Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (in Italian) - 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
Choose the list to add your product or create one New List
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.
Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (in Italian)
Tiwari, Sudheer Kumar ; Saha, S. K. ; Kumar, Suresh
Synopsis "Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (in Italian)"
Il carbonio organico del suolo (SOC) è un indicatore importante e affidabile della qualità del suolo. In questo studio, gli spettri del suolo sono stati caratterizzati e analizzati per prevedere il contenuto spaziale di SOC, utilizzando una tecnica di modellazione predittiva multivariata - rete neurale artificiale (ANN). Sono state generate immagini iperspettrali EO1-Hyperion (400-2500 nm), set di dati su scala di campo e di laboratorio (350-2500 nm), costituiti dal contenuto di SOC stimato in laboratorio dei campioni di suolo raccolti (variabile dipendente) e dai corrispondenti dati di riflessione delle bande spettrali sensibili al SOC (variabili predittive). Per ogni serie di dati, sono stati sviluppati modelli predittivi ANN e tre serie di dati (a scala di immagine, a scala di campo e a scala di laboratorio) hanno rivelato prestazioni significative della rete per l'addestramento, il test e la validazione, indicando una buona generalizzazione della rete per il contenuto di SOC. L'analisi basata sulla RNA ha mostrato un'elevata previsione del contenuto di SOC a livello di immagine (R2 = 0,93 e RPD = 3,19), campo (R2 = 0,92 e RPD = 3,17) e laboratorio (R2 = 0,95 e RPD = 3,16). I risultati della convalida di ANN hanno indicato che i modelli predittivi hanno funzionato bene (R2 = 0,90) con RMSE 0,070. I risultati hanno dimostrato che i metodi ANN hanno un grande potenziale per la stima del contenuto di SOC.
