.png){kind=icon}
返回
A spatially aware Bayesian deep learning framework for UAV-based soil salinity prediction
.png){kind=icon}
OA
AI
DOI：10.1016/j.atech.2025.101359.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 光谱指数在预测土壤盐渍化方面优于光谱波段，将贝叶斯神经网络（BNN）模型效率提高了高达20.35%。
• 红边（REG）波段及其衍生指数显著提升了模型性能，将BNN模型效率提高了高达19.44%。
• 通过莫兰特征向量滤波解决空间自相关问题，将模型效率提高了高达94.61%，突显了空间结构在预测环境变量中的重要性。
Keyword:
Soil salinity
Aerial remote sensing
Bayesian neural network
Spatial autocorrelation
Moran eigenvector filtering
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.7
论文数:
2.6K
被引数:
2.5K
机构
引用论文
Improved remote sensing detection of soil salinity from a semi-arid climate in Northeast Brazil
PREAI
分享收藏Causes and Management of Root-zone Salinity and Sodicity in the Arid West Texas: Field-scale Experience根区盐碱化的成因与管理：美国西部德克萨斯州的田间规模经验
PREAI
分享收藏
Soil quality changes due to flood irrigation in agricultural fields along the Rio Grande in western Texas.png)
APPLIED GEOCHEMISTRY
APPLIED GEOCHEMISTRYIF3.4
PREAI
分享收藏
查看更多内容