基于机器学习和特征筛选策略的星载微波散射计雪深反演方法
申请号:CN202411481070
申请日期:2024-10-23
公开号:CN119670525A
公开日期:2025-03-21
类型:发明专利
摘要
本发明公开了一种基于机器学习和特征筛选策略的星载微波散射计雪深反演方法,属于卫星遥感图像处理与应用的技术领域。利用主动微波散射计数据,并结合积雪密度、地表温度、高程、经度、纬度和土地覆盖类型等数据,通过分析和统计输入特征和雪深间的相关性,提出联合相关系数特征筛选和消融实验特征筛选的策略得到最优输入特征,并通过机器学习模型的评估,可以得到研究地区最优的雪深反演输入特征和机器学习模型组合,最终利用该组合得到该研究地区的高精度雪深反演结果。
技术关键词
微波散射计
斯皮尔曼相关系数
皮尔逊相关系数
地表温度数据
反演方法
卫星遥感图像处理
机器学习模型
支持向量回归模型
梯度提升模型
站点
代表
数字高程模型
随机森林模型
临近算法
训练集数据
策略
密度
数据中心