机器学习彻底改变了量化地球生物圈的方法嘻乐门

机器学习彻底改变了量化地球生物圈的方法

该大学的研究人员建立了一种新的方法，以从太空和通过机器学习来改善对陆地生物圈的观察和分析。

这种统计方法将代表着在监测作物和碳汇以及预测洪水和干旱方面的重大进步。该研究成果已发表在《科学进展》杂志上

新的机器学习方法使提高关键参数预测的精度成为可能，这些参数包括叶面积指数，总初级生产力和太阳诱导的叶绿素的荧光等。

应用领域非常广泛，将对改善对农作物和碳汇的监测，发现变化和异常，干旱和洪水具有很大的用途。这些机器学习技术的应用将允许更精确地测量陆地碳汇的动态，这对于缓解全球气候变化的行动具有影响。

地球正在迅速变化，而且变化的方式很多。卫星上的传感器不断地远程获取有关我们星球的宝贵信息。量化植被覆盖度并研究其生化结构和空间功能是了解全球变化，生物多样性和农业的关键。

自1970年代以来，遥感一直严重依赖植被指数的使用，而植被指数是卫星获取的光谱信号的参数公式。这些指数易于计算，旨在与土地覆盖的特定生物物理现象良好相关。

因此，这些指标已被使用并继续广泛用于量化陆地生物圈，其生产力和动态。然而，文献和多种应用揭示了重要的局限性，这些局限性最终在本研究中得到解决。

在《科学进展》发表的文章中，科学家的第一作者是瓦伦西亚古斯塔·坎普斯-瓦尔斯大学的物理学家，电子工程教授，图像和信号处理组的协调员，科学家们提出了一种机器学习的方法论方法其理论框架可以归纳出这方面文献中使用的所有植被指数。“

我们已经验证了以前的所有方法都适合我们的方法论。现在，从统计角度来看，我们正在提高精度并节省了限制该方法进展的局限性陆地生物圈研究的一部分”，坎普斯·瓦尔斯解释说。“

新方法改善了我们已完成的所有应用中的结果：在行星尺度上监控植被物候，量化碳吸收和光合作用活动。我们还表明，它对于检测变化和植被覆盖以及估算太空作物的产量非常有用，例如。” ISP研究人员和ERC Synergy Grant USMILE成员álvaroMoreno补充说。古斯托营地。

所提出的方法可以改善所有植被指数，尤其是最近四个十年中最常用的指数-NDVI，为设计新的更强大的指数提供了关键。此外，它以其极高的算法简单性而引人注目。“

我们提供所有编程语言的源代码，包括Google Earth Engine，该平台可让结果按行星级别缩放。这样，我们认为该框架将为许多科学家，专业人士和开发人员所采用，” ISP的合著者和成员JordiMu?oz说。“

新索引可以概括以前的所有索引，这一事实为理论上可以保证：瓦伦西亚大学物理系ESR小组成员曼努埃尔·坎波斯说，“它总是可以相同或更好地工作，并且它的计算和实际应用非常简单，”该杂志的哈维尔·加西亚补充道。同一组。

除了用于监测陆地生物圈外，拟议的统计方法还具有在海洋学和大气研究等方面的潜在应用。指标广泛应用于科学的所有分支，并且可以通过这种方法轻松地进行改进。

上海哪里peek颅骨修复

北京哪个医院治疗脑瘫

四川哪家医院可以治失眠

郑超强医生

颅骨修复材料peek材料哪些城市有