Libros importados hasta 50% OFF + Envío Gratis a todo USA   Ver más

menu

0

My Account

  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional
portada Kartierung des organischen Kohlenstoffs im Boden mittels hyperspektraler Fernerkundung und ANN (in German)
Type
Physical Book
Author
Publisher
Language
Alemán
Pages
60
Format
Paperback
Dimensions
22.9 x 15.2 x 0.4 cm
Weight
0.10 kg.
ISBN13
9786207389025
Categories

Kartierung des organischen Kohlenstoffs im Boden mittels hyperspektraler Fernerkundung und ANN (in German)

Suresh Kumar (Author) · Sudheer Kumar Tiwari (Author) · S. K. Saha (Author) · Verlag Unser Wissen · Paperback

Kartierung des organischen Kohlenstoffs im Boden mittels hyperspektraler Fernerkundung und ANN (in German) - Tiwari, Sudheer Kumar ; Saha, S. K. ; Kumar, Suresh

Physical Book

$ 41.26

$ 51.57

You save: $ 10.31

20% discount
Envío gratis a todo Estados Unidos
  • Condition: New

Choose the list to add your product or create one New List

Go to My Wishlists
It will be shipped from our warehouse between Monday, July 15 and Tuesday, July 16.
You will receive it anywhere in United States between 1 and 3 business days after shipment.

Synopsis "Kartierung des organischen Kohlenstoffs im Boden mittels hyperspektraler Fernerkundung und ANN (in German)"

Der organische Kohlenstoff im Boden (SOC) ist ein wichtiger und zuverlässiger Indikator für die Bodenqualität. In dieser Studie wurden Bodenspektren charakterisiert und analysiert, um den räumlichen SOC-Gehalt mit Hilfe einer multivariaten prädiktiven Modellierungstechnik - einem künstlichen neuronalen Netz (ANN) - vorherzusagen. Es wurden hyper-spektrale EO1-Hyperion-Bilder (400 - 2500 nm), Feld- und Labordatensätze (350 - 2500 nm) erstellt, die aus dem im Labor geschätzten SOC-Gehalt der gesammelten Bodenproben (abhängige Variable) und den entsprechenden Reflexionsdaten der SOC-empfindlichen Spektralbänder (prädiktive Variablen) bestehen. Für jeden Datensatz wurden ANN-Vorhersagemodelle entwickelt, und drei Datensätze (im Bildma stab, im Feldma stab und im Laborma stab) zeigten signifikante Netzwerkleistungen für Training, Test und Validierung, was auf eine gute Netzwerkgeneralisierung für den SOC-Gehalt hinweist. Die ANN-basierte Analyse zeigte eine hohe Vorhersage des SOC-Gehalts im Bild (R2 = 0,93 und RPD = 3,19), im Feld (R2 = 0,92 und RPD = 3,17) und im Labor (R2 = 0,95 und RPD = 3,16). Die Validierungsergebnisse der ANN zeigten, dass die Vorhersagemodelle gut funktionierten (R2 = 0,90) mit einem RMSE von 0,070. Das Ergebnis zeigte, dass ANN-Methoden ein gro es Potenzial für die Schätzung des SOC-Gehalts haben.

Customers reviews

More customer reviews
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Frequently Asked Questions about the Book

Is the book original?

All books in our catalog are Original.

In what language is the book written?

The book is written in German.

What is the format of this book?

The binding of this edition is Paperback.

Questions and Answers about the Book

Do you have a question about the book? Login to be able to add your own question.

Opinions about Bookdelivery

More customer reviews