排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
土壤温度是地球科学研究中的重要物理量。在陆-气相互作用研究中,土壤温度不仅影响土壤内部的物理、生物、化学过程,而且对陆-气之间能量和物质交换起重要作用。随着可获取的相关数据越来越丰富,机器学习方法已经被越来越多的研究人员引入到土壤温度预估中,在很多任务中已经超过了统计模型、物理模型的性能。本文对比了统计模型、物理模型和机器学习方法这三种土壤温度常用计算方法的异同,简要介绍了应用于土壤温度研究的各类机器学习模型的原理和特点,综合国内外文献归纳了传统机器学习和深度学习在土壤温度空间分布、时间变化和时空变化三方面的研究进展。在土壤温度空间分布研究中,传统机器学习方法能够通过影响因子的空间异质性学习空间特征,并利用站点观测数据计算土壤深处的温度,但随土壤深度增加模型效果减弱,而深度学习模型有能够提取空间特征的结构,但对数据量要求高,当前研究中仅用于地表温度的遥感反演;在土壤温度时间序列研究中,加入了周期性信息的传统机器学习方法具有更好的模型效果,深度学习中的序列学习模型能自动捕捉土壤温度变化规律,结合了非平稳序列分析方法的混合模型能充分考虑土壤温度变化的连续性和周期性;由于陆面过程复杂性,土壤... 相似文献
2.
基于类Twitter服务的低成本近实时野外监测数据获取系统 总被引：1，自引：1，他引：0
野外实时数据对于研究和预报工作越来越重要,传统的有线、无线或者混合数据传输方案往往建设难度大、成本高,且需处理数据冗余、信息纠错和信息干扰等实际问题.实验基于当前流行的类Twitter网络服务和GSM短信息服务,提出了一套基于无线短信的满足近实时数据获取要求的水文野外数据获取系统,并对其进行初步试验.方案具有低成本、高效率、构建灵活快速等特点,可以被广泛应用于近实时、保密性要求低的科研生产领域数据采集业务. 相似文献
1