《表5 机器学习结合遥感数据的SMC反演对比》

  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

注：RADARSAT-2、Envisat、Sentinel-1为主动雷达SAR数据。HH、VV、HV分别为雷达的水平极化、垂直极化、交叉极化后向散射系数。

研究结果说明随机森林RF结合多因子具有最高反演精度。RF结合多因子组合的验证精度介于已有的相关研究之间（表5），且优于基于单一因子的研究结果[17，36]，所以即使不同研究中下垫面存在差异，仍在一定程度上说明本文SMC反演方法具有较高的适用性。同为干旱区农田SMC反演，Zeng[37]等和Hassan等[21]的研究，其SMC反演最高精度要优于本文，但他们的采样与反演区仅限于其小面积的试验田。