.png){kind=icon}
返回
Sensitivity-informed parameter selection for improved soil moisture estimation from remote sensing data
.png){kind=icon}
OA
AI
DOI：10.1016/j.conengprac.2025.106593.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确估计土壤湿度对于推进闭环灌溉至关重要。该任务的核心是土壤水力参数，这些参数很少被精确知晓，必须从湿度测量中推断得出。由于湿度测量具有稀疏性和噪声特性，为大规模农业田地推断这些参数带来了实际困难。为应对这一挑战，开发了一种结合敏感性分析和正交投影的框架，以识别从测量数据中最可靠可估计的参数。所选参数与土壤湿度状态通过扩展卡尔曼滤波将遥感土壤湿度观测同化到Richards方程中进行估计。在加拿大艾伯塔省莱思布里奇（Lethbridge）一处大规模场址进行的数值模拟和田间试验表明，土壤湿度估计精度提升了24%–43%，预测性能增强了50%。此外，估计的参数（特别是饱和水力传导度）与实验测量结果表现出良好的一致性。
Keyword:
Sensitivity analysis
Orthogonal projection
Soil moisture estimation
Hydraulic parameter estimation
Microwave remote sensing
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:
4.6
论文数:
5.7K
被引数:
1.1W
机构
引用论文
CasADi: a software framework for nonlinear optimization and optimal controlCasADi: 非线性优化和最优控制的软件框架
PREAI
分享收藏A Decentralized Framework for Parameter and State Estimation of Infiltration Processes.png)
MathematicsOAAI
MathematicsIF0
OAAI分享收藏Simultaneous Estimation of Soil Moisture and Hydraulic Parameters for Precision Agriculture. Part B: Application to a Real Field精准农业中土壤水分和液压参数的同时估计。第B部分：实际田地应用
PREAI
分享收藏
查看更多内容