《表1 不同形式的水云模型消除植被影响后的反演精度》
提示：宽带有限、当前游客访问压缩模式
从图表中可以看出，直接使用Jackson经验方程反演研究区土壤水分的效果稍微优于未考虑植被影响的反演算法，本文提出的方法反演精度较好。
| 图表编号 | XD00129947000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.08 |
| 作者 | 杨嘉辉、陈鲁皖、王锐欣、赵淑鲜 |
| 绘制单位 | 南昌工程学院水利与生态工程学院、南昌工程学院水利与生态工程学院、南昌工程学院水利与生态工程学院、南昌工程学院水利与生态工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 植被指数与覆盖率反演模型及精度评价对比》2020.10.28
- 《表5 消除孤岛后的精度：基于哨兵2时间序列组合植被指数的作物分类研究》2020.06.20
- 《表5 7月26日小波变换后植被指数与ln(LAI)的模型反演结果与精度检验结果》2020.05.25
- 《表4 7月15日小波变换后植被指数与ln(LAI)的模型反演结果与精度检验结果》2020.05.25
- 《表3 7月26日植被指数与ln(LAI)的相关关系与LAI反演精度评价结果》2020.05.25
- 《表2 7月15日植被指数与ln(LAI)的相关关系与LAI反演精度评价结果》2020.05.25
- 《表2 统计模型各植被指数反演精度》2020.02.20
- 《表1 基于植被指数的LAI反演模型对比分析》2020.02.25
- 《表1 基于SSLLAI-Net的植被叶面积指数定量反演精度》2020.02.01
- 《表3 基于SSLLAI-Net的植被叶面积指数定量反演精度（带噪声）》2020.02.01
- 《表2 A型模型反演结果：基于粒子群算法的GPR与电测深共同反演及等值现象消除》2019.11.01
- 《表1 H型模型反演结果：基于粒子群算法的GPR与电测深共同反演及等值现象消除》2019.11.01
- 《表4 修正的水云模型（MWCM）参数估计值及反演精度》2019.12.01
- 《表3 水云模型（WCM）参数估计及反演精度》2019.12.01
- 《表4 3个模型反演的方案3的积雪和植被覆盖度的精度评估》2019.12.25
- 《表3 3个模型反演的方案2植被覆盖度精度评估》2019.12.25
- 《表5 基于不同植被指数的叶绿素密度(mg/cm2)反演模型》2019.08.20
- 《表6 基于不同植被指数的LAI反演模型》2019.08.20
- 《表4 基于最佳植被指数与环境因子的LAI定量反演模型及各因子对叶面积指数的影响程度》2019.06.01
- 《表3 植被LAI经验模型反演精度对比》2018.09.25