中圖網(wǎng)小程序
一鍵登錄
更方便
基于文獻學(xué)的澳洲龍紋斑研究與應(yīng)用進展 版權(quán)信息
- ISBN：9787511637482
- 條形碼：9787511637482 ; 978-7-5116-3748-2
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
基于文獻學(xué)的澳洲龍紋斑研究與應(yīng)用進展 內(nèi)容簡介
本書的編寫是跨學(xué)科大協(xié)作的一個新的嘗試，既有面上調(diào)研，點中剖析；又有文獻征集，分類總結(jié)。既有經(jīng)驗分享，技術(shù)提升；又有進展分析，對策研究。內(nèi)容豐富，有序歸類，便于從事科研與推廣工作者查詢及應(yīng)用。主要內(nèi)容包括：澳洲龍紋斑種質(zhì)資源及生物特性分析、澳洲龍紋斑繁育與養(yǎng)殖、澳洲龍紋斑疾病與防控等等。本書的出版可供我國乃至優(yōu)選從事澳洲龍紋斑生產(chǎn)與研究的的科研人員、工程技術(shù)人員和管理人員參考查閱。
基于文獻學(xué)的澳洲龍紋斑研究與應(yīng)用進展 目錄
**章緒論
**節(jié)研究背景及意義
第二節(jié)研究目的、內(nèi)容及解決的關(guān)鍵問題
一、研究目的
二、研究內(nèi)容
三、 解決的關(guān)鍵問題
第三節(jié)研究方法與技術(shù)路線
一、研究方法
二、技術(shù)路線
第四節(jié)本書的組織結(jié)構(gòu)
本章小結(jié)
第二章農(nóng)業(yè)干旱監(jiān)測及作物物候檢測方法研究進展
**節(jié)遙感植被觀測技術(shù)研究現(xiàn)狀
第二節(jié)農(nóng)業(yè)干旱監(jiān)測方法研究現(xiàn)狀
一、基于地面單點觀測的干旱指數(shù)
二、基于遙感面狀觀測的干旱指數(shù)
三、多干旱指數(shù)組合
第三節(jié)作物物候檢測方法研究現(xiàn)狀
一、基于有效積溫的方法
二、基于遙感植被指數(shù)的方法
本章小結(jié)
第三章基于分形的玉米作物物候遙感特征提取方法
**節(jié)分形與分維
一、分形及分維估計
二、降維-差分計盒維數(shù)法
第二節(jié)分維與玉米作物物候
一、分維變化原理
二、NDVI影像預(yù)處理
三、分形無標度區(qū)間
四、分維變化峰值檢測
五、實驗分析
第三節(jié)分維魯棒性檢驗
一、對比因子
二、對比指標
三、實驗結(jié)果
第四節(jié)縣級單元玉米發(fā)育期制圖
本章小結(jié)
第四章基于HMM的玉米作物物候動態(tài)估計方法
**節(jié)HMM模型
一、HMM模型設(shè)定
二、混合模型設(shè)定
第二節(jié)玉米作物生育期的HMM估計
一、多源特征提取
二、CPRs數(shù)據(jù)規(guī)則化
三、HMM參數(shù)估計
四、發(fā)育階段百分比估計
第三節(jié)實驗及結(jié)果
本章小結(jié)
第五章VCI指數(shù)的物候調(diào)節(jié)及其與SPI指數(shù)的關(guān)系
**節(jié)物候調(diào)節(jié)植被狀態(tài)指數(shù)
一、植被狀態(tài)指數(shù)
二、物候調(diào)節(jié)植被狀態(tài)指數(shù)
第二節(jié)標準化降水指數(shù)
一、SPI定義及計算方法
二、點面數(shù)據(jù)轉(zhuǎn)換
三、SPI時間序列插值
第三節(jié)兩指數(shù)間的關(guān)系
一、遙感與氣象干旱指數(shù)的關(guān)系
二、等級劃分
三、時間滯后及互相關(guān)性分析
第四節(jié)實驗與結(jié)果分析
一、研究區(qū)及數(shù)據(jù)
二、時間滯后及互相關(guān)性探討
三、干旱監(jiān)測分析
本章小結(jié)
第六章基于結(jié)構(gòu)推理的多干旱指數(shù)融合方法
**節(jié)符號
第二節(jié)結(jié)構(gòu)推理原理
第三節(jié)時間維度上的擴展
第四節(jié)模型參數(shù)估計
一、模型參數(shù)初始估計
二、模型參數(shù)優(yōu)化估計
第五節(jié)實驗及結(jié)果
一、樣區(qū)選取與干旱樣本統(tǒng)計
二、實驗結(jié)果與分析
本章小結(jié)
第七章結(jié)論與展望
**節(jié)結(jié)論
第二節(jié)展望
參考文獻
附錄I表格
附錄 II公式
**節(jié)研究背景及意義
第二節(jié)研究目的、內(nèi)容及解決的關(guān)鍵問題
一、研究目的
二、研究內(nèi)容
三、 解決的關(guān)鍵問題
第三節(jié)研究方法與技術(shù)路線
一、研究方法
二、技術(shù)路線
第四節(jié)本書的組織結(jié)構(gòu)
本章小結(jié)
第二章農(nóng)業(yè)干旱監(jiān)測及作物物候檢測方法研究進展
**節(jié)遙感植被觀測技術(shù)研究現(xiàn)狀
第二節(jié)農(nóng)業(yè)干旱監(jiān)測方法研究現(xiàn)狀
一、基于地面單點觀測的干旱指數(shù)
二、基于遙感面狀觀測的干旱指數(shù)
三、多干旱指數(shù)組合
第三節(jié)作物物候檢測方法研究現(xiàn)狀
一、基于有效積溫的方法
二、基于遙感植被指數(shù)的方法
本章小結(jié)
第三章基于分形的玉米作物物候遙感特征提取方法
**節(jié)分形與分維
一、分形及分維估計
二、降維-差分計盒維數(shù)法
第二節(jié)分維與玉米作物物候
一、分維變化原理
二、NDVI影像預(yù)處理
三、分形無標度區(qū)間
四、分維變化峰值檢測
五、實驗分析
第三節(jié)分維魯棒性檢驗
一、對比因子
二、對比指標
三、實驗結(jié)果
第四節(jié)縣級單元玉米發(fā)育期制圖
本章小結(jié)
第四章基于HMM的玉米作物物候動態(tài)估計方法
**節(jié)HMM模型
一、HMM模型設(shè)定
二、混合模型設(shè)定
第二節(jié)玉米作物生育期的HMM估計
一、多源特征提取
二、CPRs數(shù)據(jù)規(guī)則化
三、HMM參數(shù)估計
四、發(fā)育階段百分比估計
第三節(jié)實驗及結(jié)果
本章小結(jié)
第五章VCI指數(shù)的物候調(diào)節(jié)及其與SPI指數(shù)的關(guān)系
**節(jié)物候調(diào)節(jié)植被狀態(tài)指數(shù)
一、植被狀態(tài)指數(shù)
二、物候調(diào)節(jié)植被狀態(tài)指數(shù)
第二節(jié)標準化降水指數(shù)
一、SPI定義及計算方法
二、點面數(shù)據(jù)轉(zhuǎn)換
三、SPI時間序列插值
第三節(jié)兩指數(shù)間的關(guān)系
一、遙感與氣象干旱指數(shù)的關(guān)系
二、等級劃分
三、時間滯后及互相關(guān)性分析
第四節(jié)實驗與結(jié)果分析
一、研究區(qū)及數(shù)據(jù)
二、時間滯后及互相關(guān)性探討
三、干旱監(jiān)測分析
本章小結(jié)
第六章基于結(jié)構(gòu)推理的多干旱指數(shù)融合方法
**節(jié)符號
第二節(jié)結(jié)構(gòu)推理原理
第三節(jié)時間維度上的擴展
第四節(jié)模型參數(shù)估計
一、模型參數(shù)初始估計
二、模型參數(shù)優(yōu)化估計
第五節(jié)實驗及結(jié)果
一、樣區(qū)選取與干旱樣本統(tǒng)計
二、實驗結(jié)果與分析
本章小結(jié)
第七章結(jié)論與展望
**節(jié)結(jié)論
第二節(jié)展望
參考文獻
附錄I表格
附錄 II公式
展開全部
基于文獻學(xué)的澳洲龍紋斑研究與應(yīng)用進展 節(jié)選
**章緒論 **節(jié)研究背景及意義 隨著全球氣候變化的加劇，氣溫不斷升高，干旱發(fā)生的頻率和強度不斷增強，干旱地區(qū)的擴大與干旱化程度日趨嚴重，干旱化趨勢已成為全球關(guān)注的焦點。在長期無雨或少雨的情況下，土壤水分虧缺，蒸散作用使得農(nóng)作物體內(nèi)水分平衡嚴重失調(diào)，正常生理活動遭到破壞，從而引發(fā)農(nóng)作物干旱事件。中國處于季風(fēng)氣候區(qū)，降雨分布不均，造成的干旱問題尤為突出［1］。中國常年農(nóng)作物受旱面積2×107~27×107hm2，造成每年糧食損失25×1010~3×1010kg，占各種自然災(zāi)害損失總量的60%左右［2］。美國等一些涵蓋農(nóng)業(yè)產(chǎn)業(yè)的發(fā)達國家，同樣不同程度地遭受著干旱的威脅。農(nóng)業(yè)干旱是一個持續(xù)的過程，成災(zāi)范圍一般呈片狀，且干旱的發(fā)生、發(fā)展不受時間和空間的限制。目前，農(nóng)業(yè)干旱監(jiān)測主要采用干旱指數(shù)來反映干旱持續(xù)的時間和強度。世界氣象組織（World Meteorological Organization）［3］將干旱指數(shù)定義為：它是跟持續(xù)、異常的水分不足造成的累積效應(yīng)相關(guān)的指數(shù)。應(yīng)用較為廣泛的干旱監(jiān)測指數(shù)主要有兩類：一類是基于傳統(tǒng)地面氣象觀測數(shù)據(jù)的干旱指數(shù)，即氣象干旱指數(shù)，該類指數(shù)都是基于單點觀測，其空間上的監(jiān)測精度受控于氣象站點的分布密度，很難反映精細的干旱狀況；另一類是基于衛(wèi)星遙感信息的干旱監(jiān)測指數(shù)，主要是應(yīng)用多時相、多光譜、多角度遙感數(shù)據(jù)從不同側(cè)面定性或半定量地評價土壤水分分布狀況，具有覆蓋范圍廣、時空間分辨率高等優(yōu)點。玉米作物作為世界上主要的糧食作物品種，干旱的發(fā)生將直接造成糧食危機，威脅到人類的溫飽水平。故有必要對其進行較為精細的旱情監(jiān)測。 對于遙感干旱指數(shù)來說，它們大多被設(shè)計用于反映地表綜合的干旱程度，很少考慮用于特定作物類型的旱情監(jiān)測。因此，直接將常規(guī)遙感干旱指數(shù)應(yīng)用于玉米作物旱情監(jiān)測并不具可行性。比如，常規(guī)的植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）應(yīng)用于特定作物類型旱情監(jiān)測存在以下3個方面的缺陷。 （1）時間基準問題；由VCI指數(shù)定義可知，其所采用的時間基準是以觀測月球運動規(guī)律制定的歷法，即日歷年。不同年同一日期（DOY）的歸一化植被指數(shù)（NDVI），可能因為作物的物候期不一致，而不具有可比性。 （2）作物類型變更問題。由于輪作機制，農(nóng)業(yè)耕地里不同年份的作物類型可能發(fā)生變更。比如，對于同一地塊，去年種玉米，今年可能換種大豆。這樣，不同年份的NDVI值同樣不具可比性，使得計算得到的VCI指數(shù)失準。 （3）數(shù)據(jù)可靠性問題。遙感干旱指數(shù)（比如VCI指數(shù)）和氣象干旱指數(shù)（比如標準降雨指數(shù)），都面臨著數(shù)據(jù)可靠性的問題。當遙感數(shù)據(jù)出現(xiàn)大面積云遮擋、氣溶膠等噪聲時，據(jù)此數(shù)據(jù)計算出來的VCI指數(shù)可靠性降低。而借助于氣象站點觀測數(shù)據(jù)計算出來的標準降雨指數(shù)（Standardized Precipitation Index，SPI），同樣存在因站點的變遷、數(shù)據(jù)漏記錄、儀器整修等造成的可靠性問題。 針對上述3個問題，提出相應(yīng)的解決方案，依次為：①提出了一種物候調(diào)節(jié)植被狀態(tài)指數(shù)（Phenology Adjusted Vegetation Condition Index，PA-VCI），即根據(jù)檢測出的作物物候信息估計出每年的時間偏移量，對VCI指數(shù)的時間基準進行校正；②提出以行政區(qū)劃單元（州、縣）為*小對象，取代以遙感影像像元為*小對象的做法，可一定程度上消除互異性；③提出了一種基于結(jié)構(gòu)推理的數(shù)據(jù)融合方法，實現(xiàn)PA-VCI指數(shù)與SPI指數(shù)的聯(lián)合干旱監(jiān)測。具體實現(xiàn)過程為：A依據(jù)玉米作物生育期NDVI影像分維變化的原理，建立玉米作物物候的分維衡量指標；B考慮到玉米作物物候信息動態(tài)檢測的需求，以行政區(qū)劃單元為目標對象，分維值、NDVI均值及有效積溫為數(shù)據(jù)輸入，構(gòu)建隱形馬爾可夫模型（Hidden Markov Model，HMM）實現(xiàn)玉米作物物候信息的動態(tài)估計；C考慮到植被狀態(tài)指數(shù)（VCI）以日歷年為基準的缺陷，引入作物物候校正VCI指數(shù)的時間基準，建立物候調(diào)節(jié)植被狀態(tài)指數(shù)（PA-VCI）；D以美國干旱監(jiān)測網(wǎng)發(fā)布的旱情為參考，討論了PA-VCI指數(shù)與月時間尺度SPI指數(shù)的相關(guān)性和時間超前、滯后關(guān)系，并探討指數(shù)融合的必要性；E針對多干旱指數(shù)聯(lián)合干旱監(jiān)測的需求，提出利用結(jié)構(gòu)推理的方法實現(xiàn)對PA-VCI指數(shù)和SPI指數(shù)的融合處理。該研究成果可望實現(xiàn)對玉米作物旱情的動態(tài)監(jiān)測，并及時準確地反映旱情發(fā)生的范圍和程度，可為災(zāi)害管理提供輔助手段和決策支持。 第二節(jié)研究目的、內(nèi)容及解決的關(guān)鍵問題 一、研究目的 本研究的目的是通過融合包含PA-VCI指數(shù)在內(nèi)的多源異構(gòu)干旱指數(shù)，實現(xiàn)玉米作物旱情的動態(tài)監(jiān)測。為此，通過分析遙感時序影像分維估計值和玉米作物物候信息地面實測值，探討分維與玉米作物物候的關(guān)聯(lián)關(guān)系；通過提取多源特征（分維、NDVI均值和有效積溫），構(gòu)建相應(yīng)的估計模型，實現(xiàn)玉米作物物候信息的動態(tài)檢測，并構(gòu)建PA-VCI干旱指數(shù)；通過分析縣級別的PA-VCI指數(shù)和SPI指數(shù)，發(fā)現(xiàn)兩種干旱指數(shù)的關(guān)聯(lián)關(guān)系，以及指數(shù)融合的必要性；通過構(gòu)建結(jié)構(gòu)推理模型，實現(xiàn)PA-VCI指數(shù)與SPI指數(shù)的融合處理，以實現(xiàn)玉米作物旱情的動態(tài)監(jiān)測，為農(nóng)業(yè)生產(chǎn)管理、先兆預(yù)警及宏觀決策提供技術(shù)支持，提升農(nóng)業(yè)生產(chǎn)過程管理的質(zhì)量和競爭力。 二、研究內(nèi)容 根據(jù)上述研究目的，擬提出以下兩方面的研究內(nèi)容。 1基于分形的玉米作物物候檢測方法 針對玉米作物耕地呈零星塊狀在遙感影像上分布的特點（不規(guī)則興趣區(qū)），研究遙感影像不規(guī)則興趣區(qū)（Region of Interest，ROI）的分維估計方法；顧及玉米作物生育期遙感時序影像分維變化的特點，研究分維時間序列與玉米作物物候的聯(lián)系及檢測方法；針對實際應(yīng)用中對玉米作物物候信息現(xiàn)時性的需求，研究基于NDVI值、分維值、有效積溫等多源特征的玉米作物物候信息動態(tài)估計方法。 2基于結(jié)構(gòu)推理的多干旱指數(shù)融合方法 針對VCI指數(shù)以日歷年為時間基準的缺陷，研究利用玉米作物物候信息校正常規(guī)VCI指數(shù)的方法；針對遙感干旱指數(shù)和氣象干旱指數(shù)各自的優(yōu)勢，探討PA-VCI指數(shù)與SPI指數(shù)的聯(lián)系及數(shù)據(jù)融合的必要性；針對干旱指數(shù)數(shù)據(jù)可靠性的問題，研究基于結(jié)構(gòu)推理的PA-VCI指數(shù)和SPI指數(shù)融合方法，以滿足玉米作物旱情精細化監(jiān)測的需求。 三、 解決的關(guān)鍵問題 1基于分形的玉米作物物候遙感特征提取 受傳統(tǒng)地面作物物候信息單點調(diào)查手段費時、費力，且無法大范圍操作的限制，遙感手段成為作物物候信息提取的熱點。建立遙感影像紋理特征與玉米作物物候的聯(lián)系，是遙感物候檢測首要的。分維作為影像紋理粗糙度的一種表述，可反映玉米作物發(fā)育過程中NDVI影像紋理的變化。建立分維與玉米作物物候的關(guān)聯(lián)，可為物候檢測提供理論基礎(chǔ)。另外，考慮到遙感影像上玉米作物耕地呈塊狀零星分布的特點，需利用分形乘積的原理，設(shè)計并實現(xiàn)一種針對遙感影像不規(guī)則ROI的分維估計算法。 2玉米作物物候期的動態(tài)估計 目前，大多數(shù)作物物候檢測方法，僅依賴單源特征（比如NDVI指數(shù)或有效積溫等），且只能檢測出少量特定的物候期（比如變綠期、成熟期、衰落期和休眠期）。集成遙感光譜值、影像紋理和地面氣象站變量等多源多特征，有望提高玉米作物物候檢測的種類、準確度和實時化程度。為此，需解決多源特征的提取和估計模型的構(gòu)建，實現(xiàn)玉米作物物候信息的動態(tài)檢測。 3基于多指數(shù)融合的玉米作物旱情監(jiān)測 解決常規(guī)VCI指數(shù)時間基準問題，提出基于作物物候信息修正的PA-VCI指數(shù)。解決PA-VCI指數(shù)和SPI指數(shù)的干旱等級劃分問題，檢驗兩指數(shù)間的關(guān)聯(lián)性和時間超前滯后關(guān)系，驗證兩種指數(shù)融合的必要性，為聯(lián)合旱情監(jiān)測奠定理論基礎(chǔ)。另外，目前多干旱指數(shù)融合作物旱情監(jiān)測方法，較少考慮到數(shù)據(jù)自身的有效性（可靠性），僅是干旱指數(shù)間的硬性融合。為此，需結(jié)合來源于遙感影像的PA-VCI指數(shù)和來源于地面氣象站觀測資料的SPI指數(shù)，考慮指數(shù)的時序有效性，構(gòu)建融合模式進行PA-VCI指數(shù)和SPI指數(shù)的融合處理，實現(xiàn)玉米作物旱情的動態(tài)監(jiān)測。 第三節(jié)研究方法與技術(shù)路線 一、研究方法 本研究是以空間信息科學(xué)、計算機科學(xué)、統(tǒng)計學(xué)、計算幾何學(xué)及拓撲學(xué)為理論基礎(chǔ)，研究過程中主要采用綜合歸納、對比分析、模型假設(shè)與檢驗、算法開發(fā)與驗證等方法。學(xué)習(xí)、借鑒國內(nèi)外有關(guān)農(nóng)作物物候檢測方法和多干旱指數(shù)聯(lián)合監(jiān)測方法。在驗證分維與玉米作物物候、PA-VCI指數(shù)與SPI指數(shù)等內(nèi)在聯(lián)系時，利用統(tǒng)計指標反映變量之間相關(guān)關(guān)系密切程度；在融合PA-VCI指數(shù)與SPI指數(shù)時，采用模式分類的方法實現(xiàn)多干旱指數(shù)的融合處理。 為了更好地闡明和驗證本書方法的有效性，所選取的研究區(qū)單元和數(shù)據(jù)涉及多種時空尺度。為了驗證分形和玉米作物物候的內(nèi)在聯(lián)系，本書利用以州為*小統(tǒng)計單元、周時間尺度的地面調(diào)查數(shù)據(jù)進行了驗證。為此，所采用的遙感數(shù)據(jù)也以州為單元、以周為時間尺度；為了驗證分維方法的魯棒性，不同遙感數(shù)據(jù)集間的時間尺度進行了統(tǒng)一，即采用旬時間尺度；然后，將分維方法從州單元空間尺度向縣單元空間尺度進行了擴展；在進行多干旱指數(shù)融合時，也進行了時空尺度的統(tǒng)一，即以縣為*小單元、以周為*小時間間隔。通過時空數(shù)據(jù)的轉(zhuǎn)化，在一定程度上克服了因現(xiàn)有驗證數(shù)據(jù)不足的缺陷，使得本書所提出的方法更具說服力。 二、技術(shù)路線 本書主要利用分維檢測玉米作物物候特征，依據(jù)物候信息修正VCI指數(shù)，利用結(jié)構(gòu)推理方法完成PA-VCI指數(shù)與SPI指數(shù)的融合處理，*終實現(xiàn)玉米作物旱情的動態(tài)監(jiān)測。為此，針對本書的研究內(nèi)容和關(guān)鍵問題，采用如圖11所示的技術(shù)路線。 圖11技術(shù)路線 1遙感影像不規(guī)則ROI的分維估計 針對玉米作物像元呈塊區(qū)在遙感影像上分布的特點，利用分形乘積原理，提出一種降維-差分計盒維數(shù)法（Dimensionality-Reduction based Differential Box-Counting algorithm，DR-DBC），以實現(xiàn)遙感影像不規(guī)則ROI的分維估計。 2分維與玉米作物物候關(guān)聯(lián)性檢驗 分析了玉米作物生育期過程中，遙感影像分維變化的特點，建立了遙感影像分維值與玉米作物物候的聯(lián)系。通過構(gòu)建一系列擬合函數(shù)，實現(xiàn)對分維時間序列峰值的自動檢測，建立了分維時序峰值與玉米作物物候的對應(yīng)關(guān)系，并利用地面調(diào)查數(shù)據(jù)進行了實驗驗證。 3分維玉米作物物候檢測方法的魯棒性測試 通過構(gòu)建一系列的對比因子和對比指標，驗證分維方法對不同傳感器、分辨率、混合像元的穩(wěn)定性。 4基于多特征、HMM模型的玉米作物物候信息動態(tài)檢測 利用從遙感影像中提取的NDVI均值和分維值，將從氣象觀測數(shù)據(jù)中提取的有效積溫作為數(shù)據(jù)輸入，結(jié)合隱形馬爾可夫模型（Hidden Markov Model，HMM），動態(tài)估計玉米作物物候信息。通過實驗驗證，并與常規(guī)逐像元物候檢測方法對比，驗證HMM方法的有效性。 5 PA-VCI指數(shù)的計算 針對VCI指數(shù)以日歷年作為時間基準，忽略了作物本身物候變化的缺陷，提出物候調(diào)節(jié)植被狀態(tài)指數(shù)（PA-VCI），并給出該指數(shù)的定義及計算方法，探討基于PA-VCI指數(shù)干旱監(jiān)測的必要性和重要意義。 6 SPI指數(shù)的計算、點面轉(zhuǎn)換和插值方法 考慮到SPI指數(shù)為月時間尺度離散點狀數(shù)據(jù)，而PA-VCI指數(shù)為周時間尺度面狀數(shù)據(jù)的問題，采用泰森多邊形加權(quán)法實現(xiàn)對SPI指數(shù)的點面數(shù)據(jù)轉(zhuǎn)換，并構(gòu)造插值函數(shù)將月時間尺度SPI插值為周時間粒度。 7 PA-VCI指數(shù)與SPI指數(shù)的關(guān)聯(lián)檢驗 通過構(gòu)建PA-VCI指數(shù)與SPI指數(shù)時間序列的互相關(guān)性函數(shù)，計算互相關(guān)性、評估時間超前滯后關(guān)系，并探討了指數(shù)融合的必要性。 8基于結(jié)構(gòu)推理實現(xiàn)PA-VCI指數(shù)與SPI指數(shù)融合處理 將多干旱指數(shù)融合過程分解成相應(yīng)的模式，然后根據(jù)所構(gòu)建的概率模型，估計當前時間節(jié)點所對應(yīng)的融合模式，實現(xiàn)玉米作物旱情的監(jiān)測。 ……
基于文獻學(xué)的澳洲龍紋斑研究與應(yīng)用進展 作者簡介
王迪，男，1977年出生，副研究員，工學(xué)博士，碩士生導(dǎo)師，現(xiàn)在中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所農(nóng)業(yè)遙感創(chuàng)新團隊工作。長期從事農(nóng)業(yè)遙感基礎(chǔ)與應(yīng)用研究，重點開展農(nóng)作物面積空間抽樣理論與技術(shù)、基于雷達遙感的農(nóng)作物識別與長勢監(jiān)測研究。先后主持和參與省部級及其他各類研究項目30余項，以作者在國內(nèi)外重要學(xué)術(shù)期刊發(fā)表論文30余篇。作為主要參加人獲得國家科技進步二等獎和水利部大禹水利科學(xué)技術(shù)獎二等獎各1項。在我國農(nóng)作物種植面積空間抽樣調(diào)查方法研究方面獲得了豐碩的成果。
書友推薦
- >
煙與鏡
- >
名家?guī)阕x魯迅:朝花夕拾
- >
名家?guī)阕x魯迅:故事新編
- >
姑媽的寶刀
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
龍榆生：詞曲概論/大家小書
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
