导读:本文包含了冠层反射率论文开题报告文献综述及选题提纲参考文献，主要关键词:糜子,叶绿素含量,高光谱反射率,植被指数
冠层反射率论文文献综述
韩浩坤,妙佳源,张钰玉,张大众,宗国豪[1]（2018）在《基于高光谱反射率的糜子冠层叶片叶绿素含量估算》一文中研究指出连续两年大田试验研究不同糜子品种叶绿素含量与冠层光谱反射率,并基于不同植被指数建立糜子叶片叶绿素含量的估测模型。结果表明,参试糜子品种叶绿素含量在整个生育期呈现"低-高-低"的抛物线变化趋势,最大值出现在抽穗期到开花期之间;不同品种各生育期内冠层光谱反射率趋势一致,在近红外波段,冠层光谱反射率与叶绿素含量呈稳定正相关,灌浆初期光谱反射率达到最大值;可见光波段,拔节期、开花期和灌浆初期冠层光谱反射率与冠层叶绿素含量呈正相关,成熟期呈负相关;糜子冠层叶绿素含量与760~900、630~690、550 nm波段组合的植被指数具有较高相关性;基于RVI、PSNDb、GNDVI750能较好地建立糜子叶绿素含量统一检测模型,决定系数分别为0.791、0.779、0.748;模型验证的相对误差分别为9.58%、8.93%、11.80%;均方根误差分别为0.045、0.140、0.196。表明利用RVI、PSNDb、GNDVI750建立的模型能较为准确地预测糜子冠层叶绿素含量。(本文来源于《干旱地区农业研究》期刊2018年01期）
曾琪,余坤勇,姚雄,郑文英,张今朝[2]（2017）在《基于PROSAIL辐射传输模型的毛竹林分冠层反射率模拟研究》一文中研究指出冠层光谱反射率直接关系到毛竹(Phyllostachys pubescens Mazel)林冠层参数的反演,对毛竹林地土壤肥力间接估测具有重要意义。以PROSPECT5、PROSAIL模型为基础,从叶片尺度和冠层尺度分析模型参数对叶片和冠层反射率的影响,构建毛竹冠层叶面积指数(LAI)-冠层反射率查找表并通过代价函数选取最优冠层反射率,从而实现毛竹林分冠层反射率的准确模拟。结果表明,在叶片尺度,PROSPECT模型参数敏感性从高到低依次为叶肉结构参数(N)>叶绿素含量(C_(ab))>等效水厚度(EWT)>干物质含量(C_m)>类胡萝卜素含量(C_(ar));在冠层尺度,PROSAIL模型参数敏感性从高到低依次为LAI>C_(ab)>EWT>C_m>N>C_(ar)>ALA(平均叶倾角);叶片尺度反射率整体大于冠层尺度反射率;在400~900 nm波长范围内,PROSAIL模型模拟的冠层光谱反射率与实测光谱反射率拟合效果较好,相对误差为6.71%。(本文来源于《植物科学学报》期刊2017年05期）
郭云开,安冠星,谢琼,周烽松,李健[3]（2017）在《针对SAIL冠层模型的土壤背景反射率修正》一文中研究指出提出一种基于SAIL模型的地表反射率修正方案,有效减小地形起伏的影响。通过引入太阳直射光的方向-方向反射与大气散射的半球-方向反射,遵循光路可逆原理对地表反射率进行几何修正,同时考虑地表自身热辐射对入瞳辐射的影响从而修正地表反射率,发展适用于SAIL模型的地表反射率修正模型。利用长常高速部分路段的实测植被理化参数及光谱信息对地形修正后的SAIL模型模拟精度进行对比分析,结果表明地形修正后SAIL模型有效提高SAIL模型模拟的植被冠层光谱精度,修正后SAIL模型可为后续南方地区定量遥感的应用提供更精确的数据支持。(本文来源于《测绘工程》期刊2017年08期）
吴蕾[4]（2017）在《基于CERES-Maize与PROSAIL模型耦合的冠层反射率模拟分析》一文中研究指出植被冠层是生态系统中物理和化学进程的重要场所之一,植被冠层辐射传输模型理论奠定了植被遥感界的理论基础。LAI(全称,叶面积指数,下同)是表征陆地表面冠层状况的重要指标,作为辐射传输模型的重要特征参量,对模型模拟和反演精度至关重要。地面LAI测量方法主要有直接测量法和间接测量法两种,适合小区域的LAI估算。基于作物生长模型模拟可获取作物全生长期的LAI,时间连续性强,目前将遥感与作物生长模型进行耦合的研究逐渐增多,但研究的重点多集中在将遥感数据反演、推算的一些宏观信息嵌入作物模拟模型或校正有关参数,目的多为监测作物长势和估产,而针对遥感模型在特定生育期模拟结果的评价和误差来源分析的相关研究鲜少出现。本文在对PROSAIL模型输入参数的进行敏感性分析的基础上,首先对CERES-Maize玉米生长模型进行标定,得到最优的作物遗传参数组合,模拟得到抽穗期LAI变化特征。然后结合分光光度计对特定生育期玉米的理化参数(叶绿素、类胡萝卜素)观测试验,建立了PROSAIL模型输入参数数据库,模拟得到了玉米特定生育期的多角度冠层光谱数据,最后利用四维塔吊观测平台观测的不同时间点的多角度光谱信息和不同穗数下的多角度光谱信息对模型模拟结果进行对比,评价模型模拟精度,确定误差来源。主要方法和结论如下:(1)耦合CERES-Maize模型PROSAIL辐射传输模型模拟玉米抽穗期冠层反射率的变化情况,结果显示冠层反射率呈随时间的推移不断下降。结合多角度冠层反射率观测试验数据验证结果表明:五个时间点的相同观测方位角和天顶角的冠层反射率观测值与模型模拟值虽总体变化趋势一致,但实测值高于模拟值,尤其在可见光波段(绿光、红光)表现明显,但在近红外波段差异不明显。(2)参数敏感性分析显示:C(6(7的变化对绿光波段的反射率影响最大;褐色素对红光波段约700nm附近的反射率值影响较大;干物质量对近红外波段、短波近红外波段和中红外波段的反射率影响较大;等效水厚度变化主要影响900nm以后的少数区间的冠层反射率值;叶片结构和热点系数的变化会对全波段反射率存在影响;LAI对可见光波段的反射率影响较大;C(6的变化对反射率的影响较小,主要集中在450nm附近。(3)利用河北怀来遥感试验站2013年地面观测数据及田间试验资料,对CERES-Maize模型有关生长发育的品种遗传特性参数进行了标定,同时利用2014、2015年的观测数据对模型模拟结果进行验证,两年的LAI模拟均较为准确,可用于玉米长时间序列模拟。结合2016年站内气象站的观测数据模拟得出:玉米全生育期LAI分布区间为0.01~5.48,抽穗期的LAI在4.75左右,与实测数据吻合度较高,说明该模型对玉米抽穗期LAI模拟效果较好。对2016年玉米抽穗期的地面观测数据进行计算和分析发现:等效水厚度、干物质量、叶倾角、叶绿素含量、类胡萝卜素含量等所有参数值均波动较小,基本保持不变。(4)采用人工剪穗的方法探究雄穗数量对冠层反射率的影响,结果表明:无穗的冠层反射率最高,全穗的冠层反射率最低。对比五个穗梯度的观测值和五个时间点的模拟和实测误差发现,雄穗是产生误差的主要原因。(本文来源于《石河子大学》期刊2017-06-01）
张璐颖,李雪建,杜华强,崔璐,毛方杰[5]（2017）在《PROSPECT5耦合4SAIL模型的亚热带典型森林冠层反射率时间序列模拟》一文中研究指出冠层反射率在森林植被类型精确解译、森林碳同化关键参数如叶面积指数(LAI)、叶绿素等遥感反演等方面具有重要意义.本研究以亚热带毛竹林、雷竹林和常绿落叶阔叶混交林3种典型森林类型为研究对象,通过耦合PROSPECT5和4SAIL模型模拟其冠层反射率时间序列.首先,对PROSPECT5和4SAIL模型参数进行敏感性分析,探讨模型参数对冠层反射率的影响;其次,利用实测反射率对不敏感参数进行优化,并确定其参数值;最后,耦合PROSPECT5和4SAIL模型模拟3种亚热带森林冠层反射率,并与MODIS反射率进行对比.结果表明:LAI对第1、2、3、5、7波段最敏感,各波段的总敏感指数分别为0.80、0.83、0.94、0.66、0.47;叶绿素含量对第4波段最敏感,总敏感指数为0.59;叶片含水量对第6波段的敏感性最大,总敏感性指数为0.54;叶子结构参数、类胡萝卜素、热点参数、干物质含量和土壤干湿比等参数对各个波段都不敏感或敏感性较小.优化后的PROSPECT5和4SAIL模型模拟得到的冠层反射率能够真实反映3种典型森林的季节性变化规律,通过与MODIS反射率对比分析发现,模拟冠层反射率和MODIS反射率之间具有较高的决定系数,分别为0.86、0.90、0.93,均方根误差(RMSE)也较小,分别为0.09、0.07、0.05,且模拟反射率能在一定程度上解决MODIS反射率数据冬季易受雨雪、混合像元影响等问题.(本文来源于《应用生态学报》期刊2017年08期）
全兴文[6]（2017）在《植被冠层反射率模型弱敏感参数遥感反演方法》一文中研究指出20世纪70年代以来,植被冠层反射率模型研究得以蓬勃发展,涌现出SAIL、GEOSAIL等众多经典的冠层反射率模型。基于这些经典模型的植被关键参数反演研究也在近20年中如火如荼地开展着,并广泛应用于农作物估产、生态环境监测与保护、自然灾害(干旱、火灾等)评估及预警、水文水资源管理等关乎国家安全、全球气候变化的重大需求中。但是,近年来植被冠层反射率建模研究进展缓慢;植被关键参数反演方面也一直主要集中在几个模型敏感参数(如叶面积指数、冠层含水量等)的反演,而重要但模型弱敏感的参数研究却鲜有踏足,导致理论研究与实际应用之间的落差越来越大。鉴于此,本论文站在前人对模型敏感参数成功反演的基础上,对模型弱敏感参数进行遥感定量反演研究,重点研究了模型弱敏感参数干物质重量(DMC)及其衍生的草地地上生物量(AGB)和冠层可燃物含水率(FMC)的反演理论与方法。AGB是区域碳循环研究中的重要一环,同时也是农作物估产的研究重点;FMC是描述植被点燃概率及火灾蔓延速率的关键指标因子,因此是众多火灾模型的关键输入参数。论文通过对这二者参数反演方法及应用研究,旨在构建一套适用于模型弱敏感参数反演的方法体系,同时拓展植被冠层反射率模型的应用范围,服务于农作物估产、区域生态安全、野火风险评估及预警、全球气候变化等领域。论文主要研究工作和成果如下:(1)分析植被冠层反射率模型及参数敏感性的基础上,提出了模型弱敏感参数遥感反演策略。论文指出模型弱敏感参数成功反演的关键在于增强弱敏感参数的敏感性,并提出五个弱敏感参数反演策略:基于高光谱数据的模型弱敏感参数反演;参数化模型敏感参数,提高模型弱敏感参数的敏感性;基于面向对象的模型弱敏感参数反演;基于多时相遥感数据的模型弱敏感参数反演;基于真实实测数据的模型弱敏感参数反演。(2)研究了缓解植被冠层反射率模型参数反演的病态问题,提出了基于贝叶斯网络算法的反演方法。病态反演问题会极大地降低模型敏感参数的反演精度,对模型弱敏感参数正确反演的影响更为强烈。为缓解这一问题,本论文以贝叶斯网络算法为基础,通过考虑模型参数之间固有的关联特性,构建了更符合自然界实际情况的自由参数先验联合概率分布,降低了错误自由参数组合出现的概率,缓解了病态反演问题,提高了叶面积指数(LAI)及植被冠层含水量的反演精度,为后续基于植被冠层反射率模型的草地AGB及植被冠层FMC反演奠定基础。(3)提出了一套新的反演草地AGB的方法,突破了传统基于实测统计拟合估算草地AGB的思路。该方法假设草地AGB可通过LAI与叶片干物质重量(DMC)的乘积近似表示。首先,基于PROSAIL模型对实验区草地LAI及DMC进行反演;同时通过考虑模型参数间的相关特性及融入MODIS LAI产品等方法提高草地AGB的敏感性,反演获得草地AGB。实验中以我国青海湖流域草地AGB反演为例,论证该方法的有效性;同时,实验中使用了植被指数法、偏最小二乘法(PLSR)、人工神经网络法(ANN)等叁种传统经验估算草地AGB的方法进行对比分析。实验结果显示,使用本论文方法反演的草地AGB精度高于植被指数法及ANN,与PLSR精度不相上下,但本论文方法不依赖地面实测数据,因此比PLSR更具普适性,是具有前景的草地AGB反演方法。(4)构建了植被冠层FMC反演方法体系,包括基于区间估计LAI的草地冠层FMC遥感反演方法和基于耦合辐射传输模型的森林冠层FMC遥感反演方法。FMC是一个与LAI无关的量,但在基于物理模型的FMC反演中,LAI的不确定性对FMC的正确反演具有较强的干扰作用。为缓解这一问题,提高FMC的敏感性,实验结合MODIS LAI产品,利用降尺度及区间估计的LAI参数化模型LAI输入,以此降低LAI的不确定性,从而提高草地冠层FMC的反演精度。在森林冠层FMC的反演中,针对本研究区森林植被具上层乔木下层草本植被的特点,即双层冠层结构,实验通过耦合描述草地冠层反射率特征的SAIL模型及描述森林冠层反射率特征的GEOSAIL模型,近似模拟该双层冠层结构的森林植被反射率特征,降低模型系统误差对弱敏感参数FMC的影响,从而正确反演了森林冠层FMC。(5)构建了基于遥感技术的区域大尺度野火风险评估及预警雏形。论文以澳大利亚和四川西昌泸山为例,首先应用上述植被冠层FMC反演方法,进行植被冠层FMC定量反演,生产了 2001-2015年的澳大利亚15年的植被FMC产品。其次,基于该套产品,结合MODIS历史火灾产品(MCD64),应用Logistic模型计算得出澳大利亚2001-2015年燃烧指数(FI)产品,以此对野火风险进行评估及预警。通过澳大利亚历史上叁次重大火灾(2003年堪培拉火灾、2009年维多利亚州火灾及2013年新南威尔士州火灾)爆发前植被冠层FMC及FI演变情况显示,该两套产品对野火风险具有较好指示作用,该工作对于今后全球植被冠层FMC产品化及野火风险评估应用推广具有重要的示范意义。(本文来源于《电子科技大学》期刊2017-03-03）
白冬妮,焦子锑,董亚冬,张小宁,李阳[7]（2017）在《双冠层反射率模型分析各向异性平整指数(AFX)对植被参数的敏感性》一文中研究指出二向反射分布函数包含地表反射的方向性特征信息。研究二向反射分布函数BRDF(Bidirectional Reflectance Distribution Function)形状对植被结构参数的敏感性,有助于理解植被的二向性反射规律,进而反演植被参数。本文耦合双冠层反射率模型和核驱动的罗斯厚核-李氏稀疏互易核模型,利用EFAST全局敏感性分析方法,以各向异性平整指数为BRDF形状变化的衡量指标,研究了不同天空光比例(SKYL)下,各向异性平整指数AFX对植被参数敏感度的变化,以及SKYL=0.1时AFX的敏感性。结果表明:(1)在红波段,上、下层叶面积指数、上层叶绿素含量,以及上层叶倾角分布是AFX的敏感参数,在近红外波段,上、下层叶面积指数LAI是AFX的敏感参数。(2)冠层尺度上的参数敏感度总体大于叶片尺度。(3)晴天时(SKYL=0.1),红波段主敏感度较大的参数分别是上层LAI、上层叶倾角分布和下层叶片结构参数,近红外波段主敏感度较大的参数主要是上、下层LAI。(本文来源于《遥感学报》期刊2017年01期）
刘轲,黄平,任国业,周清波,李源洪[8]（2017）在《基于冠层反射率模型的作物参数多阶段反演方法研究进展》一文中研究指出利用遥感手段,基于冠层反射率(canopy reflectance,CR)模型反演农作物参数具有经济、高效、普适性好的特点,是智慧农业快速、精确监测区域尺度农情信息的理想方法。然而,CR模型反演过程受"病态反演"问题影响。针对此,前人提出了多阶段目标决策(multi-stage,sample-direction dependent,target-decisions,MSDT)法和面向对象(object-based)反演法。分别依据CR模型参数的敏感性和不确定性,以及作物参数的空间分布特征,将反演过程划分为若干阶段,每阶段只反演部分参数,前阶段反演结果作为后阶段反演的先验知识,以此减少CR模型参数优化的不确定性,改善"病态反演"问题。该文系统总结了MSDT法与面向对象反演法,将其归纳为统一的"多阶段反演"方法,并提出概念模型。基于此,总结、讨论了多阶段反演中如下叁方面共性问题,试分析可能的解决途径:1)多阶段反演决策还需要广泛比较、科学论证与改进,以确保其合理性和有效性;未来研究中,应将MSDT法与面向对象反演方法有机结合,在统一的多阶段反演技术框架下,制定更加合理的反演决策方法。2)CR模型的参数化精度可能影响多阶段反演;未来应尝试利用"天空地一体化"遥感技术和尺度转换方法获取先验知识,提高CR模型参数化精度。3)多阶段反演过程中,反演误差逐级传递;未来研究中,一方面应尝试识别并纠正前阶段反演中的误差,另一方面应合理利用前阶段反演结果,避免前阶段反演误差影响后阶段的反演。(本文来源于《农业工程学报》期刊2017年01期）
钟小惠[9]（2016）在《基于ACRM模型模拟冠层反射率在典型区的应用》一文中研究指出单一方向获取地表信息往往不能真实反映地物实际情况,而多角度提供的地物信息比单一方向提供的信息丰富得多,所获的信息更为准确接近地物本身实际信息,为定性和定量遥感研究垫底更为精准的数据基础。多角度遥感数据的出现,使得地物反射和辐射方向性以及地表目标的生化结构参数的反演方面有了更进一步的发展。因此,多角度获取地物信息的研究受到很多专家学者的青睬。目前,MISR(Multi-angle Imaging SpectroRadiometer)传感器可以实现多角度、连续的对地面进行观测,但是这种新型的数据源尚不成熟,在国内没有被广泛的应用。由于辐射传输模型ACRM(A Two-Layer Canopy Reflectance Model)模型可以计算模拟不同观测角度下400nm-2500nm的冠层反射率。所以ACRM模型可以解决多角度问题,不少学者已对该模型进行深入的研究,但是该模型较少应用在华南地区。针对ACRM模型较少的应用在华南地区这个问题,本文在华南地区设置了研究区,并进行叁次不同时期的野外实测数据,然后对ACRM模型进行验证。本文主要研究工作包括:(1)研究区数据的获取和处理。包括样点的冠层反射率、土壤反射率、叶面积指数LAI(Leaf Area Index)、叶绿素含量SPAD(Soil and Plant Analyzer Development)值等数据。(2)对ACRM冠层辐射传输模型的参数进行敏感性分析。通过取不同的参数值计算出参数的敏感度大小。通过运行ACRM模型发现,LAI叶面积指数的敏感度是远远大于其他参数。(3)对于每个样点,通过ACRM模型计算的模拟值与实测值进行对比验证分析。本文发现,大多数模拟值与实测值的相对误差在10%内,并且对于每个样点,均方根RMSE(root-mean-square error)值在0.02以内,表明ACRM模型是适用于华南地区植被冠层多角度模拟。(本文来源于《华南农业大学》期刊2016-06-01）
文瑶,李民赞,赵毅,刘豪杰,孙红[10]（2015）在《玉米苗期冠层多光谱反射率反演与叶绿素含量诊断》一文中研究指出为了探索玉米苗期叶片叶绿素含量指标的快速、非破坏性估测方法,该文运用多光谱图像技术对大田玉米苗期叶绿素含量指标进行快速无损的诊断研究。大田试验中,采用2-CCD多光谱图像采集系统获取大田玉米苗期的冠层多光谱图像,并同步采集漫反射灰度板的多光谱图像。为消除光照对图像采集质量的影响,准确将不同光照条件下的玉米冠层图像数据转换为其叶面反射率数据,标定试验中采用一块4个不同灰度级的满足朗伯面条件漫反射灰度板,建立了叶片光谱反射率同图像灰度值之间的线性反演公式,并与大田试验中漫反射灰度板的多光谱图像建立了玉米冠层图像灰度值的校正公式。对玉米苗期冠层多光谱图像进行处理,提取出玉米冠层B、G、R、NIR(中心波长分别为470,550,620,800 nm)4个波段归一化平均灰度值。通过灰度值的校正公式得到校正后的归一化平均灰度值,由线性公式反演出R、G、B、NIR 4个波段的平均反射率值,并计算4种常见光谱植被指数(RNDVI、RNDGI、RRVI和RDVI),采用最小二乘-支持向量回归(LS-SVR)建立植被指数同叶绿素含量指标的拟合模型。结果表明:植被指数RNDVI、RRVI和RDVI和玉米冠层叶绿素含量指标拟合验证集决定系数R2为0.56,达到了较为理想的拟合结果。证明通过漫反射灰度板对玉米冠层多光谱图像建立反射率反演校正模型的方法是可行的,这一方法为快速无损检测玉米苗期叶绿素含量指标提供了支持。(本文来源于《农业工程学报》期刊2015年S2期）
冠层反射率论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
冠层光谱反射率直接关系到毛竹(Phyllostachys pubescens Mazel)林冠层参数的反演,对毛竹林地土壤肥力间接估测具有重要意义。以PROSPECT5、PROSAIL模型为基础,从叶片尺度和冠层尺度分析模型参数对叶片和冠层反射率的影响,构建毛竹冠层叶面积指数(LAI)-冠层反射率查找表并通过代价函数选取最优冠层反射率,从而实现毛竹林分冠层反射率的准确模拟。结果表明,在叶片尺度,PROSPECT模型参数敏感性从高到低依次为叶肉结构参数(N)>叶绿素含量(C_(ab))>等效水厚度(EWT)>干物质含量(C_m)>类胡萝卜素含量(C_(ar));在冠层尺度,PROSAIL模型参数敏感性从高到低依次为LAI>C_(ab)>EWT>C_m>N>C_(ar)>ALA(平均叶倾角);叶片尺度反射率整体大于冠层尺度反射率;在400~900 nm波长范围内,PROSAIL模型模拟的冠层光谱反射率与实测光谱反射率拟合效果较好,相对误差为6.71%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
冠层反射率论文参考文献
[1].韩浩坤,妙佳源,张钰玉,张大众,宗国豪.基于高光谱反射率的糜子冠层叶片叶绿素含量估算[J].干旱地区农业研究.2018
[2].曾琪,余坤勇,姚雄,郑文英,张今朝.基于PROSAIL辐射传输模型的毛竹林分冠层反射率模拟研究[J].植物科学学报.2017
[3].郭云开,安冠星,谢琼,周烽松,李健.针对SAIL冠层模型的土壤背景反射率修正[J].测绘工程.2017
[4].吴蕾.基于CERES-Maize与PROSAIL模型耦合的冠层反射率模拟分析[D].石河子大学.2017
[5].张璐颖,李雪建,杜华强,崔璐,毛方杰.PROSPECT5耦合4SAIL模型的亚热带典型森林冠层反射率时间序列模拟[J].应用生态学报.2017
[6].全兴文.植被冠层反射率模型弱敏感参数遥感反演方法[D].电子科技大学.2017
[7].白冬妮,焦子锑,董亚冬,张小宁,李阳.双冠层反射率模型分析各向异性平整指数(AFX)对植被参数的敏感性[J].遥感学报.2017
[8].刘轲,黄平,任国业,周清波,李源洪.基于冠层反射率模型的作物参数多阶段反演方法研究进展[J].农业工程学报.2017
[9].钟小惠.基于ACRM模型模拟冠层反射率在典型区的应用[D].华南农业大学.2016
[10].文瑶,李民赞,赵毅,刘豪杰,孙红.玉米苗期冠层多光谱反射率反演与叶绿素含量诊断[J].农业工程学报.2015