大气与海洋 | 浏览量 : 0 下载量: 802 CSCD: 2

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 利用空间随机森林方法提升GPM卫星遥感降水质量

    • Improving the quality of remotely sensed precipitation product from GPM satellites by using a spatial random forest

    • “在卫星遥感降水领域，专家构建了双阶段空间随机森林SRF-SRF方法，有效提升了降水观测精度，为大范围连续性降水观测提供解决方案。”
    • 2024年28卷第2期 页码：414-425   

      收稿日期：2021-04-28，

      纸质出版日期：2024-02-07

    • DOI： 10.11834/jrs.20221222     

    移动端阅览

  • 胡保健，李伟，陈传法，胡占占.2024.利用空间随机森林方法提升GPM卫星遥感降水质量.遥感学报，28（2）： 414-425 DOI： 10.11834/jrs.20221222.
    Hu B J，Li W，Chen C F and Hu Z Z. 2024. Improving the quality of remotely sensed precipitation product from GPM satellites by using a spatial random forest. National Remote Sensing Bulletin， 28（2）：414-425 DOI： 10.11834/jrs.20221222.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

胡保健 山东科技大学 测绘与空间信息学院
李伟 湖州中核勘测规划设计有限公司
陈传法 山东科技大学 测绘与空间信息学院
胡占占 山东科技大学 测绘与空间信息学院
王梦雨 西北农林科技大学 资源环境学院, 杨凌;华中师范大学 城市与环境科学学院
赵峰 华中师范大学 城市与环境科学学院
庞勇 中国林业科学研究院资源信息研究所;国家林业和草原局林业遥感与信息技术重点实验室
孟冉 华中农业大学 资源与环境学院

相关机构

西北农林科技大学 资源环境学院, 杨凌
华中师范大学 城市与环境科学学院
中国林业科学研究院资源信息研究所
国家林业和草原局林业遥感与信息技术重点实验室
华中农业大学 资源与环境学院
0