Integrated use of remote sensing techniques and machine learning in assessing soil salinity: current approaches, methods, and future perspectives
综述遥感与机器学习融合评估土壤盐渍化的方法、局限与未来方向。
阅读 0
关键词 · 相关资讯与研究
沿着“数字土壤制图”继续探索,共 6 条内容。
综述遥感与机器学习融合评估土壤盐渍化的方法、局限与未来方向。
综述传感器土壤学的新进展,涵盖原理、应用、挑战与未来方向。
用文献计量分析2005-2025年地理空间技术与AI预测土壤有机碳的研究趋势。
用Landsat 5/8裸土光谱指数识别裸土并机器学习建模表层土壤质地与全碳。
提出土壤表型组框架,用近端传感量化管理导致的土壤时空变异。
用回归克里金结合多源环境协变量预测苏丹青尼罗河粘土区土壤有机碳储量。
用Landsat光谱与地形特征结合集成学习,实现马来西亚与巴基斯坦跨区域USDA土壤质地分类。
利用地理空间与遥感大数据,评估景观结构对PM2.5变化的影响。
提出多属性优化方法,利用土壤数据正交划分特定地点管理分区。
构建数字与绿色双转型下农村土地资源可持续管理的整体范式与结构框架。
构建知识引导的GeoAI方法,多维刻画农业遗产景观空间特征并划分类型。
该研究以珠三角桑园围基塘景观为案例,融合多源遥感与图表示学习,将生产、水利、交通、生态四维指标整合为五类可解释景观类型,可为农业遗产分区管理提供方法参考,但结论尚未经独立验证。
用Sentinel-1/2多时相数据结合纯机器学习与回归克里金,制图半干旱区30-40cm土壤质地。
为咸海地区开发集成地理信息系统,实现数字农化服务与精准施肥管理。
基于30年Landsat影像分析尼日利亚Oko地区土地利用变化,揭示快速城市化与沟蚀加剧。