文献类型： 中文期刊
作者： 谭昌伟 1 ; 王纪华 1 ; 黄文江 1 ; 刘良云 1 ; 黄义德 2 ; 严伟才 2 ;
作者机构： 1.国家农业信息化工程技术研究中心
2.安徽农业大学农学系
关键词： 高光谱遥感;植被指数;植被理化信息
期刊名称： 西北农林科技大学学报(自然科学版)
ISSN： 1000-2782
年卷期： 2005 年 33 卷 05 期
页码： 151-156
收录情况： 北大核心 ; CSCD
摘要： 概述了高光谱遥感信息的处理方法,综述和总结了高光谱遥感在植被生物物理和生物化学信息提取等方面的应用及国内外研究进展,阐述了植被指数应用的可行性,在此基础上指出高光谱遥感在提取植被信息过程中存在的问题及其发展前景。
- 相关文献
[1]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017
[2]融合可见光-近红外与短波红外特征的新型植被指数估算冬小麦LAI. 李鑫川,鲍艳松,徐新刚,金秀良,张竞成,宋晓宇. 2013
[3]用神经网络和高光谱植被指数估算小麦生物量. 王大成,王纪华,靳宁,王芊,李存军,黄敬峰,王渊,黄芳. 2008
[4]自主研制的田间成像高光谱仪农学建模研究. 黄文江,张东彦,马智宏,王秋平. 2010
[5]高光谱遥感监测冬小麦条锈病的研究进展(综述). 黄木易,王纪华,黄义德,黄文江,赵春江,刘良云. 2004
[6]高光谱遥感叶面积指数(LAI)反演研究现状. 邢著荣,冯幼贵,李万明,王萍,杨贵军. 2010
[7]用高光谱微分指数监测冬小麦病害的研究. 蒋金豹,陈云浩,黄文江. 2007
[8]基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证. 孙焱鑫,王纪华,李保国,刘良云,黄文江,赵春江. 2007
[9]应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算. 付元元,王纪华,杨贵军,宋晓宇,徐新刚,冯海宽. 2013
[10]主成分分析法与植被指数经验方法估测冬小麦条锈病严重度的对比研究. 陈云浩,蒋金豹,黄文江,王圆圆. 2009
[11]小麦条锈病高光谱近地与高空遥感监测比较研究. 蔡成静,马占鸿,王海光,张玉萍,黄文江. 2007
[12]用高光谱微分指数估测条锈病胁迫下小麦冠层叶绿素密度. 蒋金豹,陈云浩,黄文江. 2010
[13]冬小麦条锈病严重度不同估算方法对比研究. 王静,景元书,黄文江,张竞成,赵娟,张清,王力. 2015
[14]基于BP和GRNN神经网络的冬小麦冠层叶绿素高光谱反演建模研究. 孙焱鑫,王纪华,李保国,刘良云,黄文江,赵春江. 2007
[15]基于改进的PRI方法对植被冠层叶绿素含量的反演. 宁艳玲,张学文,韩启金,杨宝祝. 2014
[16]基于概率神经网络的水稻穗颈瘟高光谱遥感识别初步研究. 李波,刘占宇,武洪峰,徐新刚,孙安利,黄敬峰. 2009
[17]基于可见光-近红外光谱特征参数的苹果叶片氮含量预测. 杨福芹,冯海宽,李振海,杨贵军,戴华阳. 2017
[18]基于微分变换定量反演土壤有机质及全氮含量. 高颖,王延仓,顾晓鹤,周新武,马样,宣孝义. 2020
[19]基于可见光-近红外新光谱特征和最优组合原理的大麦叶片氮含量监测. 徐新刚,赵春江,王纪华,李存军,杨小冬. 2013
[20]作物氮素营养诊断方法的研究现状及进展. 郭建华,赵春江,王秀,陈立平. 2008
作者其他论文 更多>>
-
数字育种关键技术研究现状与发展路径
作者：王晓锋;杨硕;闫宝歧;葛晓;谭昌伟;刘忠强
关键词：生物育种;数字育种;智能育种技术;装备;平台;智能化;自动化
-
作物病虫害高光谱遥感进展与展望
作者：张凝;杨贵军;赵春江;张竞成;杨小冬;潘瑜春;黄文江;徐波;李明;朱西存;李振海
关键词：遥感;作物病虫害;高光谱遥感;监测识别;未来展望
-
基于紫外-可见光谱与深度学习CNN算法的水质COD预测模型研究
作者：贾文珅;张恒之;马洁;梁刚;王纪华;刘鑫
关键词：紫外-可见光谱;卷积神经网络;化学需氧量;预测模型
-
酒石酸手性异构体太赫兹波谱鉴别研究
作者：王冬;吴静珠;王纪华;韩平
关键词：太赫兹;酒石酸;环糊精;手性异构体
-
基于超像素分割的田间小麦穗数统计方法
作者：杜颖;蔡义承;谭昌伟;李振海;杨贵军;冯海宽;韩东
关键词：小麦;识别;穗数;超像素;颜色特征
-
日光诱导叶绿素荧光与反射率光谱数据监测小麦条锈病严重度的对比分析
作者：赵叶;竞霞;黄文江;董莹莹;李存军
关键词：小麦条锈病;3FLD;日光诱导叶绿素荧光;植被指数;微分光谱;病情严重度
-
近红外光谱变量选择及其在苹果可溶性固形物含量无损速测中的应用
作者：张鹤冬;吴静珠;韩平;王纪华;王冬
关键词：近红外光谱;无信息变量消除;可溶性固形物含量;苹果
