研究人员开发了一个新的机器学习框架，用于预测卫星地面站选址的代表性杂波高度（RCH）。该框架利用 LiDAR 衍生的数据和开放的地理空间产品，在绝对误差方面比传统的 ITU 基线提高了 60% 以上。该模型采用 LightGBM，实现了 0.765 的 R^2，并使用 SHAP 分析来识别树冠覆盖、土地覆盖语义和光谱反射率作为关键预测因子，确保了可解释性和可部署性。 AI
影响 提高了地理空间人工智能在基础设施规划和频谱协调方面的应用准确性。
排序理由 详细介绍了一种新颖的机器学习框架及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
