排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
针对特征复杂的大尺度区域作物根区土壤水分信息获取难的问题,提出了一个基于CART算法的土壤水分估算模型。模型综合了多源环境变量信息,通过对特征复杂的数据空间进行划分,得到一系列特征单一、建模容易的数据子空间,通过对子空间的土壤水分估算实现全局范围的土壤水分信息获取。采用TVDI、AMSR2土壤水分产品、实测数据3种方式对中国北方土壤水分估算结果进行验证。验证结果表明,虽然TVDI和AMSR2 2种方法的验证效果并不理想,但是不同深度层的站点实测值和估算值之间却有着良好的关系,相关系数均大于0.4且极显著,平均相对误差均小于7.3%,均方根误差均小于0.05m3/m3。该研究说明CART算法能够有效应用于估算大尺度区域的作物根区土壤水分。 相似文献
3.
国内外农业大数据应用研究分析 总被引:2,自引:0,他引:2
针对农业领域数据规模大、数据结构复杂、空间数据挖掘能力不足等问题,研究了大数据开源技术在农业领域的数据分析体系中的应用。借鉴国内外学者在农业大数据的研究成果,基于农业数据时空属性的特征,结合农业数据的特点分析了Hadoop、Storm和Spark开源大数据挖掘技术,归纳性阐述了如何开发适合农业需求的大数据系统。最后,简要分析了农业大数据技术所面临的挑战和研究难题,指出需要加大力度进一步深入理论和应用研究,从而推动和实现基于数据的科学决策,为国家粮食提供安全保障。 相似文献
4.
基于卷积神经网络模型的遥感图像分类 总被引:2,自引:0,他引:2
研究了遥感图像的分类,针对遥感图像的支持向量机(SVM)等浅层结构分类模型特征提取困难、分类精度不理想等问题,设计了一种卷积神经网络(CNN)模型,该模型包含输入层、卷积层、全连接层以及输出层,采用Soft Max分类器进行分类。选取2010年6月6日Landsat TM5富锦市遥感图像为数据源进行了分类实验,实验表明该模型采用多层卷积池化层能够有效地提取非线性、不变的地物特征,有利于图像分类和目标检测。针对所选取的影像,该模型分类精度达到94.57%,比支持向量机分类精度提高了5%,在遥感图像分类中具有更大的优势。 相似文献
1