全文获取类型
收费全文 | 72篇 |
免费 | 5篇 |
国内免费 | 78篇 |
专业分类
农学 | 3篇 |
基础科学 | 23篇 |
56篇 | |
综合类 | 55篇 |
农作物 | 13篇 |
水产渔业 | 1篇 |
畜牧兽医 | 2篇 |
植物保护 | 2篇 |
出版年
2024年 | 1篇 |
2023年 | 6篇 |
2022年 | 6篇 |
2021年 | 4篇 |
2020年 | 16篇 |
2019年 | 17篇 |
2018年 | 12篇 |
2017年 | 13篇 |
2016年 | 18篇 |
2015年 | 9篇 |
2014年 | 10篇 |
2013年 | 5篇 |
2012年 | 5篇 |
2011年 | 7篇 |
2010年 | 6篇 |
2009年 | 2篇 |
2008年 | 3篇 |
2007年 | 4篇 |
2006年 | 2篇 |
2005年 | 1篇 |
2004年 | 1篇 |
2002年 | 5篇 |
2001年 | 1篇 |
1996年 | 1篇 |
排序方式: 共有155条查询结果,搜索用时 15 毫秒
61.
田间作物NDVI测量仪可靠性分析及标定环境研究 总被引:1,自引:1,他引:0
传统对田间作物NDVI测量仪定标大多采用单通道定标方法,该方法存在定标后在室外测量过程中数据偏差较大的问题。针对此类问题,该文以Crop Sense作物长势参量测量仪和SRS-NDVI归一化植被指数测量仪为待定标传感器,以ASD FieldSpec 4地物光谱仪为参考传感器,在室外复杂光照环境下对比多种定标物待定标传感器和参考传感器的测量结果并分析误差,得到田间作物NDVI测量仪的最适宜使用条件及可靠性分析结果。试验结果表明,田间作物NDVI测量仪的适宜测量条件为光照强度大于5.2 klx的情况,在该情况下光照强度和太阳高度角对田间作物NDVI测量仪的影响不显著,在其他条件下可靠性下降。在适宜测量条件下,晴天Crop Sense作物长势参量测量仪和SRS-NDVI归一化植被指数测量仪获取的NDVI与ASD FieldSpec 4地物光谱仪获取的NDVI间的RMSE分别为0.074 5~0.104 9和0.026 8~0.054 3,阴天RMSE分别为0.094 2~0.117 9和0.029 9~0.070 3。经室外定标模型校正后,晴天Crop Sense作物长势参量测量仪和SRS-NDVI归一化植被指数测量仪获取的NDVI与ASDField Spec4地物光谱仪获取的NDVI间的RMSE分别降低了37.1%~41.4%和10.7%~31.5%,阴天CropSense作物长势参量测量仪和SRS-NDVI归一化植被指数测量仪的RMSE减少33.8%~48.3%和48.7%~62.6%。此研究成果为被动式NDVI测量类传感器的标定及应用提供了科学的参考依据。 相似文献
62.
基于无人机数码影像的冬小麦氮含量反演 总被引:9,自引:7,他引:2
准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用。利用无人机(unmannedaerialvehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测。该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离。对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息。按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digitalnumber)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量。由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性。结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致。在反演模型构建精度方面,3种数据处理结果整体部分植被指数,反演效果叶氮植株氮茎氮。以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R2、RMSE和nRMSE分别为0.85、0.235和6.10%,比部分信息提取验证模型的R2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点。研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考。 相似文献
63.
无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量 总被引:12,自引:8,他引:4
利用无人机平台搭载多光谱传感器在农业监测上已经有一些应用,但是利用无人机多光谱影像估算作物叶绿素含量的研究较少,特别是融合无人机多光谱影像光谱信息和纹理信息估算马铃薯叶绿素含量的研究更是罕见。基于此,该文利用2018年北京小汤山基地马铃薯各个典型生育期的无人机多光谱影像及实测的叶绿素含量数据,首先提取多光谱影像植被指数和纹理特征等变量,然后分析其与叶绿素含量相关性,筛选出较优特征变量,并开展基于调整R2和K折交叉验证的全子集分析估算马铃薯叶绿素含量。最后将植被指数与纹理特征通过主成分融合构建一种新的综合指标估算叶绿素含量。研究发现:1)多光谱植被指数和纹理特征估算叶绿素含量模型,K折交叉验证均优于调整R2;2)整个生育期,综合指标模型决定系数比植被指数模型、纹理特征模型均有提升,且标准均方根误差均降低。综合指标估算模型较优,多光谱植被指数模型次之,纹理特征模型较差。该研究可为马铃薯生长营养监测提供一种可行的方法,对马铃薯的栽培种植管理具有指导意义。 相似文献
64.
光谱饱和现象是作物光谱监测中广泛存在的问题。基于连续3 a田间试验,对拔节期、挑旗期和开花期的植被指数(VI)和当季估计指数(INSEI)分别对植株氮浓度(PNC)进行监测,并利用独立生长季数据对模型验证。结果表明,植被指数在低PNC条件下发生饱和现象,且受作物生长阶段的影响;基于INSEI的光谱监测模型有效降低了作物生长阶段对于PNC监测的影响,其中,INSEINDVI的PNC监测模型精度最佳,建模集R~2和RMSE分别为0.75和0.36%,验证集R~2和RMSE分别为0.72和0.52%。基于生长度日的植株氮浓度监测在一定程度上克服了光谱饱和现象,为冬小麦长势监测提供了理论和技术支持。 相似文献
65.
66.
为了获得高精度的农作物生理生化参数的遥感反演结果和冠层结构信息提取,由多年地面观测的多角度数据结合半经验的二向性反射分布函数(bidirectional reflectance distribution function,BRDF)核驱动模型,利用红光(680 nm)和近红外波段(860 nm)的6个BRDF形状指示因子,分析了紧凑型小麦J411和披散型小麦Z9507的BRDF特征。研究表明:主平面上2种株型小麦的方向性反射率表现不同,拔节期披散型小麦的二向NDVI(normalized difference vegetation index)大于紧凑型小麦;红光波段紧凑型小麦J411的几何光学核系数大于披散型小麦Z9507,紧凑型小麦几何光学效应更强;近红外波段披散型小麦体散射核系数大于紧凑型小麦,披散型小麦体散射效应更强。由此表明多角度观测数据更适于分析小麦冠层结构信息。该研究为多角度遥感在精准农业领域的应用提供参考。 相似文献
67.
基于YOLO_X和迁移学习的无人机影像玉米雄穗检测 总被引:1,自引:1,他引:0
玉米雄穗表型信息的获取对研究玉米长势及产量起着非常重要的作用,为实现复杂田间环境玉米雄穗的精确识别和计数,该研究使用无人机采集试验田的玉米雄穗影像,基于Faster R-CNN、SSD、YOLO_X目标检测模型,使用迁移学习方法实现玉米雄穗的高精度识别,并分析了模型对不同品种和不同种植密度的玉米雄穗检测效果。试验结果表明,基于迁移学习的Faster R-CNN、SSD、YOLO_X的目标检测效果相比于未使用迁移学习的模型有明显提升,其中,迁移学习后YOLO_X的识别精确度为97.16%,平均精度为93.6%,准确度为99.84%,对数平均误检率为0.22,识别效果最好;不同玉米品种对模型的适应性有所差异,其中郑单958对模型适应性最好,Faster R-CNN、SSD、YOLO_X的决定系数R2分别为0.9474、0.9636、0.9712;不同种植密度下玉米雄穗的检测效果有所差异,在29 985,44 978,67 466,89 955株/hm2种植密度下,模型对郑单958检测的平均绝对误差分别为0.19、0.31、0.37、0.75,随着种植密度的增加,检测误差逐渐变大。本研究为农田玉米雄穗高精度识别提供了一种新方法,对玉米表型性状高通量调查具有一定的应用价值。 相似文献
68.
基于HJ-1A/1B CCD时间序列影像的水稻生育期监测 总被引:4,自引:2,他引:2
为了准确获得作物大面积生育期信息,指导农业生产管理和决策,基于2009、2010年湖南双季稻生育期间42景晴空HJ-1A/1B CCD影像,提出了一种基于小波分析的生育期估计方法:首先通过线性插值构建像元尺度上逐日的增强植被指数时间序列集,随后采用小波分析对其进行去噪重建,得到反映水稻生长过程的日时间序列曲线,最后通过曲线特征估计水稻的关键生育期。以抽穗期为例,利用湖南沅江市20个田块实地调查数据对估计结果进行了验证,并与基于非对称高斯函数及基于Savitzky-Golay滤波的方法进行了对比,结果表明基于小波分析的方法平均误差为3 d左右,整体上不高于后2种方法误差,能较精确地估计双季稻抽穗期,提供了一种新的有效监测水稻生育期信息的方法。 相似文献
69.
70.
基于冠层光谱植被指数的冬小麦作物系数估算 总被引:2,自引:1,他引:1
目前针对局地气候条件下某一作物类型的作物系数及其年际变化已开展了较多分析,但适于区域尺度运用的作物系数估算方法的研究还比较缺乏,这是将FAO 56作物系数法成功应用于区域作物实际蒸散量估算的关键环节。该文基于2008-2009和2009-2010年度2个冬小麦生长季的大田试验数据,研究了作物系数(Kc)、基本作物系数(Kcb)与8种常用冠层光谱植被指数(VIs)的相关关系以及水分和氮素胁迫对其的影响,分析了基于VIs估算作物Kc、Kcb的可行性,并对其估算精度进行了验证。结果表明,高氮水平下Kcb较大而土壤蒸发系数(Ke)较小,低氮水平下Kcb较小而Ke较大,不同施氮水平下Kc无明显规律性差异。冬小麦Kc与VIs相关性较弱(决定系数R2=0.094~0.150,p<0.01,n=195),而Kcb与VIs则具有很强的相关性(决定系数R2=0.511~0.685, p<0.01,n=195);施氮水平不影响 Kcb-VIs 关系,而不足以使冠层光谱出现明显表征的水分胁迫可使 Kcb-VIs相关关系减弱。利用VIs估算的冬小麦实际生长条件下的Kcb值与FAO 56确定的Kcb值均具有很好的线性回归关系(R2=0.765~0.864,n=150),其中增强型植被指数(EVI)的估算精度最好。但在不足以使冠层光谱出现明显表征的水分胁迫条件下,利用该法可能会产生较大误差,还需要结合其他途径获取的水分胁迫信息来准确确定。 相似文献