《表4 不同反演组合的SMC反演精度统计》
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。
图表编号 | XD0011854000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.28 |
作者 | 王浩、罗格平、王伟胜、PACHIKIN Konstantin、李耀明、郑宏伟、胡伟杰 |
绘制单位 | 中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室、中国科学院大学、中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室、中国科学院大学、中国科学院中亚生态与环境研究中心、中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室、哈萨克斯坦土壤科学与农业化学研究所、中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室、中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室、中国科学院大学、中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |