利用 VNIR 高光谱数据构建估算土壤水分的机器学习框架
计算机视觉与模式识别
2018-10-02 v4 机器学习
机器学习
摘要
本文研究了基于 VNIR 高光谱数据结合 LWIR 数据估算土壤含水量的潜力。来自多传感器野外观测活动的测量数据构成了基准数据集，其中包含草地站点上测得的超光谱、LWIR 和土壤水分数据。我们引入了一个包含特征选择、预处理和精心选择回归模型三步的回归框架。后者主要为有监督机器学习模型。例外是自组织映射，其结合了无监督与有监督学习。我们分析了不同预处理方法对回归结果的影响。在所有回归模型中，未经预处理的极端随机树模型提供了最佳的估算性能。我们的结果揭示了相应回归框架结合 VNIR 高光谱数据估算真实条件下测得土壤水分的潜力。总之，本文结果为不同研究方向上的进一步改进提供了基础。
引用
@article{arxiv.1804.09046,
title = {Developing a machine learning framework for estimating soil moisture with VNIR hyperspectral data},
author = {Sina Keller and Felix M. Riese and Johanna Stötzer and Philipp M. Maier and Stefan Hinz},
journal= {arXiv preprint arXiv:1804.09046},
year = {2018}
}
备注
Accepted at ISPRS TC I Midterm Symposium Karlsruhe (October 2018)