咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于人工智能算法的CYGNSS数据土壤水分反演 收藏

基于人工智能算法的CYGNSS数据土壤水分反演

Retrievals of soil moisture from the CYGNSS data based on artificial intelligence algorithms

作     者:贾燕 金双根 严清赟 郭献涛 JIA Yan;JIN Shuanggen;YAN Qingyun;GUO Xiantao

作者机构:南京邮电大学地理与生物信息学院南京210023 南京信息工程大学遥感与测绘工程学院南京210044 南京信息工程大学江苏省协同精密导航定位与智能应用工程研究中心南京210044 中国科学院上海天文台上海200030 

出 版 物:《南京信息工程大学学报(自然科学版)》 (Journal of Nanjing University of Information Science & Technology(Natural Science Edition))

年 卷 期:2021年第13卷第6期

页      面:645-652页

学科分类:082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0903[农学-农业资源与环境] 090301[农学-土壤学] 

基  金:国家自然科学基金(42001375,42001362) 江苏省自然科学基金(BK20180765) 

主  题:全球导航卫星系统反射测量法 土壤水分 CYGNSS 人工智能 

摘      要:利用CYGNSS数据估计地表土壤水分(SM)近年来获得了极大的关注,但效率和精度有待进一步提升.本文提出了一种预分类策略,结合人工智能算法(AI),利用CYGNSS数据预测土壤水分.此策略能够在人工智能算法的基础上进一步提高土壤水分预测的精确度,具有较好的普适性和易用性.本文使用了2018年全年中国地区的实地土壤水分数据作为地面真实参考数据进行建模以及预测.结果证实预测土壤水分与参考真实数据具有良好的一致性.基于CYGNSS数据预测的土壤水分与实地土壤水分参考数据比对,其相关系数高达0.8,平均均方根误差(RMSE)和平均无偏均方根误差(ubRMSE)分别为0.059 cm^(3)/cm^(3)和0.050 cm^(3)/cm^(3).研究结果表明,预分类策略的人工智能算法可明显提高CYGNSS预测土壤水分的精确度,其简单易操作性也使其可广泛应用于其他回归和预测研究领域,具有较好的泛化性和拓展性.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分