《表4 不同反演组合的SMC反演精度统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多源遥感数据的锡尔河中下游农田土壤水分反演》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于SMC反演因子设计三组试验组合方案（表4）：第一组SMC反演因子参考Pasolli等[17]的研究，仅考虑单一垂直极化VV雷达后向散射系数；第二组结合Paloscia等[14]的成果，将垂直极化VV后向散射系数与NDVI结合作为SMC反演因子；第三组试验方案是考虑所有的SMC反演因子。基于将上述三组试验方案，分别采用上述RF、SVM、BPNN3种机器学习方法，构建SMC反演模型。基于训练（46个采样点）与验证阶段（15个采样点）精度统计表明随机森林（RF）结合所有反演因子构建的SMC反演模型精度最高（图3），因此该方案将被用于反演研究区2017年生长季的农田SMC时空分布。