沿岸地区 ,  合成開口レーダ ,  *干潟 ,  数値地形モデル
準シソーラス用語： 人間活動 ,  SAR画像 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 合成開口レーダ ,  干潟 ,  深層学習 ,  水線 ,  DEM

分類 (2件)： 海洋の構造・力学・循環  (DC06030G) ,  雪氷学  (DC08000N)

タイトルに関連する用語 (4件)： 深層学習 ,  SAR画像 ,  干潟 ,  地形マッピング