导读:本文包含了冠层光谱论文开题报告文献综述及选题提纲参考文献，主要关键词:玉米,倒伏,叶面积密度,高光谱
冠层光谱论文文献综述
束美艳,顾晓鹤,孙林,朱金山,杨贵军[1]（2019）在《倒伏胁迫下的玉米冠层结构特征变化与光谱响应解析》一文中研究指出倒伏胁迫是玉米生产中的主要灾害之一,严重影响玉米的产量、品质和机械收获能力。解析不同倒伏胁迫强度下玉米冠层结构变化规律及其光谱响应机理,是玉米倒伏灾情大范围遥感监测的基础。分别在玉米抽雄期、灌浆中期设置茎倒、茎折、根倒3种强度的倒伏处理,基于田间多频次持续观测实验,分析生育期、倒伏类型对玉米冠层结构动态变化及其自我恢复能力的影响;采用传统光谱变换与连续小波变换方法对倒伏玉米冠层高光谱进行处理,选取叶面积密度(LAD)为玉米倒伏冠层结构特征指标,筛选叶面积密度最佳敏感波段和小波系数,基于随机森林法构建叶面积密度高光谱响应模型,利用未参与建模的实测样本验证模型精度,重点探讨小波分解尺度和光谱分辨率对LAD光谱响应能力的影响规律。研究结果表明:叶面积密度作为单位体积内叶面积总量的冠层结构表征指标,与倒伏胁迫强度具有较好的响应关系,灌浆期的倒伏玉米LAD普遍高于抽雄期,抽雄期LAD整体表现为茎折>根倒>茎倒>未倒伏,灌浆期LAD整体表现为根倒>茎折>茎倒>未倒伏;经连续小波变换后,玉米倒伏冠层光谱对玉米倒伏LAD的响应能力普遍优于传统光谱变换,随着小波分解尺度的增加, LAD与敏感波段的相关性越强,其中10尺度相关系数最高,达0.74;连续小波变换所构建的模型精度普遍优于传统光谱变换,其中由原始光谱小波变换后构建的LAD响应模型精度最高,检验样本的R~2为0.811, RMSE为1.763,表明连续小波变换技术可凸显和利用冠层光谱中的细微信息。因此,叶面积密度可有效定量表征不同倒伏胁迫程度的玉米冠层结构变化特征,连续小波变换能有效提升冠层光谱对倒伏玉米结构变化的响应能力,基于随机森林法构建的倒伏玉米叶面积密度诊断模型具有较高的精度和稳定性,可为区域尺度的夏玉米倒伏灾情遥感监测提供先验知识。(本文来源于《光谱学与光谱分析》期刊2019年11期）
冯帅,许童羽,于丰华,陈春玲,杨雪[2]（2019）在《基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究》一文中研究指出为探究遥感监测水稻冠层叶片氮素含量的较优高光谱反演模型,以水稻小区试验为基础,获取了不同生长期水稻冠层高光谱数据。在综合比较一阶导数变换(1-Der)、标准正态变量变换(SNV)和SG滤波法等处理方法基础上,提出一种将SNV与一阶导数变换的SG滤波法相结合的光谱处理方法(SNV-FDSGF),并将处理后的数据经无信息变量消除法(UVE)与竞争自适应重加权采样法(CARS)选出不同生长期的敏感波段。将各生长期的敏感波段两两随机组合,并构建与水稻叶片含氮量相关性较高的差值光谱植被指数(DSI)、比值光谱植被指数(RSI)、归一化光谱植被指数(NDSI)。其中分蘖、拔节和抽穗3个时期的最优植被指数和决定系数R~2分别为:DSI(R_(857),R_(623)),0.704;DSI(R_(670),R_(578)),0.786;DSI(R_(995),R_(508)),0.754。以各生长期内的较优的叁种植被指数作为输入分别构建自适应差分优化的极限学习机(SaDE-ELM)、径向基神经网络(RBF-NN)以及粒子群优化的BP神经网络(PSO-BPNN)反演模型。结果表明:SaDE-ELM建模效果最好,在模型稳定性和预测能力上比RBF-NN和PSO-BPNN都有了明显提高,各生长期反演模型的训练集和验证集决定系数R~2均在0.810以上, RMSE均在0.400以下,可为东北水粳稻冠层叶片含氮量的检测与评估提供科学和技术依据。(本文来源于《光谱学与光谱分析》期刊2019年10期）
依尔夏提·阿不来提,白灯莎·买买提艾力,买买提·沙吾提,安申群[3]（2019）在《基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算》一文中研究指出冠层叶绿素能够有效反映植被的生长状况。为了基于高光谱精确估算冠层的叶绿素含量,以棉花为研究对象,实测棉花冠层光谱反射率和叶绿素含量,然后进行原始光谱数据转换,计算高光谱参数,分析叶绿素含量与高光谱参数之间的相关关系,构建估算棉花冠层叶绿素含量的BP神经网络模型。结果表明:包络线去除处理后,冠层反射率和叶绿素含量的相关性在560～740 nm波段范围内提高了10.7%,效果优于原始光谱和一阶微分光谱得到的结果;基于原始光谱和去除包络线光谱建立的植被指数mSR、mND、NDI、DD与叶绿素含量表现出较高的相关性,相关系数均在0.8左右;在所建的BP神经网络模型中,基于包络线光谱指数建立的模型的决定系数为0.85,均方根误差和相对误差分别为1.37、1.97%,这一结果优于基于红边参数、原始光谱植被指数和一阶微分光谱指数建立的模型。本研究可为作物叶绿素含量估算的实际应用提供理论依据和技术支持。(本文来源于《光学学报》期刊2019年09期）
李月,何宏昌,王晓飞,张国民[4]（2019）在《农作物冠层光谱分析及反演技术综述》一文中研究指出农作物的冠层光谱反射率与作物的氮含量、叶绿素含量及叶面积指数等参数之间具有很强的相关性,通过对作物冠层光谱进行分析可反演出作物的生物物理参数,并应用在长势分析、产量预测、病虫害预警等领域。本文首先阐述了作物冠层反射率采集方法,对地面、机载及遥感卫星3个采集层面的优缺点进行了对比;其次给出了植被指数构建原理及常用植被指数,分析了物理模型反演法和统计反演法的复杂度和性能;最后提出了农作物冠层光谱分析及反演技术的下一步发展方向及面临的挑战。(本文来源于《测绘通报》期刊2019年09期）
姚胜男,蒋金豹,史晓霞,王文佳,孟豪[5]（2019）在《天然气微泄漏胁迫下大豆冠层叶绿素含量的高光谱估测》一文中研究指出通过野外实验对天然气微泄漏胁迫下大豆冠层叶绿素含量(Canopy Chlorophyll Content,CCC)进行高光谱估测,进而根据CCC的变化信息辅助判断天然气微泄漏信息。对大豆冠层光谱进行分数阶微分处理,根据各微分光谱与CCC的相关性选取敏感波段,构建各微分阶数下的多元线性回归模型和BP(Back-Propagation)神经网络模型,并对模型进行精度评价,筛选出天然气微泄漏胁迫下大豆CCC高光谱估测的最优模型。通过对各模型的精度评价可知:基于0.5阶微分的BP神经网络模型建模集R~2为0.914、RMSE为0.241 g/m~2、RPD为3.351,验证集R~2为0.873、RMSE为0.294 g/m~2、RPD为2.465,在所有模型中,其精度最高、预测效果最好,且稳定性好。因此,该模型可用于天然气微泄漏胁迫下大豆CCC的高光谱估测。(本文来源于《地理与地理信息科学》期刊2019年05期）
周宜,李晓,贺利,王洋洋,刘北城[6]（2019）在《基于冠层透射微分光谱的小麦植株含水量监测研究》一文中研究指出为实现基于可见光透射微分光谱的小麦植株含水量监测,通过叁年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r|> 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r>0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。(本文来源于《麦类作物学报》期刊2019年09期）
夏秀丽,潘洁,高晓倩,吴辰辰[7]（2019）在《黑松冠层反射光谱方向特征分析》一文中研究指出松萎蔫病是松属树种的一种毁灭性病害,小范围甚至单木水平的森林病虫害的早期诊断对森林资源保护与可持续发展尤为重要。以感染松萎蔫病的黑松为研究对象,通过采集不同感病时期的黑松冠层的多角度光谱数据,分析不同特征波段的方向反射特征,总结不同感病程度黑松的冠层特征波段反射率的变化规律。结果显示:(1)在俯视观测时,在主平面方向的后向散射方向的反射率大于前向散射方向的反射率,并且在后向散射方向,四个波段的四个感病时期约在40°的观测天顶角出现热点效应;无论在主平面还是主垂面,蓝光波段(450 nm)与近红外波段(810 nm)的黑松冠层0°天顶角反射率呈现出感病初期>健康>感病中期>感病末期的变化规律,红光波段(680 nm)和绿光波段(560 nm)的黑松冠层0°天顶角反射率呈现出健康≈感病初期>感病中期≈感病末期的变化规律。在所有方位角,冠层反射率随着观测天顶角的增加而增大。(2)在仰视观测时,在主平面方向的后向散射方向的反射率小于前向散射方向的反射率,并且在方位角为0°时, 4个波段反射率都是较大的;无论在主平面还是主垂面,蓝光波段(450 nm)绿光波段(560 nm)和红光波段(680 nm)的冠层反射率的大小呈现出感病初期>健康>感病末期>感病中期的变化规律,近红外波段(810 nm)冠层反射率的大小呈现出感病初期>健康>感病中期>感病末期的变化规律;在所有方位角,冠层反射率随着观测仰角的增加而减小。(3)黑松冠层反射光谱在俯视和仰视观测时,各个特征波段的二向性反射率的各向异性最强的是主平面,最弱的是主垂面,且主垂面的前向和后向反射率会呈现对称性,即"镜面反射";各个特征波段在感病末期,黑松冠层反射率随观测天顶角的变化幅度较大,其他几个时期反射率随观测天顶角的变化幅度不明显。研究结果显示的树冠的不同角度的波段反射方向性特征为以后不同尺度的无人机监测的准确性与可靠性奠定基础,也为发展近地面便携式森林病虫害实时监测系统打下了基础。(本文来源于《光谱学与光谱分析》期刊2019年08期）
王磊[8]（2019）在《基于高光谱的草地冠层物种丰度估算与叶面积指数反演》一文中研究指出叶面积指数(LAI)是描述植被冠层几何结构的最基本参数,也是气候模型、地-气相互作用等模型的重要输入参数,作为全球重要植被类型之一的草地,在全球碳循环中具有重要作用和地位,准确开展大尺度的草地LAI遥感反演具有重要意义。然而,草地冠层物种丰富度高、结构复杂,物种个体在叶片和冠层尺度上均存在着较大的差异性,很大程度上影响了多物种构成的草地冠层光谱特征,进而为LAI的遥感反演工作带来较强的不确定性。高光谱成像数据以其丰富的谱段信息,能够获取植被冠层的大量参数信息,为冠层物种识别和丰度的估算提供了可能。利用无人机高光谱构建物种端元光谱库,基于Hyperion卫星高光谱数据开展冠层物种丰度估算,实现顾及草地冠层物种丰度的LAI反演工作,具有重要的应用价值。本文在内蒙古锡林郭勒草原选择典型研究区,在获取Hyperion卫星高光谱数据、无人机高光谱数据数据和地面同步草地观测数据的基础上,通过分析草地冠层物种构成及其丰度的光谱响应特征,提出了基于无人机高光谱数据,依据植被指数分级多次提取草地物种端元光谱的方法,进而面向草地物种丰度估算优选了不同混合像元分解模型,得到了研究区草地物种丰度估算结果,从而实现了顾及草地冠层物种丰度的LAI反演,获得了研究区草地LAI分布信息。论文的主要研究结论如下:(1)分析了草地冠层物种构成及其丰度的光谱响应特征。基于PROSPECT和PROSAIL模型分别从叶片到冠层尺度开展了草地冠层物种构成及其丰度的光谱响应特征分析。主要结论:在叶片尺度上,利用PROSPECT模型,分析了叶片结构、叶绿素、干物质、类胡萝卜素、水分含量等参数对叶片光谱特征的影响及敏感波长范围,进而将各物种的实测参数代入PROSPECT模型,获取了不同物种的模拟光谱,运用欧式距离和光谱角距离两个参数分别从反射率数值和曲线几何形态两个方面,评价了叶片尺度的可分性,表明不同物种叶片的光谱特征总体差异显着,但差异程度不同。在冠层尺度上,利用PROSAIL模型,对各物种在不同LAI下的冠层光谱进行了模拟,结果显示,各物种冠层的光谱特征随着LAI的增加,其区分度总体呈增强趋势,但在不同LAI下的差异性程度不同,当LAI<0.5时,其区分度较差,当0.5<LAI<4之间时,其光谱特征变化幅度显着增强,当LAI>4时,光谱特征的变化幅度有明显的减弱趋势;对相同LAI下的,不同物种的光谱特征分析表明,随着LAI的增大,各物种之间的光谱特征差异性总体呈增强趋势,当LAI<0.5时,其区分度较低,当0.5<LAI<4之间时,其区分度显着增强,当LAI>4时,不同物种的区分度有明显的减弱趋势。(2)提出了草地物种端元提取方法,并构建了端元光谱库。基于草地冠层物种构成及其丰度的光谱响应特征分析的基础上,提出了基于无人机高光谱数据,依据植被指数分级多次提取草地物种端元光谱的方法,并运用不同端元提取算法,构建了候选端元集,进而结合无人机高光谱成像过程中地面标识的物种参考端元光谱,综合欧式距离与光谱角距离优选了端元光谱库。(3)估算了研究区草地冠层物种丰度。分别运用完全约束最小二乘法(FCLS)和多端元线性混合光谱分解法(MESMA)2类丰度估算方法,基于Hyperion卫星高光谱数据对研究区进行了草地冠层物种丰度估算,通过精度评价,确定研究区草地冠层物种丰度的最优估算结果。(4)实现了顾及草地冠层物种丰度的LAI反演。在获取研究区草地冠层物种丰度估算的基础上,基于PROSAIL模型,根据实测参数值确定取值范围和步长,分物种构建查找表,利用光谱角和欧式距离结合作为光谱匹配算法,开展顾及草地冠层物种丰度的LAI反演研究,并开展精度评价与误差分析。结果显示,不同物种构成的反演精度存在一定差异性,羊草+糙隐子草的反演结果精度最高,平均绝对误差为0.31;而羊草+星毛委陵菜的误差相对其它群落类型较高,平均绝对误差为0.73;就整个研究区而言,草地LAI反演结果的总体平均绝对误差为0.43,达到了较高的反演精度。本文的主要创新点包括:(1)论文针对由多物种构成的复杂草地冠层的物种丰度估算问题,提出了基于无人机高光谱数据,依据植被指数分级多次提取草地物种端元光谱的方法,进而面向草地物种丰度估算优选了不同混合像元分解模型,得到了草地物种丰度估算结果,具有一定的技术方法创新性。(2)将草地冠层LAI遥感反演建立在草地冠层物种丰度估算的基础上,进行模型参数优化与约束,以期提高复杂物种构成的草地LAI反演精度的研究思路,具有一定的理论创新性。(本文来源于《南京大学》期刊2019-08-01）
孙乾,顾晓鹤,孙林,王淼,周龙飞[9]（2019）在《不同灌溉条件下冬小麦冠层含水量的光谱响应》一文中研究指出【目的】寻找快速、无损地诊断冠层含水量的方法,对冬小麦长势监测、旱情评估及变量灌溉提供技术支持。【方法】基于田间变量灌溉试验,分析生育期、灌溉量对冬小麦冠层含水量的影响,解析冠层光谱对不同灌溉处理下冠层含水量的响应规律,以冠层等效水厚度(EWTc)为表征指标,基于连续小波变换(CWT)技术,构建冬小麦冠层等效水厚度光谱诊断模型,利用独立样本验证模型精度。【结果】冬小麦冠层等效水厚度在生育后期均随着灌溉量的增多而增加,并随着生育进程的推进而减少;冬小麦冠层光谱反射率随着生育进程的推进而降低,在近红外和中红外波段冠层光谱反射率均表现为1水>0.5水>0水;与原始冠层光谱反射率相比,经连续小波变换后的小波系数与冠层等效水厚度相关性在第1、2、3、5、6、7分解尺度均有不同程度的提高,提高幅度在8.40%—26.20%;以第6尺度2 400 nm、第2尺度1 596 nm和第7尺度2 397 nm构建的冠层等效水厚度光谱诊断模型稳定性和精度较好,验证样本决定系数R~2为0.5411,RMSE为0.0127 cm。【结论】冬小麦冠层含水量随着灌溉时间与灌溉量发生规律性变化,在水分敏感波段范围内呈现明显的光谱响应特征,连续小波变换技术可以有效提高冠层光谱特征参量与冠层等效水厚度的相关性,实现冬小麦冠层含水量光谱诊断,可以为冬小麦田间变量灌溉决策提供技术支持。(本文来源于《中国农业科学》期刊2019年14期）
孙奇,焦全军,戴华阳[10]（2019）在《基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演》一文中研究指出遥感是开展地面/近地面、航空及航天层次无损伤探测植物叶绿素信息的主要手段。目前多波段计算光谱指数方法已被广泛地应用于植被冠层叶绿素含量的经验/半经验反演及应用中。考虑不同作物及同种作物不同品种间存在着一定的植被叶倾角分布(LAD)特征差异,针对叶倾角分布对光谱指数反演冠层叶绿素含量(CCC)的影响进行分析,并开展针对叶倾角分布变化不敏感的叶绿素相关光谱指数优选和冠层叶绿素反演建模研究。基于PROSAIL辐射传输模型模拟了不同叶片叶绿素含量(LCC)、叶面积指数(LAI)和LAD对应的冠层反射率数据。模拟结果显示,在相同LAI和LCC条件下,不同LAD对应的冠层反射率有明显差异,冠层反射率随着平均叶倾角的增加而降低。通过计算12个常用的叶绿素相关光谱指数与CCC的相关性指标,来评估光谱指数在不同LAD下反演叶绿素含量的敏感性差异,并依次优选出MTCI, MNDVI8, MNDVI1和CI_(red-edge)4个对LAD变化较不敏感的叶绿素相关光谱指数。利用玉米实测数据对光谱指数进行冠层叶绿素估测的建模和模型检验,模型的建立和验证结果显示, MNDVI8对LAD变化最不敏感,反演模型的精度最高,决定系数R~2=0.70,均方根误差RMSE=22.47μg·cm~(-2)。CI_(red-edge)(R~2=0.63, RMSE=24.06μg·cm~(-2)), MNDVI(R~2=0.66, RMSE=24.07μg·cm~(-2))和MTCI(R~2=0.65, RMSE=26.76μg·cm~(-2))反演模型的精度较为接近并稍弱于MNDVI8。通过对反演结果分析得出结论,不同的光谱指数对LAD变化的敏感性不同,优选的光谱指数普遍对叶绿素含量具有较好的相关性和敏感性,其中MNDVI8受LAD影响最小,能较高精度的反演LAD变化下的玉米冠层叶绿素含量。优选的其他光谱指数MTCI, CI_(red-edge)和MNDVI1反演能力虽然稍弱于MNDVI8,但受LAD影响较小,同样具有较好的反演能力。该工作开展LAD对光谱指数叶绿素反演的敏感性分析和光谱指数优选研究,其实测数据的检验结果和模拟数据的分析结果一致;基于优选光谱指数的冠层叶绿素含量反演建模结果及精度分析结论,对开展缺乏叶倾角分布差异先验知识下的大范围作物叶绿素含量遥感估测和应用具有借鉴意义。(本文来源于《光谱学与光谱分析》期刊2019年07期）
冠层光谱论文开题报告
（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：
为探究遥感监测水稻冠层叶片氮素含量的较优高光谱反演模型,以水稻小区试验为基础,获取了不同生长期水稻冠层高光谱数据。在综合比较一阶导数变换(1-Der)、标准正态变量变换(SNV)和SG滤波法等处理方法基础上,提出一种将SNV与一阶导数变换的SG滤波法相结合的光谱处理方法(SNV-FDSGF),并将处理后的数据经无信息变量消除法(UVE)与竞争自适应重加权采样法(CARS)选出不同生长期的敏感波段。将各生长期的敏感波段两两随机组合,并构建与水稻叶片含氮量相关性较高的差值光谱植被指数(DSI)、比值光谱植被指数(RSI)、归一化光谱植被指数(NDSI)。其中分蘖、拔节和抽穗3个时期的最优植被指数和决定系数R~2分别为:DSI(R_(857),R_(623)),0.704;DSI(R_(670),R_(578)),0.786;DSI(R_(995),R_(508)),0.754。以各生长期内的较优的叁种植被指数作为输入分别构建自适应差分优化的极限学习机(SaDE-ELM)、径向基神经网络(RBF-NN)以及粒子群优化的BP神经网络(PSO-BPNN)反演模型。结果表明:SaDE-ELM建模效果最好,在模型稳定性和预测能力上比RBF-NN和PSO-BPNN都有了明显提高,各生长期反演模型的训练集和验证集决定系数R~2均在0.810以上, RMSE均在0.400以下,可为东北水粳稻冠层叶片含氮量的检测与评估提供科学和技术依据。
（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。
冠层光谱论文参考文献
[1].束美艳,顾晓鹤,孙林,朱金山,杨贵军.倒伏胁迫下的玉米冠层结构特征变化与光谱响应解析[J].光谱学与光谱分析.2019
[2].冯帅,许童羽,于丰华,陈春玲,杨雪.基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究[J].光谱学与光谱分析.2019
[3].依尔夏提·阿不来提,白灯莎·买买提艾力,买买提·沙吾提,安申群.基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算[J].光学学报.2019
[4].李月,何宏昌,王晓飞,张国民.农作物冠层光谱分析及反演技术综述[J].测绘通报.2019
[5].姚胜男,蒋金豹,史晓霞,王文佳,孟豪.天然气微泄漏胁迫下大豆冠层叶绿素含量的高光谱估测[J].地理与地理信息科学.2019
[6].周宜,李晓,贺利,王洋洋,刘北城.基于冠层透射微分光谱的小麦植株含水量监测研究[J].麦类作物学报.2019
[7].夏秀丽,潘洁,高晓倩,吴辰辰.黑松冠层反射光谱方向特征分析[J].光谱学与光谱分析.2019
[8].王磊.基于高光谱的草地冠层物种丰度估算与叶面积指数反演[D].南京大学.2019
[9].孙乾,顾晓鹤,孙林,王淼,周龙飞.不同灌溉条件下冬小麦冠层含水量的光谱响应[J].中国农业科学.2019
[10].孙奇,焦全军,戴华阳.基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演[J].光谱学与光谱分析.2019