文件名称：forecastVeg:一种用Python预测遥感植被健康的机器学习方法
文件大小：3.45MB
文件格式：ZIP
更新时间：2024-05-29 09:20:49
python machine-learning r h2o prediction
高空间分辨率下的植被健康预测 干旱威胁着世界各地的粮食和水安全，在气候变化下，这种威胁可能会变得更加严重。 高分辨率的预测信息可以帮助农民，水管理人员和其他人员管理干旱的影响。 我们创建了一个工具，可以使用覆盖全球的开源软件和，以高空间分辨率生成植被健康的短期预测。 该工具可自动下载和处理中等分辨率成像光谱仪（MODIS）数据集，并在数亿个观测值上训练梯度增强的机器模型，以预测增强型植被指数的未来价值。 我们在斯里兰卡和加利福尼亚州两个具有不同农业生态系统，气候和云层的地区比较了不同变量集（原始MODIS数据和Level-3 MODIS产品）的预测能力。 与简单的基准模型相比，我们的工具对保留的数据集提供了更大的预测能力。 该网站托管了 ， 和为本项目提供的补充材料，列出了外部软件要求以及要在终端中运行以完成我们的过程的确切命令。 数据下载和处理需要一台具有大量RAM（> 100 GB
【文件预览】：
forecastVeg-master
----4_holdout_models.py(7KB)
----LICENSE.md(1KB)
----logger.pyc(2KB)
----1_pre_process.py(7KB)
----4_baseline.py(8KB)
----LICENSE(59B)
----2_h2o_processS.py(3KB)
----util_funcs()
--------plot_predicts.R(1KB)
----README.md(21KB)
----3_h2o_deeplearning_imputation.py(6KB)
----paper_plots_modelSelection.R(2KB)
----agpredict.py(39KB)
----3_h2o_gbm.py(5KB)
----2_h2o_process.py(3KB)
----README.Rmd(19KB)
----1_pre_processS.py(7KB)
----figures()
--------scatter_ca.jpg(1.3MB)
--------WSC_poster2.png(2.33MB)
--------methods_diagram.jpg(44KB)
----2_h2o_process_2.py(7KB)
----2_baseline_process.py(2KB)
----paper_plots.R(15KB)
----3_h2o_deeplearning.py(5KB)
----LICENSE.Rmd(2KB)
----logger.py(914B)
----0_matrix_construction.py(2KB)
----agpredict.pyc(34KB)