掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類(lèi)五星書(shū)更多>
-
>
宇宙、量子和人類(lèi)心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數(shù)學(xué)專(zhuān)題練1200題
-
>
希格斯:“上帝粒子”的發(fā)明與發(fā)現(xiàn)
-
>
神農(nóng)架疊層石:10多億年前遠(yuǎn)古海洋微生物建造的大堡礁
-
>
聲音簡(jiǎn)史
中圖價(jià):¥73.5
加入購(gòu)物車(chē)
植被高光譜激光雷達(dá)遙感基礎(chǔ)與應(yīng)用 版權(quán)信息
- ISBN：9787030741929
- 條形碼：9787030741929 ; 978-7-03-074192-9
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
植被高光譜激光雷達(dá)遙感基礎(chǔ)與應(yīng)用 本書(shū)特色
在保留激光雷達(dá)搞笑的結(jié)構(gòu)探測(cè)和高光譜探測(cè)能力，從而直接進(jìn)行植被結(jié)構(gòu)參數(shù)和生化參數(shù)獲取。
植被高光譜激光雷達(dá)遙感基礎(chǔ)與應(yīng)用 內(nèi)容簡(jiǎn)介
高光譜激光雷達(dá)是一種新型的遙感儀器，可以直接獲取高分辨率的帶有光譜屬性信息的波形數(shù)據(jù)，在保留激光雷達(dá)高效的結(jié)構(gòu)探測(cè)和高光譜探測(cè)能力，從而直接進(jìn)行植被結(jié)構(gòu)參數(shù)和生化參數(shù)獲取，在解決植被遙感中結(jié)構(gòu)和屬性反演中具有重要價(jià)值，課題組近幾年依托國(guó)家自然科學(xué)基金重點(diǎn)基金等項(xiàng)目，利用自研的新型高光譜激光雷達(dá)設(shè)備，在植被遙感研究中開(kāi)展了大量的應(yīng)用。
植被高光譜激光雷達(dá)遙感基礎(chǔ)與應(yīng)用 目錄
目錄
第1章 緒論 1
1.1 研究背景和意義 1
1.2 國(guó)內(nèi)外研究現(xiàn)狀綜述 3
1.3 章節(jié)概述 13
參考文獻(xiàn) 13
第2章 高光譜激光雷達(dá)原理及系統(tǒng)組成 21
2.1 激光雷達(dá)原理和理論基礎(chǔ) 21
2.2 高光譜激光雷達(dá)系統(tǒng)組成 24
2.3 高光譜激光雷達(dá)系統(tǒng)特性分析 34
2.4 本章小結(jié) 37
參考文獻(xiàn) 37
第3章 高光譜激光雷達(dá)數(shù)據(jù)處理關(guān)鍵技術(shù) 39
3.1 幾何校正方法 39
3.2 脈沖延遲效應(yīng)及校正方法 52
3.3 子光斑效應(yīng)校正方法 64
3.4 本章小結(jié) 68
參考文獻(xiàn) 69
第4章 植被理化參數(shù)探測(cè)基礎(chǔ) 72
4.1 高光譜激光雷達(dá)信號(hào)分析 72
4.2 葉片葉綠素含量反演 74
4.3 葉片氮素含量反演 76
4.4 本章小結(jié) 78
參考文獻(xiàn) 78
第5章 植被葉片復(fù)雜反射特性分析與校正 80
5.1 植被葉片表面復(fù)雜反射特性描述 80
5.2 Poullain模型及其應(yīng)用 89
5.3 植被葉片回波強(qiáng)度和反射率的人射角效應(yīng)校正 91
5.4 本章小結(jié) 95
參考文獻(xiàn) 95
第6章 單株尺度的植株理化參數(shù)提取 98
6.1 入射角校正 99
6.2 冠層結(jié)構(gòu)和生化參數(shù)一體化提取 100
6.3 冠層垂直葉綠素反演 105
6.4 冠層三維光合參數(shù)分布 107
6.5 本章小結(jié) 108
參考文獻(xiàn) 109
第7章 器官尺度的玉米植株表型參數(shù)提取 112
7.1 分析方法 112
7.2 莖和葉生物量反演 114
7.3 莖和葉氮素含量反演 115
7.4 氮素和生物量在莖葉上的動(dòng)態(tài)變化 117
7.5 氮素含量隨著生物量的變化規(guī)律 119
7.6 本章小結(jié) 120
參考文獻(xiàn) 121
第1章 緒論 1
1.1 研究背景和意義 1
1.2 國(guó)內(nèi)外研究現(xiàn)狀綜述 3
1.3 章節(jié)概述 13
參考文獻(xiàn) 13
第2章 高光譜激光雷達(dá)原理及系統(tǒng)組成 21
2.1 激光雷達(dá)原理和理論基礎(chǔ) 21
2.2 高光譜激光雷達(dá)系統(tǒng)組成 24
2.3 高光譜激光雷達(dá)系統(tǒng)特性分析 34
2.4 本章小結(jié) 37
參考文獻(xiàn) 37
第3章 高光譜激光雷達(dá)數(shù)據(jù)處理關(guān)鍵技術(shù) 39
3.1 幾何校正方法 39
3.2 脈沖延遲效應(yīng)及校正方法 52
3.3 子光斑效應(yīng)校正方法 64
3.4 本章小結(jié) 68
參考文獻(xiàn) 69
第4章 植被理化參數(shù)探測(cè)基礎(chǔ) 72
4.1 高光譜激光雷達(dá)信號(hào)分析 72
4.2 葉片葉綠素含量反演 74
4.3 葉片氮素含量反演 76
4.4 本章小結(jié) 78
參考文獻(xiàn) 78
第5章 植被葉片復(fù)雜反射特性分析與校正 80
5.1 植被葉片表面復(fù)雜反射特性描述 80
5.2 Poullain模型及其應(yīng)用 89
5.3 植被葉片回波強(qiáng)度和反射率的人射角效應(yīng)校正 91
5.4 本章小結(jié) 95
參考文獻(xiàn) 95
第6章 單株尺度的植株理化參數(shù)提取 98
6.1 入射角校正 99
6.2 冠層結(jié)構(gòu)和生化參數(shù)一體化提取 100
6.3 冠層垂直葉綠素反演 105
6.4 冠層三維光合參數(shù)分布 107
6.5 本章小結(jié) 108
參考文獻(xiàn) 109
第7章 器官尺度的玉米植株表型參數(shù)提取 112
7.1 分析方法 112
7.2 莖和葉生物量反演 114
7.3 莖和葉氮素含量反演 115
7.4 氮素和生物量在莖葉上的動(dòng)態(tài)變化 117
7.5 氮素含量隨著生物量的變化規(guī)律 119
7.6 本章小結(jié) 120
參考文獻(xiàn) 121
展開(kāi)全部
植被高光譜激光雷達(dá)遙感基礎(chǔ)與應(yīng)用 節(jié)選
第1章緒論 1.1研究背景和意義 在生物物種豐富的地區(qū)，自然植被群落通常呈現(xiàn)林-灌-草立體分布，不同高度處光照、水分和養(yǎng)分有較大差異，探測(cè)這種復(fù)雜三維立體分布特性不僅是精確的生態(tài)系統(tǒng)監(jiān)測(cè)和管理的需要，而且對(duì)病蟲(chóng)害早期預(yù)警、預(yù)估生態(tài)系統(tǒng)演化等研究具有重要意義，可以有效推動(dòng)林業(yè)、草原和農(nóng)業(yè)管理水平提高，對(duì)生態(tài)環(huán)境和全球氣候變化等科學(xué)研究也有一定的促進(jìn)作用（李小文和王錦地，1995；牛錚和王長(zhǎng)耀，2008）。 植被生理結(jié)構(gòu)參數(shù)和生化組分參數(shù)的遙感反演，在近20～30年來(lái)遙感走向定量化過(guò)程中始終被重點(diǎn)關(guān)注。高精度地重建冠層輻射傳輸過(guò)程以獲取葉面積指數(shù)和葉向分布，以及重建葉片輻射傳輸過(guò)程以獲取葉綠素、水分、蛋白質(zhì)、纖維素、木質(zhì)素等多種生化組分的含量信息，是定量遙感的長(zhǎng)期目標(biāo)。在此基礎(chǔ)上，建立遙感過(guò)程中的冠層-葉片聯(lián)合輻射傳輸理論，厘清多種生理生化參數(shù)一體化反演的思路，也被認(rèn)為具有重要的理論意義和實(shí)用價(jià)值。這一理論的不斷完善和實(shí)際需求的增加，很大程度上促進(jìn)了多角度和高光譜兩種新型被動(dòng)光學(xué)遙感技術(shù)的發(fā)展。 多角度遙感是提取植被冠層生理結(jié)構(gòu)信息*有力的技術(shù)手段。這一技術(shù)重點(diǎn)利用了電磁波的方向特性，通過(guò)探測(cè)植被冠層表面方向反射信息，結(jié)合輻射傳輸建模及其反演理論，有效提取植被葉面積指數(shù)和葉向分布。20世紀(jì)80年代末90年代初，隨著新型遙感器研制的推動(dòng)，以幾何光學(xué)模型和輻射傳輸模型為基礎(chǔ)的多角度遙感研究蓬勃發(fā)展（牛錚，1997）。21世紀(jì)以來(lái)，圍繞葉面積指數(shù)實(shí)用化衛(wèi)星反演，相關(guān)科研工作者開(kāi)展了更深入的研究，如考慮植被間隙率等參數(shù)對(duì)反演結(jié)果的影響等（Chenetal.，2002）。 高光譜遙感則利用了電磁波的光譜特性，通過(guò)探測(cè)植被葉片光譜吸收信息，提取植被葉片生化組分含量。20世紀(jì)80年代中后期，美國(guó)地球系統(tǒng)科學(xué)委員會(huì)指出：新的成像光譜遙感技術(shù)可以估算植物生物化學(xué)組分，解釋生態(tài)系統(tǒng)的特點(diǎn)，因此要開(kāi)展這方面的基礎(chǔ)研究，并發(fā)展廣泛適用有效的監(jiān)測(cè)方法。美國(guó)國(guó)家航空航天局（NASA）制訂了冠層化學(xué)促進(jìn)計(jì)劃（ACCP），推動(dòng)開(kāi)展了致力于理解電磁輻射與植物葉片、冠層相互作用機(jī)理的研究。早在“九五”期間，作者帶領(lǐng)的課題組就在國(guó)內(nèi)率先開(kāi)展了高光譜遙感提取植被生化組分信息的工作（牛錚等，2000），在后續(xù)幾個(gè)五年計(jì)劃/規(guī)劃的863（國(guó)家高技術(shù)研究發(fā)展計(jì)劃）、973（國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃）等項(xiàng)目的支持下，研究人員對(duì)農(nóng)作物生化組分的遙感提取開(kāi)展了大量工作（程乾等，2004；王紀(jì)華等，2003）。2003年，作者團(tuán)隊(duì)還在國(guó)家自然科學(xué)基金委面上項(xiàng)目“植物冠層碳氮比遙感定量反演研究”（40271086）的支持下，開(kāi)展了相關(guān)工作。 上述兩種遙感技術(shù)的聯(lián)合，可以綜合反演一系列的植被生理生化參數(shù)。但是這種方法有一個(gè)缺點(diǎn)，即僅能反演所關(guān)注參數(shù)的總量或平均量，而對(duì)各參數(shù)的垂直分布信息的提取無(wú)能為力。在實(shí)際立體生態(tài)系統(tǒng)中，我們經(jīng)常會(huì)發(fā)現(xiàn)，植被株型（葉面積密度垂直分布）會(huì)影響植被光合作用能力，植被冠層上部和下部的葉片葉綠素含量有較大差別等。Knyazikhin等（2013）在PNAS（美國(guó)科學(xué)院院刊）發(fā)文表明，利用高光譜遙感數(shù)據(jù)反演植被氮含量時(shí)，如果不能對(duì)植被垂直結(jié)構(gòu)進(jìn)行很好地描述，反演結(jié)果會(huì)有極大的不確定性。垂直分布信息遙感提取手段的匱乏，一方面使我們失去了判斷植被生長(zhǎng)狀況的更多立體信息，只能將三維植被結(jié)構(gòu)置于二維平面上表達(dá)；另一方面也會(huì)使反演的各種參數(shù)與實(shí)測(cè)相比存在較大的偏差，無(wú)法重構(gòu)準(zhǔn)確的輻射傳輸過(guò)程。因此，能否以及如何利用遙感技術(shù)準(zhǔn)確提取植被生理生化參數(shù)的垂直分布信息，就成為未來(lái)研究的突破口和創(chuàng)新點(diǎn)。 與被動(dòng)光學(xué)遙感不同，激光雷達(dá)遙感器主動(dòng)發(fā)射激光脈沖，通過(guò)分析回波電磁波的相位特性和強(qiáng)度特性，獲取地表覆蓋起伏和垂直形狀的波形信息，目前已在植被垂直結(jié)構(gòu)特征的獲取方面得到了廣泛的應(yīng)用，即激光雷達(dá)遙感有可能獲得植被葉面積密度的垂直分布信息。激光雷達(dá)與被動(dòng)高光譜協(xié)同進(jìn)行理化參數(shù)提取受到廣泛關(guān)注，但是受到兩種傳感器成像方式差異的影響，其在實(shí)際應(yīng)用中面臨著較大的困難。因此，激光雷達(dá)探測(cè)機(jī)理能否直接用于植被生化組分參數(shù)垂直分布信息的探測(cè)？這是有可能的。原因在于，探測(cè)生化組分含量信息的原理是，在相關(guān)組分的特定吸收波段獲取植被葉片窄波段光譜信息，如高光譜遙感一樣。而激光是單色光，波段足夠窄，只要采用多波段的探測(cè)方法并結(jié)合波形信息，就有可能探測(cè)植被不同高度的生化組分含量。 激光雷達(dá)對(duì)地探測(cè)系統(tǒng)是一種新興的主動(dòng)遙感探測(cè)技術(shù)，可以獲取觀測(cè)目標(biāo)和探測(cè)器之間的距離信息，測(cè)量距離可以被映射到三維點(diǎn)云中，從而快速獲取觀測(cè)目標(biāo)的三維空間信息（Mallet andBretar，2009；張小紅，2007）。除了三維空間幾何測(cè)量外，大多數(shù)激光雷達(dá)系統(tǒng)還可以測(cè)量被掃描物體表面的激光反向散射強(qiáng)度。當(dāng)前激光雷達(dá)系統(tǒng)記錄的反向散射信號(hào)，包括離散型和全波形激光回波信號(hào)。結(jié)合某一波長(zhǎng)的激光反向散射強(qiáng)度數(shù)據(jù)，還可以實(shí)現(xiàn)地物分類(lèi)，如冰川、樹(shù)木和雪的分類(lèi)（Alexander et al.，2010；Hofle，2014；Kukkonen et al.，2019），以及植被結(jié)構(gòu)和生物量信息評(píng)估，如葉面積分布（Hopkinson et al.，2013；Morsdorfet al.，2009）、葉水含量（Gaulton et al.，2013）和葉面積指數(shù)（Lin and West，2016；郭慶華等，2014）等。然而，目前激光雷達(dá)主要采用單色波長(zhǎng)激光雷達(dá)系統(tǒng)進(jìn)行對(duì)地遙感探測(cè)，盡管其擁有較強(qiáng)的三維空間結(jié)構(gòu)探測(cè)能力，但由于單個(gè)激光波長(zhǎng)無(wú)法測(cè)量地物的光譜信息，因而缺少對(duì)地物屬性和色彩信息的探測(cè)能力。 高光譜激光雷達(dá)是近些年來(lái)出現(xiàn)的新型遙感探測(cè)設(shè)備，其激光器不同于傳統(tǒng)商業(yè)化的單色激光器，而是超連續(xù)譜脈沖（白光脈沖），該脈沖可以發(fā)射具有寬光譜范圍的激光脈沖。當(dāng)發(fā)射的激光脈沖與目標(biāo)進(jìn)行相互作用后，高光譜激光雷達(dá)的接收裝置通過(guò)濾光片、光柵等光譜分光方式獲取各個(gè)光譜波段的反向散射信號(hào)，從而構(gòu)建目標(biāo)物的高光譜三維點(diǎn)云。高光譜激光雷達(dá)結(jié)合了被動(dòng)光學(xué)遙感和傳統(tǒng)激光雷達(dá)探測(cè)器的優(yōu)勢(shì)，可以在不受光照條件、地面陰影、冠層結(jié)構(gòu)等因素干擾的條件下，獲取目標(biāo)物具有豐富光譜信息的三維點(diǎn)云（Gongetal.，2012；Niu et al.，2015；Wang et al.，2016；龔?fù)龋?021）。因此，高光譜激光雷達(dá)作為一種新型遙感技術(shù)，具有對(duì)植被結(jié)構(gòu)參數(shù)和生化組分的一體化提取能力，在提取作物的精細(xì)表型和作物育種方面具有很大潛力（高帥等，2018）。相比于其他光譜點(diǎn)云的獲取方法，即激光雷達(dá)與光譜數(shù)據(jù)融合、多個(gè)激光傳感器點(diǎn)云配準(zhǔn)、運(yùn)動(dòng)結(jié)構(gòu)恢復(fù)（structure frommotion，SFM）算法，高光譜激光雷達(dá)避免了數(shù)據(jù)采集、數(shù)據(jù)融合和數(shù)據(jù)配準(zhǔn)等問(wèn)題，可以實(shí)現(xiàn)更高效、更精準(zhǔn)的光譜三維點(diǎn)云數(shù)據(jù)獲取。 高光譜激光雷達(dá)結(jié)合了激光雷達(dá)探測(cè)和高光譜探測(cè)成像的優(yōu)勢(shì)，通過(guò)激光光源主動(dòng)發(fā)射寬譜段激光脈沖并探測(cè)后向回波，從回波中提取被測(cè)目標(biāo)的光譜信息和測(cè)距信息，并從中獲取被測(cè)目標(biāo)的幾何特性、距離信息、光譜特征等屬性，其充分結(jié)合了激光雷達(dá)主動(dòng)探測(cè)、高精度三維信息與高分辨率光譜信息同時(shí)獲取的優(yōu)勢(shì)。在森林環(huán)境中，超連續(xù)譜激光可以通過(guò)小間隙穿透密集的樹(shù)冠，因此更詳細(xì)的生物物理和生化參數(shù)的空間分布可以通過(guò)目標(biāo)對(duì)激光脈沖響應(yīng)的回波波形數(shù)據(jù)來(lái)揭示。這在森林地區(qū)尤其重要，因?yàn)榧す饫走_(dá)系統(tǒng)可以測(cè)量樹(shù)冠高度、樹(shù)冠結(jié)構(gòu)、樹(shù)冠覆蓋度和地上生物量等。植被的結(jié)構(gòu)參數(shù)和生化組分信息互為一體，對(duì)二者的同時(shí)獲取可以更加準(zhǔn)確而高效地提取森林立體分布特征、作物表型信息等，加深對(duì)作物理化性質(zhì)的認(rèn)知，并可以進(jìn)行器官分割、病蟲(chóng)害探測(cè)等更深入的分析（Behmann et al.，2015）。某些波長(zhǎng)的回波能量與葉片生物化學(xué)有關(guān)，可用于估算葉片水分含量、氮素含量和葉綠素含量等。從全波形高光譜激光雷達(dá)數(shù)據(jù)中獲取森林知識(shí)是有效和全面了解森林在氣候變化下生物量變化和碳循環(huán)中的作用的關(guān)鍵一步（Bi et al.，2020；Sun et al.，2018）。相較于傳統(tǒng)的激光雷達(dá)探測(cè)成像技術(shù)和被動(dòng)光譜成像技術(shù)，高光譜激光雷達(dá)提供的額外光譜信息將單波長(zhǎng)激光雷達(dá)測(cè)量范圍擴(kuò)展到光譜三維，因此具有更大的定量遙感應(yīng)用潛力及更強(qiáng)的適應(yīng)性。 綜上所述，植被生理生化參數(shù)具有立體分布的特征，表現(xiàn)在水平分布上的不均一性，同時(shí)在垂直方向上的異質(zhì)性。目前，被動(dòng)光學(xué)遙感只是在水平方向參數(shù)反演方面具有較高的精度，對(duì)于具有垂直方向分布的特征參數(shù)，如葉面積密度分布、生化組分垂直分布等均不能進(jìn)行很好地反演，只能對(duì)“立體柱”總量或平均量進(jìn)行描述，不能反映其垂直分布狀況。高光譜激光雷達(dá)遙感能綜合反演植被生理生化參量水平分布和垂直分布，其研究對(duì)于發(fā)展植被輻射傳輸理論，為新一代遙感器研制提供理論和實(shí)驗(yàn)基礎(chǔ)具有重要意義。 1.2國(guó)內(nèi)外研究現(xiàn)狀綜述 1.2.1基于被動(dòng)遙感的植被理化參數(shù)反演 1.植被的光譜特性 地物都有相應(yīng)的電磁輻射規(guī)律，植被與入射光之間的吸收、反射和透射等一系列相互作用形成了植被特有的光譜特性，構(gòu)成了遙感探測(cè)器獲取植被生理生化屬性的基礎(chǔ)（Bergeret al.，2020；Liu et al.，2020）。葉片反射光譜曲線同時(shí)受葉片表面屬性、內(nèi)部結(jié)構(gòu)和生化組分的影響，葉片內(nèi)不同的生化組分對(duì)應(yīng)著特定的光譜吸收波段。 在可見(jiàn)光波段（400～700nm），植被的反射率主要受到葉片各種色素（葉綠素、葉黃素、葉紅素、類(lèi)胡蘿卜素等）的影響，其中，葉綠素含量的影響*大，且該色素在可見(jiàn)光范圍內(nèi)形成兩個(gè)吸收谷和一個(gè)反射峰，吸收谷分別位于450nm附近的藍(lán)色波段以及650nm位置處的紅邊波段，而反射峰則位于550m處的綠邊波段。紅外波段主要分為四個(gè)區(qū)段：近紅外波段（700～1000nm）、短波紅外波段（1000～2500nm）、中紅外波段（3000～5000nm）和遠(yuǎn)紅外波段（8000～12000nm）。近紅外波段，植被的光譜主要受葉片內(nèi)部的結(jié)構(gòu)影響，具有反射率和透射率高、吸收率低的特點(diǎn)。可見(jiàn)光與近紅外“紅邊”區(qū)域（670～760nm）是一個(gè)重要的植被監(jiān)測(cè)特征區(qū)域，廣泛應(yīng)用于葉綠素、類(lèi)胡蘿卜素等參數(shù)的提取，植被的反射率從760nm處波段起迅速升高，且隨著植被葉綠素含量的增加，光譜反射曲線會(huì)產(chǎn)生“紅移現(xiàn)象”，即計(jì)算的紅邊位置（一階導(dǎo)數(shù)的*大值）向長(zhǎng)波方向移動(dòng)。在短波紅外波段，植被的反射率主要受到水分吸收和蛋白質(zhì)含量的影響，水分在1450nm和1950nm附近具有兩個(gè)明顯的吸收帶。中紅外和遠(yuǎn)紅外波段也稱為熱紅外區(qū)域，一般用來(lái)提取植被的溫度特征。此外，植被的光譜曲線與植物的類(lèi)型、生長(zhǎng)時(shí)期以及健康狀態(tài)等因素密切相關(guān)，如植被患病時(shí)，由于吸收帶處的吸收強(qiáng)度減弱，植被的顏色會(huì)隨之產(chǎn)生變化。 遙感技術(shù)可以在不接觸植物的前提下，通過(guò)光譜探測(cè)的方式獲取目標(biāo)屬性，因此得到了更加廣泛的關(guān)注。植被各生化組分的光譜吸收譜段往往比較窄，且對(duì)于木質(zhì)素、纖維素和蛋白質(zhì)等，其光譜吸收特征也更為復(fù)雜。因此，利用寬波段的遙感探測(cè)器進(jìn)行目標(biāo)生化組分探測(cè)時(shí)，傳感器的光譜分辨率可能會(huì)大于生化組分光譜吸收處的光譜寬度，導(dǎo)致傳感器獲取的光譜波段信息只是植被在光譜區(qū)間內(nèi)的平均反射率，而無(wú)法精準(zhǔn)探測(cè)到各生化組分的吸收特性。 2.生化參數(shù)反演 隨著光學(xué)遙感探測(cè)器從多光譜到高光譜的不斷發(fā)展，植被生化組分的反演方法也逐步得到擴(kuò)展，主要?jiǎng)澐譃樗拇箢?lèi)方法：參數(shù)回歸（Kalacskaet al.，2015；Niu，2010；Tian et al.，2014；Zarco-Tejadaetal.，2001；牛錚等，2000）、非參數(shù)回歸（Gewali，2018；Rivera-Caicedo et al.，2017；Yao et al.，2015）、物理模型方法（Atzberger et al.，2015；Feret et al.，2015；Sun et
書(shū)友推薦
- >
唐代進(jìn)士錄
- >
企鵝口袋書(shū)系列·偉大的思想20:論自然選擇(英漢雙語(yǔ))
- >
羅庸西南聯(lián)大授課錄
- >
推拿
- >
二體千字文
- >
李白與唐代文化
- >
山海經(jīng)
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
本類(lèi)暢銷(xiāo)
