《表5 机器学习结合遥感数据的SMC反演对比》
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。
图表编号 | XD0011854200 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) |