摘要
AI4EO HYPERVIEW挑战赛旨在通过机器学习方法，利用机载高光谱影像预测与农业相关的土壤参数（K、Mg、P₂O₅、pH）。本文提出一种融合随机森林（Random Forest）与K近邻回归（K-nearest neighbor regressor）的混合模型，该模型充分利用平均光谱反射率以及衍生特征（如梯度、小波系数和傅里叶变换）进行预测。所提出的解决方案计算开销低，相较于挑战赛基准方法性能提升21.9%，并在公开排行榜上位列第一。此外，本文还探讨了神经网络架构的潜力，并提出了未来可能的改进方向。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| seeing-beyond-the-visible-on-hyperview | RF + KNN | normalized MSE: 0.78113 |