全文获取类型
收费全文 | 54篇 |
免费 | 6篇 |
国内免费 | 5篇 |
专业分类
测绘学 | 27篇 |
大气科学 | 15篇 |
地质学 | 4篇 |
海洋学 | 1篇 |
综合类 | 3篇 |
自然地理 | 15篇 |
出版年
2022年 | 3篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2016年 | 1篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2012年 | 2篇 |
2009年 | 4篇 |
2008年 | 3篇 |
2006年 | 2篇 |
2005年 | 2篇 |
2003年 | 1篇 |
2002年 | 5篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 1篇 |
1998年 | 7篇 |
1997年 | 5篇 |
1996年 | 4篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1989年 | 2篇 |
1988年 | 1篇 |
排序方式: 共有65条查询结果,搜索用时 15 毫秒
31.
基于作物植被指数和温度的产量估算模型研究 总被引:13,自引:0,他引:13
该文利用冬小麦返青初期至抽穗初期的累积植被指数和孕穗-灌浆阶段的温度累积值为模型因子,建立冬小麦产量估算模型,在建模过程中,分析了模型变量与产量的关系并对变量获取方法进行了适当改进,简化了变量的获取途径,为模型的业务化应用奠定了基础。 相似文献
32.
基于作物植被指数和温度的产量估算模型研究 总被引:2,自引:0,他引:2
该文利用冬小麦返青初期至抽穗初期的累积植被指数和孕穗—灌浆阶段的温度累积值为模型因子 ,建立冬小麦产量估算模型 ,在建模过程中 ,分析了模型变量与产量的关系并对变量获取方法进行了适当改进 ,简化了变量的获取途径 ,为模型的业务化应用奠定了基础。 相似文献
33.
34.
管理地球的工具——高技术和作物估产 总被引:1,自引:0,他引:1
现在,高技术已经走人人们的经济生活中,影响着人们的经营决策。利用地球卫星获得的作物长势信息.在地理信息系统的支持下,对大面积作物估产,制定销售策略,确定市场销售策略,就是一例。而且,利用高技术获取别国工业、农业和商业情报,这已是公开的秘密。1983年,美国俄勒冈州一家稍售农产品的公司,利用陆地卫星提供的遥感信息,对马铃薯估产,预测市场的需求。 相似文献
35.
36.
遥感技术在主要粮食作物估产中的应用 总被引:3,自引:0,他引:3
文章分析了国内外遥感技术在主要粮食作物估产中应用现状,探讨了遥感技术在作物估产领域的研究进展,研究了作物气候产量预报模型、遗传算法结合神经网络模型、基于人机交互的反演模型、基于决策树分类的县域估产模型、单产估测模型、基于SCE_UA算法的CERES_Wheat模型、雷达遥感估产模型等在我国主要农作物估产中的应用;分析表明遥感关键技术及模型选择为农作物估产精度的提高提供了重要的技术支持.最后对作物估产遥感技术发展趋势及农业信息化相关技术做了展望,指出综合遥感与计算机技术开发自动化系统、推进物联网与遥感技术结合等问题,是进一步的研究趋势. 相似文献
37.
同化叶面积指数和蒸散发双变量的冬小麦产量估测方法 总被引:1,自引:0,他引:1
同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品(MCD15A3)、MODIS ET产品(MOD16A2),同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量(ET或LAI)和同化双变量(ET和LAI)的估产精度。结果表明:同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R2=0.432,RMSE=721 kg/hm2;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R2=0.408,RMSE=925 kg/hm2;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度(R2=0.013,RMSE=1134 kg/hm2)与模型模拟估测产量精度(R2=0.006,RMSE=1210 kg/hm2)相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。 相似文献
38.
39.
目前国内外学者提出了各种植被指数来进行作物遥感估产的定量研究。这些指数多是基于“土壤线”的存在来进行土壤背景消除的。但它们只消除了土壤背景中的含水量(沿“土壤线”方向)对遥感数据的影响,而没有消除由于不同土壤质地的变化(垂直于“土壤线”方向,如红壤、棕壤等不同的土壤类型)所造成的遥感数据的偏移。本文首次提出了能基本上完全消除土壤背景影响(包括土壤含水量、土壤类型等)的二轴土壤背景纠正的植被指数(TWVI)模型。该指数比目前使用的其它植被指数更适合于作为进行全球监测的植被指数。已成功地应用于华南地区的水稻遥感估产试验。 相似文献
40.