[1] |
秦其明, 范闻捷, 任华忠, 等. 农田定量遥感理论、方法与应用[M]. 北京: 科学出版社, 2018.
|
[2] |
吴炳方, 张淼, 曾红伟, 等. 大数据时代的农情监测与预警[J]. 遥感学报, 2016, 20(5):1027-1037.
|
[3] |
Setiyono T D, Quicho E D, Gatti L, et al. Spatial rice yield estimation based on MODIS and sentinel-1 SAR data and ORYZA crop growth model[J]. Remote Sensing, 2018, 10(2):293.
doi: 10.3390/rs10020293
URL
|
[4] |
Ballesteros R, Ortega J F, Hernandez D, et al. Onion biomass monitoring using UAV-based RGB imaging[J]. Precision Agriculture, 2018, 19(5):840-857.
doi: 10.1007/s11119-018-9560-y
URL
|
[5] |
毛智慧, 邓磊, 孙杰, 等. 无人机多光谱遥感在玉米冠层叶绿素预测中的应用研究[J]. 光谱学与光谱分析, 2018, 38(9):2923-2931.
|
[6] |
Guillot B, Pouget F. UAV application incoastal environment, example of the oleron island for dunes and dikes survey[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2015, XL-3/W3(1):321-326.
doi: 10.5194/isprsarchives-XL-3-W3-321-2015
URL
|
[7] |
孙刚, 黄文江, 陈鹏飞, 等. 轻小型无人机多光谱遥感技术应用进展[J]. 农业机械学报, 2018, 49(3):1-17.
|
[8] |
孙中宇, 陈燕乔, 杨龙, 等. 轻小型无人机低空遥感及其在生态学中的应用进展[J]. 应用生态学报, 2017, 28(2):528-536.
|
[9] |
胡建波, 张建. 无人机遥感在生态学中的应用进展[J]. 生态学报, 2018, 38(1):20-30.
|
[10] |
陈燕, 王登伟, 黄春燕, 等. 新疆棉花LAI和叶绿素密度的高光谱估算研究[J]. 遥感信息, 2007(2):33-36,41.
|
[11] |
依尔夏提·阿不来提, 白灯莎·买买提艾力, 买买提·沙吾提, 等. 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, 39(9):372-380.
|
[12] |
陈硕博. 无人机多光谱遥感反演棉花光合参数与水分的模型研究[D]. 杨凌:西北农林科技大学, 2019.
|
[13] |
罗丹, 常庆瑞, 齐雁冰, 等. 基于光谱指数的冬小麦冠层叶绿素含量估算模型研究[J]. 麦类作物学报, 2016, 36(9):1225-1233.
|
[14] |
齐雁冰, 楚万林, 解飞, 等. 基于高光谱的渭北旱塬区棉花冠层叶面积指数估算[J]. 干旱地区农业研究, 2017, 35(1):114-121.
|
[15] |
田明璐, 班松涛, 常庆瑞, 等. 基于无人机成像光谱仪数据的棉花叶绿素含量反演[J]. 农业机械学报, 2016, 47(11):285-293.
|
[16] |
于雷, 洪永胜, 耿雷, 等. 基于偏最小二乘回归的土壤有机质含量高光谱估算[J]. 农业工程学报, 2015, 31(14):103-109.
|
[17] |
王丹阳, 陈红艳, 王桂峰, 等. 无人机多光谱反演黄河口重度盐渍土盐分的研究[J]. 中国农业科学, 2019, 52(10):1698-1709.
|
[18] |
周晓敏, 赵力彬, 张新利. 低空无人机影像处理技术及方法探讨[J]. 测绘与空间地理信息, 2012, 35(2):182-184.
|
[19] |
奚雪, 赵庚星. 基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测[J]. 中国农学通报, 2020, 36(20):119-126.
|
[20] |
厉彦玲, 赵庚星, 常春艳, 等. OLI与HSI影像融合的土壤盐分反演模型[J]. 农业工程学报, 2017, 33(21):173-180.
|
[21] |
刘明杰, 徐卓揆, 郜允兵, 等. 基于机器学习的稀疏样本下的土壤有机质估算方法[J]. 地球信息科学学报, 2020, 22(9):1799-1813.
doi: 10.12082/dqxxkx.2020.190441
|
[22] |
张卓然, 常庆瑞, 张廷龙, 等. 基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算[J]. 西北农林科技大学学报:自然科学版, 2018, 46(11):39-45.
|
[23] |
李媛媛, 常庆瑞, 刘秀英, 等. 基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算[J]. 农业工程学报, 2016, 32(16):135-142.
|
[24] |
Senthilnath J, Manasa K, Akanksha D, et al. Application of UAV imaging platform for vegetation analysis based on spectral-spatial methods[J]. Computers and Electronics in Agriculture, 2017, 140:8-24
doi: 10.1016/j.compag.2017.05.027
URL
|
[25] |
雷亚平, 韩迎春, 王国平, 等. 无人机低空数字图像诊断棉花苗情技术[J]. 中国棉花, 2017, 44(5):23-25.
|
[26] |
李静, 王建军, 朱安. 基于低成本无人机的水稻叶片SPAD值遥感估测[J]. 吉林农业, 2017(18):68.
|
[27] |
陈红艳, 赵庚星, 陈敬春, 等. 基于改进植被指数的黄河口区盐渍土盐分遥感反演[J]. 农业工程学报, 2015, 31(5):107-114.
|
[28] |
梁后军, 郭蓉榕, 谢睿, 等. 基于神经网络的棉花产量预测[J]. 中国纤检, 2020(6):126-128.
|
[29] |
范迎迎, 钱育蓉, 杨柳, 等. 基于BP神经网络的遥感影像棉花识别方法[J]. 计算机工程与设计, 2017, 38(5):1356-1360.
|
[30] |
Urselmans T T, Schmidt H, Joergensen R G, et al. Usefulness of near-infrared spectroscopy to determine biological and chemical soil properties: Importance of sample pre-treatment[J]. Soil Biology and Biochemistry, 2008, 40(5):1178-1188.
doi: 10.1016/j.soilbio.2007.12.011
URL
|
[31] |
孙勃岩, 常庆瑞, 刘梦云. 冬小麦冠层叶绿素质量分数高光谱遥感反演研究[J]. 西北农业学报, 2017, 26(4):552-559.
|
[32] |
杨可明, 张婉婉, 卓伟, 等. 红边光谱谐波分析的神经网络法叶绿素含量反演研究[J]. 科学技术与工程, 2016, 16(24):19-24.
|
[33] |
刘文雅, 潘洁. 基于神经网络的马尾松叶绿素含量高光谱估算模型[J]. 应用生态学报, 2017, 28(4):1128-1136.
|