堆栈集成学习联合多源数据反演草地土壤水分

摘要：

为了有效提高机器学习模型反演土壤水分的稳定性和准确性,提出了一种堆栈集成学习模型,组合多种机器学习模型的优势,提升模型的精度和泛化能力.首先,通过相关性分析,得出入射角为42.5°时,观测数据与土壤水分相关性最好;其次,使用水云模型和τ-ω模型构建模拟数据库,与观测数据共同组成反演数据集;最后,利用4种机器学习和堆栈集成学习模型反演稀疏草地的土壤水分.实验结果表明:采用主被动协同比单一主动或被动微波数据的反演结果具有更高的精度;最优堆栈集成学习方法反演结果的决定系数达到0.971 4,均方根误差和平均绝对误差分别达到0.013 6 cm3/cm3和0.010 2 cm3/cm3,均优于最优单一机器学习方法,验证了该方法的有效性.

关键词：微波遥感、水云模型、τ-ω模型、机器学习、堆栈集成学习、土壤水分反演

所属期刊栏目：39

分类号：TP18;S152.7(自动化基础理论)

资助基金：国家自然科学基金62371271

在线出版日期：2024-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：104-112