研究人员开发了一种混合机器学习模型，通过整合 TanDEM-X 和 Landsat 卫星的数据来改进森林高度的估算。该增强模型结合了光学 Landsat 数据，提供了关于森林结构的补充信息，解决了早期仅依赖 TanDEM-X 干涉相干性的模型中存在的歧义。在加蓬的洛佩国家公园进行的验证表明，与原始方法相比，均方根误差 (RMSE) 降低了 13.5%，平均绝对误差 (MAE) 降低了 16.6%，误差显著减少。 AI
影响 增强了环境监测和资源管理的遥感能力。
排序理由 该集群包含一篇详细介绍遥感数据分析新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.20997v1 Announce Type: cross Abstract: Integrating machine learning (ML) with physical models (PM) has emerged as a promising way of retrieving geophysical parameters from remote sensing data. In this context, a ML model for estimating forest height from TanDEM-X inter…
Integrating machine learning (ML) with physical models (PM) has emerged as a promising way of retrieving geophysical parameters from remote sensing data. In this context, a ML model for estimating forest height from TanDEM-X interferometric coherence measurements has recently bee…