Monitoring farmland soil moisture status in semi-arid regions using multi-source remote sensing fusion data and machine learning algorithms
Diese Studie zeigt, dass die Integration von optischen Vegetationsindizes und Radar-Backscatter-Merkmalen innerhalb eines XGBoost-Maschinellen-Lernverfahrens die räumlich-zeitlichen Dynamiken der Bodenfeuchtigkeit über verschiedene Tiefen und Wachstumsstadien in semiariden Frühsommermais-Feldern effektiv überwacht, wobei die komplementären Rollen dieser Datenquellen sowie die überlegene Leistungsfähigkeit des kombinierten Ansatzes aufgezeigt werden.