全文获取类型
收费全文 | 75篇 |
免费 | 21篇 |
国内免费 | 73篇 |
专业分类
林业 | 2篇 |
农学 | 8篇 |
基础科学 | 7篇 |
72篇 | |
综合类 | 50篇 |
农作物 | 10篇 |
水产渔业 | 1篇 |
畜牧兽医 | 4篇 |
园艺 | 2篇 |
植物保护 | 13篇 |
出版年
2023年 | 3篇 |
2022年 | 1篇 |
2021年 | 1篇 |
2020年 | 3篇 |
2019年 | 3篇 |
2018年 | 5篇 |
2017年 | 3篇 |
2016年 | 4篇 |
2015年 | 3篇 |
2014年 | 3篇 |
2013年 | 4篇 |
2012年 | 8篇 |
2011年 | 16篇 |
2010年 | 19篇 |
2009年 | 10篇 |
2008年 | 8篇 |
2007年 | 17篇 |
2006年 | 8篇 |
2005年 | 11篇 |
2004年 | 11篇 |
2003年 | 3篇 |
2002年 | 10篇 |
2001年 | 6篇 |
2000年 | 7篇 |
1999年 | 2篇 |
排序方式: 共有169条查询结果,搜索用时 15 毫秒
1.
【目的】利用多源数据对白粉病易发区进行病害发生监测研究能够提供大面积、快速、客观的病害发生信息,为农业植保部门开展科学防控提供有效的指导。研究以结合遥感与气象数据监测冬小麦白粉病并获取其精细空间信息为目的。【方法】利用中国高分辨率对地观测系统高分一号卫星(GF-1/WFV)遥感影像提取了研究区小麦种植区及归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI),通过气候灾害组站点红外雨量数据(climate hazards group infra Red precipitation with station data,CHIRPS)及美国中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)获取了研究区气象相关数据。采用基于概率模型的方法筛选并定量化表达了特征因子与小麦患病情况间的关系,生成了研究区小麦患病概率分布数据、研究区小麦白粉病监测结果、监测结果错分概率分布数据。【结果】基于概率模型的白粉病监测方法总体精度为81.25%,与目前较为流行的分类与回归树(classification and regression tree,CART)和随机森林(random forests,RFs)2种分类监测方法相比具有较高的监测精度;小麦患病概率分布数据能够详细地展现研究区小麦患病概率的空间分布及高患病概率麦区向低患病概率麦区的过渡情况;监测结果的错分概率分布数据与实际错分情况具有较好的一致性。【结论】基于概率模型的白粉病监测方法能够应用于区域尺度冬小麦白粉病发生发展状况监测研究。 相似文献
2.
模拟多光谱卫星传感器数据的冬小麦白粉病遥感监测 总被引:1,自引:0,他引:1
为了解利用遥感技术快速大范围监测小麦白粉病病害情况的可行性,以Landsat5TM波段响应函数为基础,将地面实测冠层高光谱数据模拟为TM多光谱数据,从而分析卫星传感器多光谱波段对病害的响应情况,并构建多光谱指数(PMSI)估测白粉病严重度。在此基础上,采用2010年星-地配套数据对PMSI估测精度进行验证。结果表明,PMSI能够较准确地反映冬小麦白粉病发生的程度,获得较理想的病情严重度反演精度(r2=0.475,RMSE=0.129)。因此采用多光谱卫星遥感影像在小麦大面积种植区域进行病害监测具有应用潜力。 相似文献
3.
乡镇尺度的玉米种植面积遥感监测 总被引:6,自引:2,他引:4
以快速、准确提取玉米种植面积为目标,以多时相HJ-1A/1B CCD影像和数字高程模型(DEM)为信息源,选取吉林省长春市为试验区,将试验区种植结构、物候特征、地形特征、光谱特征及植被指数等多元信息引入决策树分类模型,构建基于决策树分层分类的玉米种植面积遥感估算模型,并将空间化的农普数据作为参考值,以乡镇为基本评价单元对玉米种植面积遥感测量结果进行精度评价。研究表明:利用该方法可以有效提高玉米识别精度,满足作物种植面积估算大范围、多时相的需求,有助于解决作物种植面积遥感估算业务运行时空分辨率的矛盾,乡镇尺度的玉米种植面积总量提取精度可达92.57%。 相似文献
4.
基于HJ-1A/1B CCD数据的雹灾监测与评价 总被引:2,自引:2,他引:0
由于雹灾的突发性、灾后影响的显著空间异质性,雹灾监测与灾后评价的研究相对较少。以黑龙江甘南县典型雹灾为研究对象,利用HJ-1A/1B CCD等遥感影像与地面实测高光谱数据,进行雹灾遥感监测与评价研究。基于实测光谱数据分析了不同灾害程度农作物的反射光谱特征及植被指数变化;利用2个时相的遥感影像数据,结合地面调查,通过对植被指数分级进行雹灾监测与评价,并结合另一个时相的数据做了验证。结果表明:不同灾害程度作物的反射光谱特征差异显著;运用植被指数分级进行雹灾监测是可行的,基于归一化差分植被指数差值图分级得到的不同雹灾程度范围与实际情况相符,而基于比值植被指数差值图的分级结果则与实际结果差距较大;根据雹灾遥感分级结果分析了雹灾空间分布特征。研究结果可对雹灾监测与评价提供理论与技术支持。 相似文献
5.
针对都市型现代农业建设的各个阶段,以多时相TM影像为数据源,以地块为基本单元提取土地利用/覆盖变化信息,选取植被覆盖度作为生态系统质量状况的表征系数,建立基于质量状态分析的生态服务价值定量评估模型,通过生态价值变化分析来表达土地利用变化所造成的生态环境质量改善程度。结果表明:通过都市型现代农业建设,对各个地块的土地利用方式进行合理规划和有效建设,土地利用类型趋于多样化,生态服务功能增强,建设后期的生态服务价值相对于建设之前明显提高,林地、草地和水域面积的增加是该区生态服务功能增强的最主要原因。作为都市现代农业建设示范区,要严格控制耕地面积的减少,合理转化未利用土地,这样才能实现生态环境改善和农业生产双丰收。 相似文献
6.
小波特征与传统光谱特征估测冬小麦条锈病病情严重度的对比研究 总被引:2,自引:0,他引:2
为探讨通过小波特征监测小麦条锈病发病程度的可行性,利用连续小波变换提取的小麦冠层光谱350~1 300 nm范围内的9个小波特征和传统光谱特征(植被指数、一阶微分变换特征和连续统特征),借助偏最小二乘回归(PLSR)建立反演模型,分别将传统光谱特征(SFs)、小波特征(WFs)及传统光谱特征与小波特征结合(SFs & WFs)作为模型的输入,对小麦条锈病病情进行反演。结果表明:(1)小波特征与条锈病严重度的相关性比传统光谱特征强;(2)基于小波特征的模型估测精度(R为0.837)优于基于传统光谱特征的模型估测精度(R为0.824);(3)传统光谱特征与小波特征结合的模型精度最高,R为0.876,RMSE仅为0.096,因而传统光谱特征与小波特征相结合能够更好地对小麦条锈病病情严重度进行估测。 相似文献
7.
基于夏玉米冠层内辐射分布的不同层叶面积指数模拟 总被引:2,自引:1,他引:1
为了模拟夏玉米冠层内各层叶面积指数垂直分布,光合有效辐射(photosynthetically active radiation, PAR)是研究作物群体光合作用和长势的重要特征参数,阐明冠层内PAR的垂直分布规律与冠层结构等参数之间的相关关系,可为遥感定量反演冠层结构参数提供模型基础。该文基于PAR在冠层内的辐射传输规律结合冠层结构模拟不同太阳高度角的PAR透过率垂直分布模型,并用地面冠层分析仪测量值进行验证,结果表明模型对封垄前玉米抽雄期冠层内PAR透过率垂直分布模拟精度较高。通过不同太阳高度角PAR透过率的垂直分布模型结合消光系数运用不同算法分别反演层叶面积指数(leaf area index, LAI),并与不同高度层LAI实测值进行比较。结果显示:Bonhomme& Chartier算法反演不同高度层LAI精度较高,上层均方根误差(root mean square error,RMSE)为0.18,中层RMSE为0.55,下层RMSE为0.09。不同太阳高度角反演结果存在差异,30°和45°高度角均能较好地反演下层LAI,RMSE分别为0.11与0.09;30°高度角反演中层LAI精度较高,RMSE为0.30;45°高度角反演上层LAI精度较高,RMSE为0.18。结果表明基于不同太阳高度角构建的层LAI反演模型更适于实现夏玉米不同高度层LAI的遥感估算。该研究可为模拟垄行结构冠层内LAI垂直分布提供参考。 相似文献
8.
基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演 总被引:2,自引:2,他引:0
大面积区域作物叶面积指数(LAI)遥感反演,对指导作物管理具有重要的意义。该文基于2008年5-7月在黑河流域开展的大型星-机-地遥感综合试验获取的多角度高光谱PROBA/CHRIS数据及地面同步观测数据,利用PROSAIL辐射传输模型和神经元网络方法反演春小麦LAI,并利用地面实测LAI进行验证和分析,结果表明:PROBA/CHRIS数据的最佳组合波段为band 4(555.1 nm)、band 9(696.9 nm)和band15(871.5 nm),利用PROBA/CHRIS数据反演LAI时,3角度组合(0°、36°、55°)反演LAI精度最高(R2=0.854,RMSE=0.344;MAE=0.213)。随着观测角度增加LAI反演精度相应提高,但超过3个角度后,多观测角度数据会带来较大不确定性,影响神经元网络建模,导致LAI反演精度下降。 相似文献
9.
基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测 总被引:3,自引:3,他引:0
除选择合适的建模方法外,选择合适的特征选择算法来优选建模特征对提高作物病害的遥感监测水平具有重要作用。选取陕西省关中平原西部小麦白粉病为对象,基于Landsat 8遥感影像共提取了18个特征变量,通过相关性分析(correlation analysis,CA)和最小冗余最大相关(minimum redundancy maximum relevance,mRMR)2种特征选择算法筛选出了2组不同的特征变量,分别将其输入Fisher线性判别分析(Fisher linear discriminant analysis,FLDA)、支持向量机(support vector machine,SVM)和AdaBoost 3种方法,构建小麦白粉病发生严重程度监测模型,并对其进行精度验证与对比分析。结果表明,2种AdaBoost模型对小麦白粉病发生严重程度的总体监测精度分别比FLDA模型和SVM模型高出27.9%、27.9%和14.0%、9.3%,mRMR算法筛选特征所建FLDA、SVM及AdaBoost监测模型的总体监测精度分别比CA筛选特征所建模型高出7.0%、11.7%和7.0%,且mRMR算法筛选特征结合AdaBoost方法所建监测模型的精度和Kappa系数分别为88.4%和0.807,为所有模型中最高。说明将AdaBoost方法用于作物病害遥感监测效果较好,在作物病害监测模型的特征变量选择中mRMR算法比常用CA算法更具优势。研究结果可为其他作物病害遥感监测提供方法参考。 相似文献
10.
基于主成分分析的叶面积指数尺度效应 总被引:1,自引:0,他引:1
为描述多空间尺度观测数据在表达同一区域农作物叶面积指数(LAI)分布特征时存在的差异,该文提出了一种基于主成分分析(PCA)的LAI尺度效应分析方法。该方法充分考虑了多尺度数据的相关性与差异性,从统计分析角度出发,采用PCA进行数据挖掘和信息重组,引入动态多元线性回归模式基于主成分信息(PCs)反演估算LAI,进而定量描述尺度效应。选取大麦和玉米为试验对象,先以地面最细空间尺度观测数据为基准,通过尺度上推构建一系列不同空间尺度数据;再依据上述尺度效应分析方法进行有效信息提取和LAI估算,并纳入有效主成分个数(NEPCs)、决定系数(R2)和平均相对精度(MRA)等参数定量描述尺度效应。理论分析和数值实践证实了该方法在农作物LAI尺度效应定量分析中的可行性和有效性。 相似文献