文献

J-GLOBAL ID：201702260837215852   整理番号：17A0078756

ハイパースペクトルによる土壌有機物含有量の推定のための波長選択法【JST・京大機械翻訳】

Wavelength variable selection methods for estimation of soil organic matter content using hyperspectral technique

著者 (7件)： Yu Lei (Key Laboratory for Geographical Process Analysis & Simulation, Hubei Province, Central China Normal University) ,  Hong Yongsheng (Key Laboratory for Geographical Process Analysis & Simulation, Hubei Province, Central China Normal University) ,  Zhou Yong (Key Laboratory for Geographical Process Analysis & Simulation, Hubei Province, Central China Normal University) ,  Zhu Qiang (Key Laboratory for Geographical Process Analysis & Simulation, Hubei Province, Central China Normal University) ,  Xu Liang (Hubei Institute of Economic and Social Development, Central China Normal University) ,  Li Jiyun (Key Laboratory for Geographical Process Analysis & Simulation, Hubei Province, Central China Normal University) ,  Nie Yan (Key Laboratory for Geographical Process Analysis & Simulation, Hubei Province, Central China Normal University)
資料名： Nongye Gongcheng Xuebao  (Nongye Gongcheng Xuebao)
巻： 32  号： 13  ページ： 95-102  発行年： 2016年 
JST資料番号： C2454A  ISSN： 1002-6819  CODEN： NGOXEO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 土壌のハイパースペクトルデータ量が大きく、バンドの次元が高く、スペクトル情報の無効、冗長と重複現象が存在し、全バンドに基づいて構築した土壌有機物含有量の反転モデルは不安定で、精度が向上しにくい。そのため、重要な波長変数を選別する方法を探索し、干渉、冗長、共線情報をフィルタリングすることによって、モデルの予測性能を向上させることは、土壌のハイパースペクトル研究の焦点の一つである。本論文では、江漢平原の公安県市の土壌サンプルに対して室内の物理化学分析、スペクトル測定と処理などの仕事を行い、実証データを獲得し、無情報変量法(UNINFORMATIVE VARIABLES ELIMINATION,UVE)を用いて無効変数を除去した。競合的適応重みづけアルゴリズム(CARS)は,冗長性変数を除去するために使用した。連続投影法(SPA)を用いて共変量変数を除去し、異なるタイプのスクリーニング方法を結合し、重要な波長変数を選択することを試みた。部分最小二乗回帰(PLSR)を適用して,土壌有機物含有量の推定モデルを確立し,それらの利点と欠点を比較した。土壌ハイパースペクトルデータの重要変数を選別する方法を構築した。研究結果により、SPA方法のモデル精度は全帯域外より低く、その他の6種類の変数選択方法のモデリング効果はいずれも全バンドより優れていることが分かった。3つの単一変数選択法において,CARS法はUVE法とSPA変数選択法よりも優れており,重要な波長変数を効果的に選択でき,その予測セットの相対誤差のRPD値は2.84であった。異なる変数のスクリーニング方法を総合的に比較することにより、CARS-SPA方法は全バンドの2の波長から37の特徴波長で確立した土壌有機物含有量のPLSRモデルの効果が最も良いことが分かった。モデル予測セットの決定係数R2と相対分析誤差RPD値はそれぞれ0.92,3.60であり,選択帯域は全帯域の1.85%であった。CARS-SPA-PLSRモデルは簡単で、予測効果が良く、この地域の土壌有機物含有量を推定する重要な方法として、今後の土壌地球センサーの開発に一定の指導作用がある。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 重みづけ ,  モデリング ,  *スペクトル ,  *土壌有機物 ,  スクリーニング ,  *波長 ,  周波数帯 ,  コヒーレント反Stokes Raman散乱 ,  フィルタリング
準シソーラス用語： 決定係数 ,  変数選択 ,  推定モデル ,  部分最小二乗回帰 ,  ハイパースペクトルデータ ,  *ハイパースペクトル , 【Automatic Indexing@JST】

著者キーワード (6件)： soils ,  organic matter ,  models ,  wavelength ,  hyperspectral data ,  Jianghan Plain

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： ハイパースペクトル ,  土壌有機物 ,  含有量 ,  推定 ,  波長選択