Pixel-oriented prediction of soil moisture using graph neural network and remote sensing data- a case study in Karnataka, India
用图神经网络结合遥感多源数据预测印度卡纳塔克邦逐像元土壤湿度。
阅读 0
用图神经网络结合遥感多源数据预测印度卡纳塔克邦逐像元土壤湿度。
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。
提出NNL-SM模型,融合NDMI、NDVI和LST将SMAP土壤水分从9km降尺度至1km。
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。
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。
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。
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。
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。