摘要
本发明提供了一种多源遥感联合机器学习与深度学习的土壤湿度预测方法,包括机器学习部分和深度学习部分,所述机器学习部分包括收集遥感数据和站点数据,基于收集的遥感数据和站点数据进行随机森林模型训练,生成初步土壤湿度产品,所述深度学习部分包括通过生成的所述初步土壤湿度产品训练深度模型,基于所述随机森林模型和所述深度模型构建土壤湿度预测模型,采用所述土壤湿度预测模型进行土壤湿度预测,以生成最终的土壤湿度产品。本发明方法能够有效弥补传统技术在稀疏数据条件下的不足,通过智能化的学习算法提升土壤湿度预测的精度,并且能够处理长时间序列数据,使得本发明技术在大尺度区域的应用更具可行性。
技术关键词
随机森林模型
深度学习模型训练
峰值信噪比
站点
数据
指标
图像
皮尔逊相关系数
亮度
编码解码器
上采样
误差
学习算法
解码模块
变量
监测站
数值
节点
系统为您推荐了相关专利信息
山地
场景
地球同步卫星
渲染三维模型
无人机巡检
风力助推转子
航线规划方法
能耗评估模型
节点
路径规划算法
管理方法
文本
计算机存储介质
数据
计算机程序产品
医学图像分割方法
标签
标记医学图像
像素点
教师
余热锅炉入口
低压蒸汽流量
深度递归神经网络
稳态工况数据
联合循环余热锅炉