机译:使用机器学习方法使用MODIS产品降低AMSR-E土壤水分的比例
Ulsan Natl Inst Sci & Technol, Sch Urban & Environm Engn, Ulsan, South Korea;
Ulsan Natl Inst Sci & Technol, Sch Urban & Environm Engn, Ulsan, South Korea;
APEC Climate Ctr, Climate Res Dept, Busan, South Korea;
Sungkyunkwan Univ, Sch Civil Architectural & Environm Syst Engn, Suwon, South Korea;
Sungkyunkwan Univ, Grad Sch Water Resources, Dept Water Resources, Water Resources & Remote Sensing Lab, 2066 Seobu Ro, Suwon 440746, Gyeonggi Do, South Korea;
Downscaling; Soil moisture; AMSR-E; MODIS; Random forest; Boosted regression trees; Cubist;
机译:通过使用MODIS LST和NDVI数据降低AMSR-E亮度温度的比例来获取高分辨率的表层土壤水分
机译:基于MODIS地表温度的SMOS卫星土壤水分降尺度的机器学习技术。
机译:基于MSG-SEVIRI数据的AMSR-E衍生土壤水分产品空间分辨率的降尺度方法
机译:使用多传感器产品通过机器学习方法降低AMSR2土壤湿度
机译:降低土壤水分的局部学习
机译:使用几何形态学和机器学习缩减卫星土壤湿度
机译:中国东北地区月度卫星土壤水分降尺度不同学习方法比较