利用随机森林方法优选光谱特征预测土壤水分含量 下载: 1056次
包青岭, 丁建丽, 王敬哲. 利用随机森林方法优选光谱特征预测土壤水分含量[J]. 激光与光电子学进展, 2018, 55(11): 113002.
Qingling Bao, Jianli Ding, Jingzhe Wang. Prediction of Soil Moisture Content by Selecting Spectral Characteristics Using Random Forest Method[J]. Laser & Optoelectronics Progress, 2018, 55(11): 113002.
[1] 王云强, 邵明安, 刘志鹏. 黄土高原区域尺度土壤水分空间变异性[J]. 水科学进展, 2012, 23(3): 310-316.
[2] 王加虎, 李丽, 李新红. “四水”转化研究综述[J]. 水文, 2008, 28(4): 5-8.
[3] 吴代晖, 范闻捷, 崔要奎, 等. 高光谱遥感监测土壤含水量研究进展[J]. 光谱学与光谱分析, 2010, 30(11): 3067-3071.
[4] Kaleita A L, Tian L F, Hirschi M C. Relationship between soil moisture content and soil surface reflectance[J]. Transactions of the ASAE, 2005, 48(5): 1979-1986.
[7] 姚艳敏, 魏娜, 唐鹏钦, 等. 黑土土壤水分高光谱特征及反演模型[J]. 农业工程学报, 2011, 27(8): 95-100.
[11] 程街亮, 纪文君, 周银, 等. 土壤二向反射特性及水分含量对其影响研究[J]. 土壤学报, 2011, 48(2): 255-262.
[12] 蔡亮红, 丁建丽. 小波变换耦合CARS算法提高土壤水分含量高光谱反演精度[J]. 农业工程学报, 2017, 33(16): 144-151.
[13] 李明亮, 李西灿, 张爽. 土壤含水量高光谱灰色关联度估测模式[J]. 测绘科学技术学报, 2016, 33(2): 163-168.
[14] 张锐, 李兆富, 潘剑君. 小波包-局部最相关算法提高土壤有机碳含量高光谱预测精度[J]. 农业工程学报, 2017, 33(1): 175-181.
[15] 蔡亮红, 丁建丽. 基于高光谱多尺度分解的土壤含水量反演[J]. 激光与光电子学进展, 2018, 55(1): 013001.
[16] 金慧凝, 张新乐, 刘焕军, 等. 基于光谱吸收特征的土壤含水量预测模型研究[J]. 土壤学报, 2016, 53(3): 627-635.
[17] 刘秀英, 王力, 常庆瑞, 等. 利用包络线消除法反演黄绵土水分含量[J]. 武汉大学学报(信息科学版), 2017, 42(5): 661-668.
[18] 刁万英, 刘刚, 胡克林. 基于高光谱特征与人工神经网络模型对土壤含水量估算[J]. 光谱学与光谱分析, 2017, 37(3): 841-846.
[19] 李相, 丁建丽. 基于实测高光谱指数与HSI影像指数的土壤含水量监测[J]. 农业工程学报, 2015, 31(19): 68-75.
[20] 沈润平, 郭佳, 张婧娴, 等. 基于随机森林的遥感干旱监测模型的构建[J]. 地球信息科学学报, 2017, 19(1): 125-133.
[21] 何挺, 王静, 林宗坚, 等. 土壤有机质光谱特征研究[J]. 武汉大学学报(信息科学版), 2006, 31(11): 975-979.
[23] 浦瑞良, 宫鹏. 高光谱遥感及其应用[M]. 北京: 高等教育出版社, 2000: 23- 46.
Pu RL, GongP. Hyperspectral remote sensing and its applications[M]. Beijing: Higher Education Press, 2000: 23- 46.
包青岭, 丁建丽, 王敬哲. 利用随机森林方法优选光谱特征预测土壤水分含量[J]. 激光与光电子学进展, 2018, 55(11): 113002. Qingling Bao, Jianli Ding, Jingzhe Wang. Prediction of Soil Moisture Content by Selecting Spectral Characteristics Using Random Forest Method[J]. Laser & Optoelectronics Progress, 2018, 55(11): 113002.