کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6949406 1451266 2015 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Optical remote sensing and the retrieval of terrestrial vegetation bio-geophysical properties - A review
ترجمه فارسی عنوان
سنجش از راه دور نوری و بازیابی خواص زیستی ژئوفیزیک پوشش گیاهی زمینی - بررسی
کلمات کلیدی
متغیرهای بیو ژئوفیزیک، پارامتریک، غیر پارامتری، فیزیکی ترکیبی، فراگیری ماشین، بازیابی متغیر عملیاتی،
ترجمه چکیده
مأموریت های بعدی ماهواره فوق العاده ای اختصاص یافته به نظارت بر زمین، و نیز طیف سنج های تصویربرداری برنامه ریزی شده، یک جریان داده بی سابقه را آزاد خواهند کرد. الزامات پردازش برای چنین جریانهای داده های بزرگ شامل تکنیک های پردازش می شود که قادر به اندازه گیری طول عمر اکتیویته خواص گیاهی می باشد. به طور معمول بازیابی باید دقیق، قوی و سریع باشد. از این رو، الزامات سختگیرانه ای برای شناسایی نسل بعدی الگوریتم های بازیابی متغیر ژئوفیزیکی زیست محیطی وجود دارد که می تواند به یک زنجیره پردازش عملیاتی تبدیل شود. این مقاله مرور روش های بازیابی پیشرفته ای را برای استخراج متغیر زیستی ژئوفیزیکی کمی با استفاده از تصاویر تصویربرداری نوری ارائه می دهد. ما می توانیم این روش ها را به (1) رگرسیون پارامتری، (2) رگرسیون غیر پارامتری، (3) روش های فیزیکی و (4) ترکیبی طبقه بندی کنیم. روش های ترکیبی قابلیت های عمومی از روش های مبتنی بر فیزیکی را با روش های انعطاف پذیر و محاسباتی کارآمد، به طور معمول روش های رگرسیون غیر پارامتری ترکیب می کنند. بازبینی مبنای نظری تمام این روش ها برای اولین بار داده شده است و به دنبال آن برنامه های منتشر شده است. این مقاله تمرکز دارد: (1) قابلیت بازیابی متغیرهای بیو ژئوفیزیک، (2) توانایی تولید خروجی های متعدد، (3) امکانات برای توصیف شفاف مدل، (4) سرعت نقشه برداری و (5) امکان بازیابی عدم اطمینان. در نهایت، چشم انداز اجرای این روش ها در زنجیره پردازش های آینده برای بازیابی عملیات ویژگی های پوشش گیاهی ارائه شده و مورد بحث قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
پیش نمایش مقاله
سنجش از راه دور نوری و بازیابی خواص زیستی ژئوفیزیک پوشش گیاهی زمینی - بررسی
چکیده انگلیسی
Forthcoming superspectral satellite missions dedicated to land monitoring, as well as planned imaging spectrometers, will unleash an unprecedented data stream. The processing requirements for such large data streams involve processing techniques enabling the spatio-temporally explicit quantification of vegetation properties. Typically retrieval must be accurate, robust and fast. Hence, there is a strict requirement to identify next-generation bio-geophysical variable retrieval algorithms which can be molded into an operational processing chain. This paper offers a review of state-of-the-art retrieval methods for quantitative terrestrial bio-geophysical variable extraction using optical remote sensing imagery. We can categorize these methods into (1) parametric regression, (2) non-parametric regression, (3) physically-based and (4) hybrid methods. Hybrid methods combine generic capabilities of physically-based methods with flexible and computationally efficient methods, typically non-parametric regression methods. A review of the theoretical basis of all these methods is given first and followed by published applications. This paper focusses on: (1) retrievability of bio-geophysical variables, (2) ability to generate multiple outputs, (3) possibilities for model transparency description, (4) mapping speed, and (5) possibilities for uncertainty retrieval. Finally, the prospects of implementing these methods into future processing chains for operational retrieval of vegetation properties are presented and discussed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: ISPRS Journal of Photogrammetry and Remote Sensing - Volume 108, October 2015, Pages 273-290
نویسندگان
, , , , , , ,