Name: Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (en Italiano)
Price: 161.85 PEN
Availability: InStock
Author: Tiwari, Sudheer Kumar ; Saha, S. K. ; Kumar, Suresh
ISBN: 9786207389063

portada Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (en Italiano)

Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (en Italiano)

Formato

Libro Físico

Autor

Editorial

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

Peso

0.10 kg.

ISBN13

9786207389063

Categorías

Tecnología: cuestiones generales

Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (en Italiano)

Suresh Kumar (Autor) · Sudheer Kumar Tiwari (Autor) · S. K. Saha (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 20 a 25 días háb.

S/ 359,67S/ 161,85

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

S/ 161,85

Llega entre el 20 Jul y el 31 Jul a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Mappatura del carbonio organico del suolo mediante telerilevamento iperspettrale e RNA (en Italiano)"

Il carbonio organico del suolo (SOC) è un indicatore importante e affidabile della qualità del suolo. In questo studio, gli spettri del suolo sono stati caratterizzati e analizzati per prevedere il contenuto spaziale di SOC, utilizzando una tecnica di modellazione predittiva multivariata - rete neurale artificiale (ANN). Sono state generate immagini iperspettrali EO1-Hyperion (400-2500 nm), set di dati su scala di campo e di laboratorio (350-2500 nm), costituiti dal contenuto di SOC stimato in laboratorio dei campioni di suolo raccolti (variabile dipendente) e dai corrispondenti dati di riflessione delle bande spettrali sensibili al SOC (variabili predittive). Per ogni serie di dati, sono stati sviluppati modelli predittivi ANN e tre serie di dati (a scala di immagine, a scala di campo e a scala di laboratorio) hanno rivelato prestazioni significative della rete per l'addestramento, il test e la validazione, indicando una buona generalizzazione della rete per il contenuto di SOC. L'analisi basata sulla RNA ha mostrato un'elevata previsione del contenuto di SOC a livello di immagine (R2 = 0,93 e RPD = 3,19), campo (R2 = 0,92 e RPD = 3,17) e laboratorio (R2 = 0,95 e RPD = 3,16). I risultati della convalida di ANN hanno indicato che i modelli predittivi hanno funzionato bene (R2 = 0,90) con RMSE 0,070. I risultati hanno dimostrato che i metodi ANN hanno un grande potenziale per la stima del contenuto di SOC.