全文获取类型
收费全文 | 72篇 |
免费 | 16篇 |
国内免费 | 1篇 |
专业分类
林业 | 44篇 |
农学 | 2篇 |
基础科学 | 8篇 |
2篇 | |
综合类 | 24篇 |
畜牧兽医 | 4篇 |
园艺 | 5篇 |
出版年
2024年 | 3篇 |
2023年 | 8篇 |
2022年 | 5篇 |
2021年 | 2篇 |
2020年 | 6篇 |
2019年 | 5篇 |
2018年 | 3篇 |
2017年 | 2篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 4篇 |
2013年 | 3篇 |
2012年 | 5篇 |
2011年 | 1篇 |
2010年 | 4篇 |
2009年 | 2篇 |
2008年 | 3篇 |
2007年 | 2篇 |
2006年 | 5篇 |
2005年 | 7篇 |
2004年 | 9篇 |
2003年 | 2篇 |
2001年 | 1篇 |
1999年 | 2篇 |
1994年 | 1篇 |
排序方式: 共有89条查询结果,搜索用时 0 毫秒
1.
2.
机载激光雷达和地基激光雷达林业应用现状 总被引:4,自引:2,他引:4
激光雷达技术可以直接获取地物的三维信息,在森林参数反演方面具有独特优势。近年来,机载激光雷达与地基激光雷达在林业上的应用取得很大进展,在森林调查中应用广泛。文中介绍了机载激光雷达与地基激光雷达在森林参数提取中的应用,并分析了两者的优缺点;概述了2种数据结合在森林参数反演中的应用,并对应用前景进行了展望。 相似文献
3.
【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。 相似文献
4.
地基激光雷达在森林参数反演中的应用 总被引:1,自引:1,他引:1
近年来地基激光雷达(TLS)得到了快速发展, 它能够快速地获取高精度、高密度的3D点云数据, 可以应用到工程设计、林业、农业、矿产、交通、城市规划和遗产记录等领域。在森林参数的定量测量应用上, 利用TLS测量森林参数如树高、胸径、密度和蓄积量等, 不仅节省人力, 还提高了工作效率, 现在已经成为一种快速获取树木几何参数的有效方法。文中主要介绍地基激光雷达遥感的工作原理、数据处理过程和方法、在林业中的应用现状、利用TLS数据反演森林参数(位置、胸径、树高、蓄积量、树干和郁闭度等)的方法和研究进展, 同时对地基激光雷达在林业中的应用前景进行了分析和展望。 相似文献
5.
6.
本文以下寺湾油田雨岔桦13井区长2油藏为研究对象,通过对储层岩性、物性、人工裂缝走向几方面深入研究,提出了该区块的井网部署方式和井区、注入压力,对该区块油气田注水开发具有指导意义。 相似文献
7.
8.
基于时间序列MODIS EVI数据的森林生长异常监测 总被引:2,自引:0,他引:2
利用遥感技术,基于时间序列的MODIS数据对2004—2006年东北三省的林区进行森林生长异常监测。首先利用MODIS数据时间分辨率高的特点,采用Savitzky-Golay滤波函数平滑8天合成的EVI,计算生长季面积和年EVI曲线熵值,两指标联合得到3年间变化量大的像素点,定义为森林生长异常点;然后抽取异常点的时间序列曲线进行分析,并结合森林灾害事件进行比较验证。结果表明:异常点曲线的熵值明显大于正常年,生长季峰值低,并且在生长旺季会出现峰值突然持续下降或双峰等异常现象,这与该区域森林生长异常发生时的植被反射率表征一致,说明用该法对森林生长异常进行监测是基本可行的。 相似文献
9.
10.
基于随机森林算法的橡胶林地上生物量遥感反演研究——以景洪市为例 总被引:1,自引:0,他引:1
以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用R语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明:随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数(VARI)、简单比值指数(RVI)、归一化植被指数(NDVI)、水分胁迫指数(MSI)、中红外指数(MidIR);总体模型反演精度R2=043,RMSE=4605。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。 相似文献