1.输入特征计算Cook距离后，在进行数据过滤，得到干净数据2.输入特征经过RF打分，选出前10个特征3.得到的干净数据与前10特征一起参与MLP模型训练。这张论文流程图详细展示了一个从多源数据输入到最终模型输出及结果应用的完整流程，主要涉及数据预处理、质量控制和模型开发三个关键步骤。在数据预处理阶段（Step1 Quality Control），输入数据包括光谱特征、雷达特征、植被特征、纹理特征、生物物理特征、地形特征和气候特征等多源数据。这些数据首先进行归一化处理，然后重采样至30米分辨率，并经过重投影操作。接着，通过模型评估，使用GLM（Tweedie）拟合数据，计算Cook距离并进行数据过滤，最终输出清理后的数据，用于生成如城市地图之类的可视化结果。在质量控制阶段（Step2 Quality Control），多源数据再次被利用，通过某种特征提取或融合方法（图中以树状结构和RF表示，可能涉及随机森林等算法），从多种特征中筛选出最重要的Top - 10特征，以确保数据质量和关键信息的保留。在模型开发阶段（Step3 Developing the CGNI Model），利用筛选后的特征进行模型构建。模型结构包含多个多层感知机（MLP）层，输入数据经过一系列MLP层的变换，中间还涉及一些运算操作（如乘法、加法等），最终通过Softmax函数输出结果，生成如热力图之类的可视化输出。