机器学习驱动的悬浮泥沙遥感反演模型及敏感性分析

模型与方法 | 浏览量:259下载量:159CSCD:0

机器学习驱动的悬浮泥沙遥感反演模型及敏感性分析
Machine learning-driven remote sensing inversion model for suspended sediment concentration and sensitivity analysis
“遥感反演技术为悬浮泥沙浓度（SSC）监测提供了高效手段，但对于高浓度宽范围河流SSC的适用性亟需验证，介绍了其在河流泥沙监测领域的研究进展，研究团队建立了RFECV-RF机器学习模型，探索了高浓度悬沙遥感反演课题，为高含沙河流SSC自动监测方法提供解决方案。”
- 角色：First author第一作者
- 机构：
  武汉大学水资源工程与调度全国重点实验室, 武汉 430072
- 邮箱：2012301580256@whu.edu.cn
- 简介：陈娜，研究方向为智能监测、水沙数学模拟。E-mail： 2012301580256@whu.edu.cn
陈娜
1 * ，
- 角色：Corresponding author通信作者
- 机构：
  武汉大学水资源工程与调度全国重点实验室, 武汉 430072
- 邮箱：chua@whu.edu.cn
- 简介：陈华，研究方向为流域水文监测、模拟和智慧水利。E-mail： chua@whu.edu.cn
陈华
1 * ，
- 机构：
  水利部黄河水利委员会水文局, 郑州 450004
李兰涛
2 * ，
- 机构：
  武汉大学水资源工程与调度全国重点实验室, 武汉 430072
刘任莉
1 * ，
- 机构：
  中国电建集团成都勘测设计研究院有限公司, 成都 610000
钟毫忠
3 *
2026年30卷第6期页码：1807-1824
DOI：10.11834/jrs.20265442
稿件说明：