Regional scale soil moisture content estimation based on multi-source remote sensing parameters

Ainiwaer, Mireguli; Ding, Jianli; Kasim, Nijat; Wang, Jingzhe; Wang, Jinjie

doi:10.1080/01431161.2019.1701723

Cited by 27 publications

(14 citation statements)

References 55 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Với sự phát triển không ngừng của công nghệ viễn thám, việc quan sát Trái đất từ các vệ tinh quang học ngày càng phổ biến, với ưu điểm là phạm vi quan sát rộng, đa dạng về độ phân giải thời gian và không gian [6]. Đặc biệt, bộ cảm biến hồng ngoại nhiệt trên các vệ tinh quang học như Landsat, MODIS, GOES với độ phân giải không gian cao, hoàn toàn đáp ứng được các nghiên cứu liên quan đến nhiệt độ bề mặt đất (LST) với độ chính xác cao và chi tiết mà không phụ thuộc vào số lượng trạm quan trắc [7,8].…”

Section: Giới Thiệuunclassified

Đánh giá tác động của lớp phủ đến nhiệt độ bề mặt đất và phân bố không gian nhiệt độ tại một số tuyến đường trên địa bàn thành phố Hà Nội bằng ảnh viễn thám

Đông¹,

Trọng²,

Hang³

et al. 2021

TCKHCNXD

View full text Add to dashboard Cite

Hiện nay, quá trình đô thị hóa với sự phát triển nhanh chóng về mật độ và không gian của đô thị gây ra ảnh hưởng trực tiếp đến nhiệt độ bề mặt đất (LST) tại các thành phố lớn của Việt Nam nói riêng và các nước đang phát triển nói chung. Nghiên cứu đã sử dụng ảnh vệ tinh Landsat8-OLI để xây dựng bản đồ phân bố không gian của LST trên địa bàn thành phố Hà Nội và chiết xuất giá trị LST dọc theo một số tuyến đường tại thời điểm ngày 14/09/2020. Mô hình tương quan giữa LST và các chỉ số khác biệt thực vật (NDVI), chỉ số khác biệt xây dựng (NDBI) được xây dựng kết hợp với các ngưỡng giá trị của NDVI để đánh giá tác động của các bề mặt lớp phủ khác nhau đến LST. Kết quả nghiên cứu chỉ ra rằng các khu vực trung tâm có mật độ xây dựng cao và tại các tuyến đường, nhiệt độ bề mặt cao hơn so với nhiệt độ trung bình toàn bộ khu vực nghiên cứu từ 1-3 °C. Giá trị hệ số tương quan của các mô hình đạt R = -0,204 và R = 0,697 lần lượt cho LST-NDVI và LST-NDBI. Nghiên cứu đã chứng minh rằng, việc tăng chỉ số NDBI ở các lớp phủ khác nhau đều dẫn đến việc tăng nhiệt độ bề mặt, trong khi tại các ngưỡng giá trị khác nhau của chỉ số NDVI tạo ra xu hướng thay đổi khác nhau của nhiệt độ bề mặt.

show abstract

Section: Giới Thiệuunclassified

Đánh giá tác động của lớp phủ đến nhiệt độ bề mặt đất và phân bố không gian nhiệt độ tại một số tuyến đường trên địa bàn thành phố Hà Nội bằng ảnh viễn thám

Đông¹,

Trọng²,

Hang³

et al. 2021

TCKHCNXD

View full text Add to dashboard Cite

show abstract

“…The accuracy achieved using the linear model was 95.3%. Based on a combination of near-infrared spectroscopy technology and chemometric analysis methods, Ciccoritti [ 9 ] used partial least square regression (PLSR) [ 10 , 11 ] to predict the soluble solid content, dry matter, and titratable acidity of kiwifruit. The model determination coefficient

values were 0.993, 0.983, and 0.933, respectively, and the model’s root mean square errors (

were 0.40, 0.33, and 6.65, respectively, meaning that the prediction performance of the proposed model was good.…”

Section: Introductionmentioning

confidence: 99%

Research on the Prediction of Green Plum Acidity Based on Improved XGBoost

Liu

Wang

Fei

et al. 2021

Sensors

View full text Add to dashboard Cite

The acidity of green plum has an important influence on the fruit’s deep processing. Traditional physical and chemical analysis methods for green plum acidity detection are destructive, time-consuming, and unable to achieve online detection. In response, a rapid and non-destructive detection method based on hyperspectral imaging technology was studied in this paper. Research on prediction performance comparisons between supervised learning methods and unsupervised learning methods is currently popular. To further improve the accuracy of component prediction, a new hyperspectral imaging system was developed, and the kernel principle component analysis—linear discriminant analysis—extreme gradient boosting algorithm (KPCA-LDA-XGB) model was proposed to predict the acidity of green plum. The KPCA-LDA-XGB model is a supervised learning model combined with the extreme gradient boosting algorithm (XGBoost), kernel principal component analysis (KPCA), and linear discriminant analysis (LDA). The experimental results proved that the KPCA-LDA-XGB model offers good acidity predictions for green plum, with a correlation coefficient (R) of 0.829 and a root mean squared error (RMSE) of 0.107 for the prediction set. Compared with the basic XGBoost model, the KPCA-LDA-XGB model showed a 79.4% increase in R and a 31.2% decrease in RMSE. The use of linear, radial basis function (RBF), and polynomial (Poly) kernel functions were also compared and analyzed in this paper to further optimize the KPCA-LDA-XGB model.

show abstract

“…Soil moisture impacts rainfall-runoff processes, infiltration, groundwater recharge rates, and constrains evapotranspiration as well as photosynthesis. To some extent, it governs water and energy exchange between the land, plants and the atmosphere [1][2][3][4], but embraces multiscale feedbacks as well [5]. The importance of soil moisture was stressed particularly in respect of the partitioning between the sensible and latent heat fluxes, and consequently for the temperature of the surface and the lower atmosphere [6,7].…”

Section: Introductionmentioning

confidence: 99%

In Search of a Soil Moisture Content Simulation Model: Mechanistic and Data Mining Approach Based on TDR Method Results

Brandyk

Szeląg

Kiczko

et al. 2021

Sensors

View full text Add to dashboard Cite

Soil moisture content simulation models have continuously been an important research objective. In particular, the comparisons of the performance of different model types deserve proper attention. Therefore, the quality of selected physically-based and statistical models was analyzed utilizing the data from the Time Domain Reflectometry technique. An E-Test measurement system was applied with the reflectogram interpreted into soil volumetric moisture content by proper calibration equations. The gathered data facilitated to calibrate the physical model of Deardorff and establish parameters of: support vector machines, multivariate adaptive regression spline, and boosted trees model. The general likelihood uncertainty estimation revealed the sensitivity of individual model parameters. As it was assumed, a simple structure of statistical models was achieved but no direct physical interpretation of their parameters, contrary to a physically-based method. The TDR technique proved useful for the calibration of different soil moisture models and a satisfactory quality for their future exploitation.

show abstract

Regional scale soil moisture content estimation based on multi-source remote sensing parameters

Cited by 27 publications

References 55 publications

Đánh giá tác động của lớp phủ đến nhiệt độ bề mặt đất và phân bố không gian nhiệt độ tại một số tuyến đường trên địa bàn thành phố Hà Nội bằng ảnh viễn thám

Đánh giá tác động của lớp phủ đến nhiệt độ bề mặt đất và phân bố không gian nhiệt độ tại một số tuyến đường trên địa bàn thành phố Hà Nội bằng ảnh viễn thám

Research on the Prediction of Green Plum Acidity Based on Improved XGBoost

In Search of a Soil Moisture Content Simulation Model: Mechanistic and Data Mining Approach Based on TDR Method Results

Contact Info

Product

Resources

About