Moisture-robust soil organic carbon prediction from vis-NIR hyperspectral imagery using external parameter orthogonalization and transfer learning
结合EPO水分校正与迁移学习,实现田间高水分条件下稳健的土壤有机碳高光谱预测。
阅读 3
关键词 · 相关资讯与研究
沿着“土壤水分校正”继续探索,共 1 条内容。
结合EPO水分校正与迁移学习,实现田间高水分条件下稳健的土壤有机碳高光谱预测。
比较测量、传递函数和反演建模获取土壤水力参数对小麦模拟的影响。
基于Transformer及变体融合多源卫星与地下水数据,将SMAP土壤湿度降尺度至1km日尺度。
融合多源遥感数据改进水云模型,实现柑橘园土壤水分和冠层含水量高精度反演。
用9年4站1221组配对数据,机器学习校正5TE土壤含水量传感器。
构建可解释机器学习框架,预测次日土壤湿度并支持灌溉决策。
评估南美干旱季卫星土壤湿度同化中的偏差校正方法,提出基于均质土壤纹理和滑动窗口的改进CDF匹配。
评估七种遥感与再分析土壤湿度产品在典型灌区的精度及对灌溉事件的响应。
综述2019-2026年稻田pH与磷的物联网土壤传感器发展、精度及实施挑战。