机器学习彻底改变了量化地球生物圈的方法

发布时间: 2021-03-02 10:58:34   行业资讯   作者:猎维科技

导读: 研究人员建立了一种新的方法,以从太空和通过机器学习来改善对陆地生物圈的观察和分析。这种统计方法将代表着在监测作物和预测洪水和干旱方面的重大进步。

研究人员建立了一种新的方法,以从太空和通过机器学习来改善对陆地生物圈的观察和分析。这种统计方法将代表着在监测作物和预测洪水和干旱方面的重大进步。

研究人员建立了一种新的方法,以从太空和通过机器学习来改善对陆地生物圈的观察和分析。

新的机器学习方法使提高关键参数预测的精度成为可能,这些参数包括叶面积指数,总初级生产力和太阳诱导的叶绿素的荧光等。应用领域非常广泛,将对改善对农作物的监测,发现变化和异常,干旱和洪水具有很大的用途。这些机器学习技术的应用将允许更精确地测量陆地碳的动态,这对于缓解全球气候变化的行动具有影响。

地球正在迅速变化,而且变化的方式很多。卫星上的传感器(包括飞机和无人机)不断地远程获取有关我们星球的宝贵信息。量化植被覆盖度并研究其生化结构和空间功能是了解全球变化,生物多样性和农业的关键。

自1970年代以来,遥感一直严重依赖植被指数的使用,而植被指数是卫星获取的光谱信号的参数公式。这些指数易于计算,旨在与土地覆盖的特定生物物理现象(例如绿色,水含量或光合作用等)良好相关。因此,这些指标已被使用并继续广泛用于量化陆地生物圈,其生产力和动态。然而,文献和多种应用揭示了重要的局限性,这些局限性最终在本研究中得到解决。

科学家们提出了一种机器学习的方法论方法其理论框架可以归纳出这方面文献中使用的所有植被指数。除了用于监测陆地生物圈之外,拟议的统计方法还具有在海洋学和大气研究等方面的潜在应用。指标广泛应用于科学的所有分支,并且可以通过这种方法轻松地进行改进。