Understanding Land Use/Land Cover Dynamics and Land Surface Temperature Variations Through Machine Learning and Geospatial Approach: A Case Study of Kullu District, Himachal Pradesh, India
用机器学习与遥感分析印度库鲁区1991-2022年土地利用变化及其对地表温度的影响。
同时包含 RUSLE、遥感、机器学习 的农业资讯,共 24 条。
用机器学习与遥感分析印度库鲁区1991-2022年土地利用变化及其对地表温度的影响。
评估春小麦育种品系产量模型在未参与训练品系上的跨季预测能力。
用PSO-Adam-BP神经网络结合Sentinel-2影像反演白洋淀总磷浓度。
用无人机高光谱结合Stacking集成模型实现湿度干扰下的土壤盐度制图。
融合多源数据与机器学习构建中国2019-2025年0.1°人为甲烷排放网格,并用SHAP解析驱动机制
综述遥感与机器学习在可持续农业中的应用现状与前景。
用多模态遥感与机器学习预测印度锡金高降雨区表层土壤水分。
提出分层光谱集成模型HSE,从高光谱遥感反射率中全球尺度反演四种水质参数。
基于多源遥感与可解释机器学习,揭示东北寒区降水利用效率时空特征及驱动因子。
Modeling Water Quality Parameters in Laga Dadi Reservoir, Ethiopia: An Integrated Remote Sensing and Machine Learning Approach。Research Square
基于印度州级MODIS NDVI与机器学习比较作物产量预测,随机森林优于梯度提升。
系统综述遥感估产方法,分类传感器、平台、建模与机器学习,指出深度学习性能最优。
用MODIS NDVI与四种回归模型预测印度各邦作物产量,并做全国尺度验证。
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。
研究利用多传感器模拟光谱和三维指数,结合GA-BPNN,分物候期估算黄花菜土壤全氮,提高精度。
提出集成混合量子-经典机器学习、虚拟样本生成和遥感基础模型的框架,预测雄安农田地下水硝酸盐浓度。
提出地表反射率校准方法,结合机器学习与双源像素分解,提高半干旱区玉米蒸散发估算精度。
通过数据同化整合卫星遥感与WOFOST模型,提高夏玉米产量估算精度。
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。
利用随机森林结合遥感与GIS绘制印度Latur地区地下水潜力图。
Estimation of Agricultural Vegetation Water Stress Using Feature-Optimized Remote Sensing and Ensemble Machine Learning。Smart Agricultural Technology
提出基于HYDRA字典方法的机器学习框架,结合物候特征预测玉米产量。
基于无人机多模态遥感数据,构建综合高光效表型指数并精准估算,用于小麦育种材料筛选。
综述遥感与机器学习在印度园艺作物精准管理中的应用,涵盖原理、方法、案例与挑战。