Monitoring farmland soil moisture status in semi-arid regions using multi-source remote sensing fusion data and machine learning algorithms
Cette étude démontre que l'intégration d'indices de végétation optiques et de caractéristiques de rétrodiffusion radar au sein d'un cadre d'apprentissage automatique XGBoost permet de surveiller efficacement la dynamique spatio-temporelle de l'humidité du sol à diverses profondeurs et stades de croissance dans les champs de maïs printanier en zone semi-aride, révélant les rôles complémentaires de ces sources de données et la performance supérieure de l'approche combinée.