机器学习在土壤无机碳高光谱反演模型中的应用进展

土壤无机碳库作为陆地生态系统中第二大碳库,在吸收大气中CO2以维持陆地生态系统碳循环稳定方面发挥着重要作用.高光谱数据具有维度大、强冗余性等特点,不利于土壤无机碳快速反演建模,而使用机器学习方法可实现对土壤无机碳的快速、高效测定.该文综述了利用机器学习方法对土壤无机碳高光谱反演建模的研究现状,以期为土壤无机碳在全球碳循环中的研究提供参考.     

基于Landsat的棉田各生育期面积提取算法优选:以新疆阿拉尔垦区为例

为了获得不同生育期棉田面积提取的最优算法,本研究以南疆阿拉尔垦区Landsat多时相遥感图像数据为数据源,利用ENVI对遥感影像进行数据预处理,并对研究区掩膜提取后,分别利用最大似然、神经网络、随机森林和支持向量机等算法并结合参数调节手段,分别对四个不同生育期的棉田面积进行提取,并对精度误差加以比较.结果显示,最大似然...