Forecasting future individual-tree growth using explainable machine learning across northern Chinese larch forests
用可解释机器学习预测中国北方落叶松林单木未来生长。
阅读 0
关键词 · 相关资讯与研究
沿着“梯度提升回归树”继续探索,共 0 条内容。
用可解释机器学习预测中国北方落叶松林单木未来生长。
提出SCR-XGB五层框架,用梯度提升树集成从土壤和气候参数推荐作物。
提出基于树干半径和径向生长率的机器学习模型,实现多树种年龄估算。
提出物理机制与机器学习融合的两阶段模型,精准预测多离子混合肥液电导率。
该模型在537个多离子混合肥液样本上测试集R²达0.9999,但样本来源与离子组合范围未在摘要中说明,跨配方泛化能力需验证。
用大语言模型从文献中提取知识,生成伪标签,实现树种遥感分类。
提出自适应异构动态集成框架AHDE-DS,实现跨异构数据的鲁棒预测、分类与智能决策支持。
用土壤图像结合机器学习与深度学习模型预测氮磷钾含量。
提出时空采样树算法STS-T,用于马来西亚半岛森林火灾易发性制图,兼顾精度与可解释性。