Quantifying Seasonal Vegetation Anomalies in an Arid Ecosystem: A Reproducible, Leakage-Free Machine Learning Framework with Dynamic Climate Predictors and Quantified Uncertainty
构建无泄漏机器学习框架,量化巴基斯坦干旱区季节植被异常并评估不确定性。
阅读 0
关键词 · 相关资讯与研究
沿着“荒漠化监测”继续探索,共 4 条内容。
构建无泄漏机器学习框架,量化巴基斯坦干旱区季节植被异常并评估不确定性。
用地理信息学与高分辨率土壤持水数据绘制阿尔及利亚半干旱流域荒漠化敏感性图。
基于Landsat 9与特征空间分析构建荒漠化程度指数,评估阿尔及利亚Hodna盆地荒漠化。
构建融合植被覆盖与土壤湿度年内动态的荒漠化指数MV-NDDI,并在内蒙古验证。
提出基于BOTDR光纤传感的沙丘移动速度测量理论与方法,并在腾格里沙漠验证。
分析吉法拉平原荒漠化与环境退化的空间差异及主要表现,并提出防治建议。
利用Sentinel-2影像和随机森林在GEE上监测印度Koonthankulam湿地的季节动态。
研究塔里木盆地25年土地利用变化与沙尘PM10的耦合关系及阈值效应。
构建地表反照率与SIF结合的荒漠化评估模型,监测青藏高原2001-2020年荒漠化动态。
基于Landsat影像与NDVI阈值法评估印度米佐拉姆2005—2025年植被动态。
基于MODIS遥感指数分析巴西四个荒漠化核心区2001-2024年干旱时空变化。
利用MODIS数据评估埃及沿海干旱生态系统水分利用效率的时空格局及土地利用影响。