国产精品第12页,国产精品自在拍首页视频,青青河边草高清免费版新闻,免费精品国产自产拍在线观看图片

近日，蘭州大學資源環境學院吳小丹課題組的20級碩士研究生汪靜平同學的論文“Upscaling in situ site-based albedo using machine learning models: main controlling factors on results”已被遙感領域知名期刊IEEE Transactions on Geoscience and Remote Sensing接收發表。該論文是吳小丹團隊在遙感尺度轉換方面的又一重要研究成果。在機器學習方法應用于遙感數據尺度轉換的背景下，深入研究了基于機器學習的升尺度問題，詳細分析了基于機器學習的升尺度過程中的不確定性因素，指出了升尺度結果的準確性依賴于機器學習模型的選擇，關鍵變量的包含與否，變量數據集的來源和精度，訓練樣本的數量和代表性，以及模型對這些因素的敏感性。同時，研究表明了基于機器學習的升尺度方法具有一定的跨尺度跨區域的適用性，改善了目前真實性檢驗以地面試驗場觀測為主的現狀，具有生成具有足夠時間長度、一致性和空間連續的參考數據集的潛力，有利用滿足廣泛驗證的要求。該研究得到了中國高分辨率對地觀測系統重大專項、國家自然科學基金委面上項目、以及中央高校基本科研業務費項目的資助。https://ieeexplore.ieee.org/document/9497519

此外，吳小丹課題組19級碩士研究生馬杜娟同學的論文“Spatial, Phenological, and Inter-Annual Variations of Gross Primary Productivity in the Arctic from 2001 to 2019”在遙感領域知名期刊Remote Sensing發表。該文章分析了北極區域GPP的時空變化特征以及其隨緯度，高程，植被類型的變化情況，在全球氣候持續變化的背景下，該文章為認識北極區域乃至全球碳循環情況提供了一定的參考。該研究由國家重點研發計劃項目，國家自然科學基金項目以及中央高?；究蒲袠I務費專項資金聯合資助。https://www.mdpi.com/2072-4292/13/15/2875