导读:本文包含了遥感信息模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,模型,光谱,信息,数据,作物,黑河。
遥感信息模型论文文献综述
王馨慧[1]（2019）在《结合遥感信息与3-PG模型的森林净初级生产力动态研究》一文中研究指出森林生态系统作为陆地生态系统的主体,其光合作用在缓解温室效应方面有着重要作用。森林生物量及净初级生产力(Net Primary Productivity,NPP)为森林生态系统的碳循环提供关键数据,是评估森林生态系统碳汇能力的重要条件,是生态系统的重要功能指标,也是生态系统经济价值研究的基础和重要内容。为积极响应国家护林育林的政策,应加强对于自然生态系统和环境的保护,并对森林生态系统的变化进行长期监测和评估。为准确估算区域生物量以及实现森林NPP的动态监测与预估,本研究以黑龙江省伊春市带岭区作为研究区,联合ICESat-GLAS波形数据、MODIS多光谱数据以及野外调查数据建立生物量模型计算研究区生物量,进一步以3-PG(Physiological Principles Predicting Growth)模型为基础,对森林NPP进行预测研究与动态监测,这为准确估算我国东北地区生物量以及了解我国东北地区森林植被NPP的变化特征和生态系统碳储量动态变化提供科学的研究依据。该方法通过建立GLAS森林平均冠层高度估测模型、区域森林平均冠层高度的BP神经网络估算模型以及森林平均冠层高度与样地生物量的模型,弥补GLAS数据因光斑点分布呈条带状而无法估算区域内连续森林平均冠层高度的缺陷,从而实现全区域森林生物量的连续高精度估测;利用3-PG模型模拟带岭区针叶林、阔叶林、针阔混交林2014-2044年森林植被净初级生产力逐年生长量以及2014-2019年NPP的逐月生长量,从而实现森林NPP的动态监测。主要研究结果如下:(1)通过联合GLAS波形数据与MODIS多光谱数据,建立的BP神经网络估测森林平均冠层高度模型的R2=0.8987,RMSE=0.794,说明模型可较好地估算区域连续森林冠层高,实现对区域森林平均冠层高度的高精度估测。(2)针叶林、阔叶林、针阔混交林森林平均冠层高度与样地生物量模型的R2分别为0.826,0.803,0.794,RMSE分别为0.613,0.731,0.344,说明本研究建立的森林森林平均冠层高度-生物量模型可以通过平均林冠高较好地估算区域森林生物量。(3)通过对3-PG运行结果进行分析,发现2014-2044年间带岭区森林NPP整体呈现增加趋势,但增长速度随年份增长逐渐降低,2014-2019年植被生长期内NPP月增长量呈周期变化,5-9月NPP为先增后减的趋势,但7月份的NPP低于前后两个月的NPP。带岭区2015年5-9月NPP总量为30.725×105 t,NPP年值与月值在叁种林分中均表现为幼龄林>中龄林>近熟林>成熟林>过熟林。(本文来源于《东北林业大学》期刊2019-06-01）
李颖,陈怀亮,田宏伟,余卫东[2]（2019）在《同化遥感信息与WheatSM模型的冬小麦估产》一文中研究指出小麦生长模型WheatSM是针对中国不同冬小麦品种类型研发的,已在科研和业务中得到应用。将遥感信息与作物生长模型耦合,进行区域大范围作物长势监测与估产具有重要的应用价值。以位于中国冬小麦主产区的河南省鹤壁市为研究区,分别利用SCE-UA优化同化法和EnKF同化法,将经优化重建的2013—2017年MODIS LAI时间序列数据和小麦生长模型WheatSM进行耦合,在站点和区域两种尺度开展冬小麦估产研究。结果表明:单站点运行时,在小麦模型参数严格标定的前提下,引入本身带有不确定性的遥感数据,并不能提高模型模拟结果的精度;遥感观测数据的质量对EnKF算法同化结果的影响大于对SCE-UA优化算法同化结果的影响;在区域尺度运行时,SCE-UA优化同化和EnKF同化模拟单产精度较同化前均有明显提高,分县模拟单产与统计单产相比,RMSE由2036.0kg·hm~(-2)分别降低到1641.6 kg·hm~(-2)和1587.7 kg·hm~(-2),分别降低19.4%和22.0%,且EnKF同化法的运行效率显着优于SCE-UA优化同化法。研究结果可为WheatSM小麦生长模型与遥感信息同化策略的选择提供依据。(本文来源于《生态学杂志》期刊2019年07期）
段丁丁[3]（2019）在《基于遥感信息和DSSAT-SUBSTOR模型数据同化的区域马铃薯产量估算》一文中研究指出马铃薯是世界第叁大粮食作物。从2015年起,我国农业部提出马铃薯“主粮化”战略,马铃薯将成为我国的第四大主粮作物,因此对马铃薯的产量进行估算具有非常重要的现实意义。通过将遥感数据和作物生长模型相结合来提高作物产量的估算精度是近些年的研究热点。本文选取吉林省长春市九区市兴隆镇和纪家镇为研究区域,马铃薯为研究对象。在采集马铃薯冠层反射光谱和叶面积指数(LAI)的基础上,利用高分一号影像提取马铃薯的种植区,并利用统计回归方法实现LAI的遥感反演。利用EFAST全局敏感性分析方法对DSSAT-SUBSTOR作物生长模型的输入参数进行敏感性分析,对马铃薯的产量和LAI敏感的参数将作为数据同化过程中的待优化参数。然后,通过构建遥感反演LAI和模型模拟LAI的最小代价函数将遥感数据和作物生长模型结合起来,通过利用SCE-UA优化算法调整待优化参数从而实现遥感数据和作物生长模型的数据同化。根据数据同化结果进行研究区域内马铃薯产量的估算。论文的主要结论如下:(1)在对高分一号遥感影像进行预处理的基础上,利用最大似然法对研究区域内的土地利用现状进行分类,提取马铃薯的种植区。分类结果表明:不同土地利用类型的总体分类精度为95.22%,kappa系数为0.93,分类精度较高。通过计算马铃薯的植被指数和叶面积指数,利用统计回归方法完成LAI的遥感反演,反演结果表明:研究区内马铃薯的归一化差值植被指数NDVI与叶面积指数LAI的拟合度最高,决定系数(R~2)等于0.73。通过NDVI-LAI统计回归模型得到的遥感反演LAI的精度较高,反演LAI与实测LAI的决定系数(R~2)等于0.88,均方根误差(RMSE)等于0.72。(2)利用EFAST全局敏感性分析方法对DSSAT-SUBSTOR作物生长模型的输入参数进行参数敏感性分析,结果表明:块茎开始生长的临界温度上限、光周期系数、潜在块茎生长率、根生长系数、土壤排水上限、排水率、有机碳含率、土壤总氮含率、土壤溶液PH值、播种日期、灌溉日期、灌溉量和施氮量都是对马铃薯的产量和LAI敏感的参数。在DSSAT-SUBSTOR模型标定过程中,以马铃薯的出苗日、块茎起始日、最大LAI值和产量4个指标评价模型的适用性,标定结果表明:模型模拟的出苗日和块茎起始日均与实测值相同,模型模拟的最大LAI值与实测最大LAI值的平均相对误差(MRE)为1.10%,模型模拟的单产值与实测单产值的平均相对误差(MRE)为5.72%,表明DSSAT-SUBSTOR模型在单点尺度上能够以较高的精度对马铃薯的产量进行模拟。(3)首先将DSSAT-SUBSTOR模型的输入参数进行区域化处理,获得未同化遥感数据的马铃薯估产结果。然后通过构建遥感反演LAI和模型模拟LAI的最小代价函数,利用SCE-UA优化算法调整待优化参数,实现遥感数据和作物生长模型的数据同化。结果表明:未同化遥感数据的模型估产精度较低,同化遥感数据的马铃薯估产结果更接近实测值,估产精度更高,平均相对误差(MRE)为6.17%,比未同化遥感数据的(MRE)降低了9.45%,说明将遥感LAI数据和DSSAT-SUBSTOR模型相结合能够有效地提高区域马铃薯的估产精度。(本文来源于《中国农业科学院》期刊2019-05-01）
魏玲娜,陈喜,王文,张志才,董建志[4]（2019）在《基于水文模型与遥感信息的植被变化水文响应分析》一文中研究指出针对地表覆被改变带来的流域水文响应存在不确定性这一问题,为了探索我国南方山区植被变化下的水文过程时空演变规律,依据东江流域的土地覆被类型,结合野外调查试验与遥感数据提取典型植被特征信息,利用考虑水文、地形、土壤、植被等多要素综合的分布式水文模型DHSVM,对流域内各种典型覆被情景下的水文过程进行模拟,进而分析植被变化引起的径流、蒸发、土壤水变化的响应关系。结果表明:大面积人工种植桉树林,将会对流域水文过程产生较大影响,地表径流深比现状针叶林增大17.5%,蒸散发量减小18.1%,洪峰流量也有所增加,流域洪水灾害发生概率加大;当流域现有针叶林生态系统退化为草地时,多年平均径流量增加24.4%,蒸散量减少25.3%,不利于自然流域的水源含蓄;针叶林、阔叶林和混交林叁类森林植被更替对流域的水文过程影响相比其他植被类型要小。研究成果为分析流域变化环境下的水文过程时空演变规律及其生态环境效应提供参考,对我国南方山区水资源管理规划和生态环境保护具有实际意义。(本文来源于《水利水电技术》期刊2019年06期）
陈艳玲,顾晓鹤,宫阿都,胡圣武[5]（2018）在《基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究》一文中研究指出为探讨遥感信息和作物生长模型在作物估产方面的优势互补特性,选取河北省藁城市冬小麦作为研究对象,采集多个关键生育时期的生理生化、农田环境、气象等数据,并获取准同步的环境减灾小卫星HJ-CCD影像数据,采用植被指数反演冬小麦叶面积指数(LAI),基于扩展傅里叶振幅灵敏度检验法(EFAST)对WOFOST作物模型的26个初始参数进行全局敏感性分析,筛选敏感性参数,调整WOFOST模型的核心参数,利用查找表优化算法构建基于WOFOST模型和遥感LAI数据同化的区域尺度冬小麦单产预测模型,并定量预测区域冬小麦单产水平。结果表明,增强型植被指数(EVI)是遥感反演LAI的最佳植被指数(开花期建模r~2=0.913,RMSE=0.410,灌浆期建模r~2=0.798,RMSE=0.470),预测能力最强(开花期r~2=0.858,RMSE=0.531,灌浆期r2=0.861,RMSE=0.428);筛选出6个待优化参数,即TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4;产量预测精度r~2=0.914,RMSE=253.67kg·hm~(-2),找到了待优化参数的最佳取值,最终完成了单产模拟。(本文来源于《麦类作物学报》期刊2018年09期）
卢必慧,于堃[6]（2018）在《遥感信息与作物生长模型同化应用的研究进展》一文中研究指出卫星遥感技术能大面积、周期性地实时获取地表农作物信息,并且通过适当的反演方法能够定量地提供作物在区域尺度上的状况;作物生长模型应用物理数学方法从机制上定量地描述作物生长过程及其与环境因素之间的关系,在单点上对叶面积指数、生物量和产量等具有很好的模拟准确性。利用数据同化算法,将作物生长模型与遥感信息进行同化,已经成为当前农作物长势监测和产量预算研究中的重要手段。在简要回顾遥感数据和作物模型2种经典耦合方法的基础上,重点综述了连续同化和顺序同化2种不同同化方式的研究进展,并对数据同化算法进行了简单介绍,最后提出存在的一些问题并探讨了未来的研究方向。(本文来源于《江苏农业科学》期刊2018年10期）
裔传祥[7]（2018）在《基于遥感信息的植被冠层气孔导度参数化模型研究》一文中研究指出植被冠层气孔导度估算是蒸散的重要组成部分,探索大尺度下植被冠层气孔导度,对于理解植被生态系统对全球变化的响应和适应机制,以及植物和大气间的碳水传输都有重要的意义。本研究统计分析多种植被叶片气孔特性,以Leuning模型为基础,并结合Franks模型构建出基于植被类型的冠层气孔导度模型(Leuning-Franks模型),又引入Ball-Barry模型与Leuning-Ball模型将植被类型细分为C3、C4植被(Leuning-Franks-BallBarry 模型、Leuning-Franks-LeuningBall 模型)。所构建的基于植被类型的冠层气孔导度模型除了更具有机理性之外,最大优势是由原先只能计算一个点到能够借助遥感信息估算大面积区域的植被冠层气孔导度。本文首先统计不同植被类型的气孔特性,采用Leuning-Franks模型模拟黑河流域玉米冠层气孔导度,依据站点的实测数据并用Pernman-Monteith公式反推获取冠层导度进行模拟验证,对模型模拟冠层导度的精度和敏感性进行评估。其次结合遥感数据模拟分析2012年6至9月黑河流域冠层气孔导度的变化及其空间差异,得出以下结论:(1)不同植被类型的叶片气孔密度与长度具有很大差异,统计所得气孔密度最大为1439.9个/mm2,最小为15.4个/mm2,叶片气孔长度范围在5 μm～64.8 μm。由于不同植被叶片气孔特性的差异,植被类型直接影响着冠层气孔导度,同时植物叶片的气孔分布与密度与植被种类有强烈的相关性,不同科植被叶片的气孔密度与长度有差异,但将植物以属为单位,同属之间的差异则较小。(2)应用Leuning-Franks模型模拟冠层导度有较好的表现。模型模拟值与实测值的变化趋势基本吻合,两者平均相关系数为0.6454,一致性指数为0.7832。敏感性分析表明,Leuning-Franks模型对气孔长度(L)与气孔密度(SD)最敏感,叶面积指数(LAI)与水汽压亏缺(VPD)次之,而对消光系数(kQ)与最大气孔导度一半时的可见光通量密度(Q50)最不敏感。(3)黑河流域VPD整体分布区别不大,都呈现从南向北递减的趋势。VPD值最高的2.74kPa在8月份;LAI峰值出现在7月,最高值为6.85,植被类型为常绿针叶林。PAR高值的区域多集中在玉米、草地、森林区域;PAR随空间与时间的变化明显,7-9月空间分布基本相同,9月份的整体PAR削减最为显着。(4)导度较大值多为南部草地,导度较小值一般为偏南部,且灌丛林居多。黑河流域植被冠层气孔导度基本出现在中游以下,表现为从北到南递增,大尺度范围内植被冠层气孔导度受植被种类的影响较大,同一区域的植被冠层导度不同月份间的差异显着。7、8月份黑河流域植被冠层气孔平均导度相对较大,多处区域都在0.01m/s以上,最大值可达到0.262m/s。6月黑河流域平均气孔导度分布与9月份相似,整体偏小,最大值为0.148m/s。(本文来源于《南京信息工程大学》期刊2018-05-01）
董锦绘[8]（2017）在《基于多源遥感信息的小麦条锈病监测模型研究》一文中研究指出小麦条锈病(Puccinia striiformis West.f.sp.tritici Eriks et Henn)是一种长期影响我国小麦安全生产的严重生物灾害,发病面积广、传播性强、发病几率大,容易在大区域内造成小麦大幅减产、品质降低。对小麦条锈病进行准确的预测和实时监测,及时采取防治措施,可有效减轻病害对小麦产量及品质的危害。遥感技术非接触式和高通量的特点,为快速、高效、经济、无损的及时监测小麦条锈病害感染程度提供了一种科学有效的途径。本研究在前人研究基础之上,对小麦条锈病冠层光谱响应机制以及气象环境传播机制进行了分析,结合遥感技术、数理统计知识、机器学习算法,围绕遥感—气象双重机制组合实现小麦条锈病田间精确监测这条主线,建立了机器学习小麦条锈病病情监测模型,具体内容围绕以下叁个方面展开:(1)小麦冠层光谱响应机制分析:通过田间人工接种条锈病菌试验,对不同生育期小麦冠层光谱、病情指数进行了测定,提取了小麦可见光波段光谱吸收特征参数,计算了光谱敏感度值,定量分析了小麦病害随生育期推进的变化程度,并且以不同生育期的光谱敏感度值和全生育期吸收特征参数为自变量建立回归模型,精确反演了小麦全生育期的病情指数。结果表明,以光谱敏感度值为自变量的组合模型预测值拟合度为0.97,以光谱吸收特征参数为自变量的模型预测值拟合度为0.92,均达到显着水平。(2)小麦条锈病气象环境传播机制分析:通过分析甘肃东南五市陇南、天水、定西、平凉及庆阳2010-2012叁年的小麦条锈病病害调查数据和小麦生长时期的逐日气象数据,得到了小麦关键生长时段的条锈病发病状态、发病面积随气候变化的特征,并通过计算各地风量影响值,分析了甘肃地区风速风向信息与病害扩散走向、流行速度之间的联系。基于地理空间分析技术及数理统计知识,结合自适应模糊逻辑向量方法对研究区域的病害发生状态做了精准预测。结果表明:甘肃东南地区的病害扩散走向与风速风向有显着关系,小麦生长从拔节期至乳熟期,气温与病害状况呈正相关关系。(3)小麦条锈病“遥感—气象”双重机制组合:以高分一号卫星WFV传感器波段响应函数为基础,将地面实测冠层高光谱数据模拟为GF-1多光谱数据,基于可见光波段以及近红波段数据构建了NDVI、RVI、TVI、DVI、RDVI等多种植被指数,与气象数据结合,基于偏最小二乘、赤池信息量准则及灰色关联度算法从中选取对小麦病害指数敏感性最好的植被指数和气象因子,建立自适应模糊逻辑推理模型,对小麦条锈病病情发生情况进行反演。结果表明,DVI植被指数、平均气温与当年小麦病害发生情况敏感性较强,对小麦条锈病病害指数进行反演得到了近似准确的精度,预测值与实测值拟合度R~2达到了0.99,RMSE为0.0012。因此,采用GF-1多光谱卫星数据,与气象数据结合能够实现对小麦条锈病害的精准监测,“遥感—气象”双重机制组合为农田精细化管理奠定了一定的基础。(本文来源于《河南理工大学》期刊2017-05-24）
张静,李国庆,于文洋[9]（2016）在《一种遥感信息模型自动化并行处理平台》一文中研究指出当前尚无主流的遥感信息模型(RSIM)高性能处理平台,RSIM的研究与应用以项目驱动为主,处理低效。分析当前遥感领域数据与处理的特点,提出一种集数据存储、模型计算、信息发布于一体的RSIM处理平台。通过对存储系统、并行处理环境和调度系统的设计实现平台的海量存储、灵活管理和模型自动快速计算功能。实验表明,该系统能完成RSIM的快速高效处理,具有良好的可控性和适用性。(本文来源于《计算机应用与软件》期刊2016年08期）
刘金霞[10]（2016）在《黄河叁角洲土壤盐渍化遥感信息模型研究》一文中研究指出我国黄河叁角洲地区生态环境敏感脆弱,土壤盐渍化问题可能会加剧这种形势。分析黄河叁角洲地区土壤盐渍化的成因机理及其驱动力,利用神经网络技术进行土壤盐渍化敏感性分析,找出土壤盐渍化的关键影响因子是十分必要的。根据关键影响因子建立黄河叁角洲地区的土壤盐渍化遥感信息模型,深入认识和分析,进而提出土壤盐渍化监测相关的建议和策略。本文以近代黄河叁角洲地区为研究对象,在盐渍化成因机理及驱动力分析的基础上,建立了黄河叁角洲土壤盐渍化敏感性分析模型,根据敏感性分析的结果建立了近代黄河叁角洲地区的土壤盐渍化遥感信息模型。首先介绍了遥感预处理的方法和过程,重点介绍了利用Flaash进行Landsat7 ETM+遥感影像辐射校正的理论、方法和过程,为提取归一化植被指数这一遥感信息做准备。接着结合黄河叁角洲地区盐渍土的特点分析了我国黄河叁角洲地区土壤盐渍化的成因机理及其驱动力,得出黄河叁角洲地区的主要驱动因子。在驱动力分析的基础上,重点介绍了各个盐渍化影响因子的获取渠道和方法,基于神经网络技术建立了基于输入变量扰动的土壤盐渍化敏感性分析模型,得出各个因子的敏感性。最后选出影响盐渍化的关键因子,建立了近代黄河叁角洲地区的土壤盐渍化遥感信息模型并进行了精度评价。模型结果表明,在土壤盐渍化的众多影响因子中,有机质和高程对土壤含盐量的敏感性较高,土壤的PH值以及归一化植被指数对土壤含盐量的敏感性次之,地下水埋深和地下水电导率对土壤含盐量的敏感性较低。在对模型半定量研究的基础上,将土壤盐渍化的各种影响因素定量化,选择植被、水文地质、地形地貌、土壤质地以及人类活动为描述对象,通过量纲分析和相似性准则,得到了地区土壤盐渍化遥感信息模型的一般公式。把该模型应用到近代黄河叁角洲地区,以影像化的地理信息为主要数据源,建立定量评价黄河叁角洲地区土壤含盐量与其多种驱动因子之间关系的遥感信息模型。总的来说,该模型将成因分析与数学统计分析相结合,解决了复杂地学现象中的必然性与偶然性结合的问题,这样就比较全面地反映了复杂地理现象的规律,为土壤盐渍化的定量预测研究提供了新的思路。(本文来源于《中国石油大学(华东)》期刊2016-06-01）
遥感信息模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
小麦生长模型WheatSM是针对中国不同冬小麦品种类型研发的,已在科研和业务中得到应用。将遥感信息与作物生长模型耦合,进行区域大范围作物长势监测与估产具有重要的应用价值。以位于中国冬小麦主产区的河南省鹤壁市为研究区,分别利用SCE-UA优化同化法和EnKF同化法,将经优化重建的2013—2017年MODIS LAI时间序列数据和小麦生长模型WheatSM进行耦合,在站点和区域两种尺度开展冬小麦估产研究。结果表明:单站点运行时,在小麦模型参数严格标定的前提下,引入本身带有不确定性的遥感数据,并不能提高模型模拟结果的精度;遥感观测数据的质量对EnKF算法同化结果的影响大于对SCE-UA优化算法同化结果的影响;在区域尺度运行时,SCE-UA优化同化和EnKF同化模拟单产精度较同化前均有明显提高,分县模拟单产与统计单产相比,RMSE由2036.0kg·hm~(-2)分别降低到1641.6 kg·hm~(-2)和1587.7 kg·hm~(-2),分别降低19.4%和22.0%,且EnKF同化法的运行效率显着优于SCE-UA优化同化法。研究结果可为WheatSM小麦生长模型与遥感信息同化策略的选择提供依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感信息模型论文参考文献
[1].王馨慧.结合遥感信息与3-PG模型的森林净初级生产力动态研究[D].东北林业大学.2019
[2].李颖,陈怀亮,田宏伟,余卫东.同化遥感信息与WheatSM模型的冬小麦估产[J].生态学杂志.2019
[3].段丁丁.基于遥感信息和DSSAT-SUBSTOR模型数据同化的区域马铃薯产量估算[D].中国农业科学院.2019
[4].魏玲娜,陈喜,王文,张志才,董建志.基于水文模型与遥感信息的植被变化水文响应分析[J].水利水电技术.2019
[5].陈艳玲,顾晓鹤,宫阿都,胡圣武.基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究[J].麦类作物学报.2018
[6].卢必慧,于堃.遥感信息与作物生长模型同化应用的研究进展[J].江苏农业科学.2018
[7].裔传祥.基于遥感信息的植被冠层气孔导度参数化模型研究[D].南京信息工程大学.2018
[8].董锦绘.基于多源遥感信息的小麦条锈病监测模型研究[D].河南理工大学.2017
[9].张静,李国庆,于文洋.一种遥感信息模型自动化并行处理平台[J].计算机应用与软件.2016
[10].刘金霞.黄河叁角洲土壤盐渍化遥感信息模型研究[D].中国石油大学(华东).2016
论文知识图
