Zobrazeno 1 - 10
of 51
pro vyhledávání: '"soil moisture inversion"'
Publikováno v:
International Journal of Digital Earth, Vol 16, Iss 1, Pp 2111-2128 (2023)
The reliability of the model-based decomposition result, which is seldom investigated, is a key factor in determining whether decomposition parameters can be effectively applied to polarimetric synthetic aperture radar (PolSAR) applications. In this
Externí odkaz:
https://doaj.org/article/b9eab9c1f78d41aa8c45947cede52d04
Autor:
Junhao Liu, Zhe Hao, Jianli Ding, Yukun Zhang, Zhiguo Miao, Yu Zheng, Alimira Alimu, Huiling Cheng, Xiang Li
Publikováno v:
Land, Vol 13, Iss 10, p 1635 (2024)
Soil moisture (SM) is a critical parameter in Earth’s water cycle, significantly impacting hydrological, agricultural, and meteorological research fields. The challenge of estimating surface soil moisture from synthetic aperture radar (SAR) data is
Externí odkaz:
https://doaj.org/article/e1e6cceafb384eff811953af8feee951
Publikováno v:
Applied Sciences, Vol 14, Iss 15, p 6685 (2024)
E’bian Yi Autonomous County is a mineral-rich area located in a complex geological structure zone. The region experiences frequent geological disasters due to concentrated rainfall, steep terrain, and uneven vegetation cover. In particular, during
Externí odkaz:
https://doaj.org/article/0b76959dd4814d78bd5c843c2eb6cab9
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 8, Pp 197896-197907 (2020)
In this article, surface soil moisture was retrieved from Radarsat-2 and polarimetric target decomposition data by using semiempirical models and machine learning methods. The semiempirical models and machine learning techniques employed were Oh (199
Externí odkaz:
https://doaj.org/article/181be8f337474d92ae6155fa58b4b096
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Remote Sensing, Vol 13, Iss 22, p 4503 (2021)
The polarimetric synthetic aperture radar (PolSAR) can be used to obtain soil moisture by inverting scattering models at high resolution. The convolutional neural network (CNN) has been recently introduced to estimate soil roughness for PolSAR data,
Externí odkaz:
https://doaj.org/article/6bd9a50aefb84410a63bcbdee0b09dfc
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.