| 机器学习在土壤无机碳高光谱反演模型中的应用进展 |
| |
| 引用本文： | 郝梦洁,张丽,鲁新新,阿迪力·亚森,蒋青松. 机器学习在土壤无机碳高光谱反演模型中的应用进展[J]. 安徽农学通报, 2021, 27(4): 108-111. DOI: 10.3969/j.issn.1007-7731.2021.04.044 |
| |
| 作者姓名： | 郝梦洁 张丽 鲁新新 阿迪力·亚森 蒋青松 |
| |
| 作者单位： | 塔里木大学信息工程学院,新疆阿拉尔 843300;塔里木大学信息工程学院,新疆阿拉尔 843300;塔里木大学信息工程学院,新疆阿拉尔 843300;塔里木大学信息工程学院,新疆阿拉尔 843300;塔里木大学信息工程学院,新疆阿拉尔 843300 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金中国农业大学-塔里木大学联合基金项目 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 机器学习 土壤无机碳 高光谱 反演模型 应用进展 |
Progress in the Application of Machine Learning in Soil Inorganic Carbon Hyperspectral Inversion Model |
| |
| HAO Mengjie. Progress in the Application of Machine Learning in Soil Inorganic Carbon Hyperspectral Inversion Model[J]. Auhui Agricultural Science Bulletin, 2021, 27(4): 108-111. DOI: 10.3969/j.issn.1007-7731.2021.04.044 |
| |
| Authors: | HAO Mengjie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
