کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6949096 1451232 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The effects of imperfect reference data on remote sensing-assisted estimators of land cover class proportions
ترجمه فارسی عنوان
اثرات داده های مرجع ناقص برآوردگرهای سنجش از راه دور از نسبت کلاس زمین
کلمات کلیدی
خطای متخصص، تقصیر دقت موجودی گاز گلخانه ای، روش از دست دادن-از دست دادن
ترجمه چکیده
برای یک منطقه مطالعه 7500 کیلومتر در شمال مرکزی مینه سوتا در ایالات متحده آمریکا، ترکیبی از مشاهدات نقشه های موجودی جنگل، تفسیر بصری تصاویر هوایی و دو نقشه جنگل / غیر جنگل برای ارزیابی اثرات خطای مترجم در طبقه بندی شده برآوردگرهای جنگل نسبت و خطاهای استاندارد مربوطه. اهداف اصلی مربوط به برآورد تعصب و دقت برآوردگرهای طبقه بندی شده در حضور اشتباهات مترجم، شناسایی عوامل و سطوح آن عوامل است که بر تعصب و دقت تاثیر می گذارد و تسهیل برنامه ریزی برای دور زدن و / یا کاهش اثرات تعصب. نتایج اولیه این بود که خطای مترجم، منجر به تعصب در برآوردگرهای طبقه بندی شده نسبت به سطح کلاس پوشش زمین و خطای استاندارد آن می شود. تقصیر با نابرابری بیشتر در وزن های قشر، نقشه های کوچکتر و دقیق تر مترجم، مترجمان کمتر و همبستگی بیشتر میان مترجم ها افزایش یافت. عدم تأیید خطای مترجم، اشتباهات استاندارد طبقه بندی شده را به وجود آورد که خطاهای استاندارد واقعی را با عوامل خطی 2.3 کاهش دادند. تعداد زیادی از مفسران اثرات خطای مترجم را در برآوردهای مربوط به جنگل کاهش داده و یک برآوردگر واریانس ترکیبی تأثیرات بر خطاهای استاندارد را کاهش داد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
پیش نمایش مقاله
اثرات داده های مرجع ناقص برآوردگرهای سنجش از راه دور از نسبت کلاس زمین
چکیده انگلیسی
For a 7500-km2 study area in north central Minnesota in the United States of America, combinations of forest inventory plot observations, visual interpretations of aerial imagery, and two forest/non-forest maps were used to assess the effects of interpreter error on stratified estimators of proportion forest and corresponding standard errors. The primary objectives related to estimating the bias and precision of the stratified estimators in the presence of interpreter errors, identifying factors and the levels of those factors that affect bias and precision, and facilitating planning to circumvent and/or mitigate the effects of bias. The primary results were that interpreter error induces bias into the stratified estimators of both land cover class proportion and its standard error. Bias increased with greater inequality in stratum weights, smaller map and interpreter accuracies, fewer interpreters and greater correlations among interpreters. Failure to account for interpreter error produced stratified standard errors that under-estimated actual standard errors by factors as great as 2.3. Greater number of interpreters mitigated the effects of interpreter error on proportion forest estimates, and a hybrid variance estimator accounted for the effects on standard errors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: ISPRS Journal of Photogrammetry and Remote Sensing - Volume 142, August 2018, Pages 292-300
نویسندگان
, , , , , ,