• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Remote Sensing of Environment: An Interdisciplinary Journal >Model-based mean square error estimators for k-nearest neighbour predictions and applications using remotely sensed data for forest inventories
【24h】

Model-based mean square error estimators for k-nearest neighbour predictions and applications using remotely sensed data for forest inventories

机译：基于模型的均方误差估计器，用于k近邻预测以及使用遥感数据进行森林资源清查的应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

New model-based estimators of the uncertainty of pixel-level and areal k-nearest neighbour (k(nn)) predictions of attribute Y from remotely-sensed ancillary data X are presented. Non-parametric functions predict Y from scalar 'Single Index Model' transformations of X Variance functions generated estimates of the variance of Y. Three case studies, with data from the Forest Inventory and Analysis program of the U.S. Forest Service, the Finnish National Forest Inventory, and Landsat EfM+ ancillary data, demonstrate applications of the proposed estimators. Nearly unbiased k(nn) predictions of three forest attributes were obtained. Estimates of mean square error indicate that k(nn) is an attractive technique for integrating remotely-sensed and ground data for the provision of forest attribute maps and areal predictions.
机译：提出了基于模型的不确定性的像素级估计值和基于遥感辅助数据X的属性Y的面k近邻（k（nn））预测的不确定性。非参数函数根据X的标量“单一索引模型”转换来预测Y。方差函数生成Y的方差估计。三个案例研究，使用美国森林服务局森林清单和分析计划（芬兰国家森林清单）的数据和Landsat EfM +辅助数据演示了拟议估算器的应用。获得了三个森林属性的几乎无偏的k（nn）预测。均方误差的估计值表明，k（nn）是一种用于集成遥感数据和地面数据以提供森林属性图和区域预测的有吸引力的技术。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号