《表1 协变量来源：基于机器学习的高精度高分辨率气象因子时空估计》
提示：宽带有限、当前游客访问压缩模式
上述协变量来源等信息的说明见表1。
| 图表编号 | XD0056571100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.25 |
| 作者 | 方颖、李连发 |
| 绘制单位 | 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室、中国科学院大学、中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室、中国科学院大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 客观指标评价结果：基于深度学习与超分辨率重建的遥感高时空融合方法》2020.09.01
- 《表1 精度评价：基于迁移学习的高分辨率遥感影像道路信息提取》2020.06.01
- 《表1 影响因子数据来源及其时空分辨率》2021.01.21
- 《表4 模型测试结果：基于机器学习的海里油耗估计算法》2021.01.20
- 《表1 特征提取结果：基于机器学习的海里油耗估计算法》2021.01.20
- 《表3 特征验证：基于机器学习的海里油耗估计算法》2021.01.20
- 《表2 测试数据：基于机器学习的海里油耗估计算法》2021.01.20
- 《表1 气象站点信息：基于机器学习模型的海河北系干旱预测研究》2020.07.01
- 《表1 多圈层遥感异常对应的观测参量、数据来源及时空分辨率》2020.06.25
- 《表4 不同模型精度比对：基于机器学习的故意伤害案件风险分析》2020.04.25
- 《表2 实验分组情况：基于优化有理函数模型的高分辨率遥感影像几何校正及其精度评估——以ZY-3和Pléiades卫星数据为例》2020.06.01
- 《表1 原始气象观测数据：基于时空优化LSTM深度学习网络的气温预测》2020.06.30
- 《表2 精度评价数值表：基于视差的高分辨率遥感影像建筑物变化检测》2019.12.20
- 《表1 模型精度对比：基于高分辨率SAR影像和深度学习的输电杆塔智能识别研究》2020.02.25
- 《表2 模型结果精度：基于图机器学习的分布式光伏发电预测》2019.11.05
- 《表2 精度验证结果：一种基于Sentine-2A影像的高分辨率不透水面提取遥感指数》2019.09.01
- 《表1 模型输入影像数据：多源数据融合的高时空分辨率植被指数生成》2019.09.25
- 《表2 融合结果精度：多源数据融合的高时空分辨率植被指数生成》2019.09.25
- 《表1 影像分割精度：一种融合双聚类算法的高分辨率遥感影像分割方法》2018.06.25
- 《表1 数据来源与预处理：基于地理探测器模型的中亚NDVI时空变化特征及其驱动因子分析》2019.12.01