欢迎来到园艺星球(共享文库)! | 帮助中心 分享价值,成长自我!
园艺星球(共享文库)
换一换
首页 园艺星球(共享文库) > 资源分类 > PDF文档下载
 

机器学习技术在现代农业气象中的应用.pdf

  • 资源ID:9447       资源大小:672.53KB        全文页数:10页
  • 资源格式: PDF        下载权限:游客/注册会员/VIP会员    下载费用:0金币 【人民币0元】
快捷注册下载 游客一键下载
会员登录下载
微信登录
下载资源需要0金币 【人民币0元】
邮箱/手机:
温馨提示:
系统会自动生成账号(用户名和密码都是您填写的邮箱或者手机号),方便下次登录下载和查询订单;
验证码:   换一换

加入VIP,免费下载
 
友情提示
2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,既可以正常下载了。
3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

机器学习技术在现代农业气象中的应用.pdf

书书书 李颖 陈怀亮 机器学习技术在现代农业气象中的应用 应用气象学报 机器学习技术在现代农业气象中的应用 李 颖 陈怀亮 中国气象局 河南省农业气象保障与应用技术重点实验室 郑州 河南省气象科学研究所 郑州 河南省气象局 郑州 摘 要 智慧气象和精准农业结合下的现代农业气象工作意味着对包含遥感影像在内的大型农业和气象数据高时效 性的分析与处理 机器学习技术是当代自然科学研究和技术发展的主流技术 亦是现代农业气象科研和业务发展 的重要工具 该文系统论述了机器学习技术的主要方法及其在现代农业气象中的主要应用方向 比较了不同方法 在农业气象不同领域应用的情况 侧重介绍了基于深度学习技术的成果和近年来的最新研究进展 传统浅层机器 学习技术中 以支持向量机和人工神经网络应用最为广泛且效果最为理想 近年来 随机森林和梯度提升机等决 策树集成方法普遍取得优于核方法的精度 深度学习技术则在某些任务中取得更优于集成学习的精度 未来 有 待检验机器学习技术特别是深度学习技术在更多农业气象问题上的适用性和先进性 更好地迎接现代农业气象发 展的新挑战与新机遇 关键词 机器学习 深度学习 农业气象 农业遥感 引 言 农业在全球经济中发挥着基础性且至关重要的 作用 国家和地区农业生产力高低直接影响其工业 化程度与经济水平 落后的农业技术会带来饥饿 贫 穷与社会发展的滞后 到 年 全球将新增 亿左右人口 加之气候变化对农业生产的影 响 使得消除饥饿和保障粮食安全成为当今世界 可持续发展的重要议题 农业技术的进步可有力 应对该挑战 精准农业被列为农业领域的十大发 展之一 其特点是应用密集的数据 以遥感技 术 和无线传感器技术 为主要手段采集信息并进 行时空处理 提高农业生产效率 作物产量和环境质 量 农业气象学是研究农业生产与气象条件之间相 互关系及其规律的科学 以促进农业生产为主旨 围 绕现代气象与现代农业的智慧化进程也在不断进行 着自身的科学创新 智慧气象和精准农业结合下的 现代农业气象工作意味着对纳入遥感可视化数据在 内的大型农业和气象数据高时效性的分析与处 理 机器学习 技术对其发 展有很大的助力 是图像处理和大数据分析不可或缺的技 术 广泛应用于医学 药学 经济学 生物学 水文学 农业气象学等诸多科学领域 深度学习 和浅层学习中的梯度提升机 是当前最受瞩目的两项 技术 其中 结构中最著名的卷积神经网络 自 年起已 成为计算机视觉任务的首选解决方案 现代农 业气象研究不仅涉及大量气象数据 土壤数据 作物 观测数据 也涉及到农业遥感中采集自地面 无人 机 卫星的海量影像数据 技术的特点及其在机 器视觉领域的优势使其在现代农业气象工作中具有 收到 收到再改稿 资助项目 国家自然科学基金项目 气候变化专项课题 中国气象局 河南省农业气象保障与应用技术重点开放实 验室开放基金项目 河南省气象局气象科学技术研究重点项目 通信作者 邮箱 第 卷第 期 年 月 应用气象学报 很大的应用潜力 本文对 技术的主要方法及其在现代农业 气象中尤其是涉及农业遥感的应用进行系统性介 绍 由于所涉及的文献众多 侧重列举代表性文献 对其研究成果进行概要介绍 且重点列举出 技 术的应用实例 旨在推动 技术特别是 技术 在现代农业气象科研与业务中的深入应用 技术概述 技术蓬勃发展于 世纪 年代 是人工 智能 中最受欢迎和最成 功的子领域 将 定义为一门不 需要通过外部程序指令而让计算机具有自我学习能 力的学科 在传统编程中 人类输入规则和需要规 则处理的数据 计算机输出答案 而在 技术中 人类输入数据和期望从数据中得到的答案 计算机 通过训练找到数据和答案间的统计结构 输出规则 并将这些规则应用于该任务的新数据进而生成答 案 技术与经典统计分析的一项重要区别 是 技术倾向于处理大型 复杂的数据集 以及 没有已知算法可解决的问题 将 技术用于大 数据挖掘可以适应新的数据 发现数据中隐含的模 式 减少人工分析工作量 更好地处理解并解决传统 方法难以应对的复杂问题 技术是一个日益庞大的家族 其包含的众 多算法与模型可根据不同标准进行归类 其中一种 广泛使用的分类方法是根据训练过程中得到的监督 的数量和类型 将其分为监督学习 非监督学习 半 监督学习和强化学习 在监督学习中 需要人工 为训练数据加标签 即明确的属性标识 其代表性 方法包括线性回归 逻辑回归 朴素贝叶斯 高 斯判别 支持 向量机 神经网络 最邻近法 决策树 随 机森林 和梯度提升机等 在非 监督学习中 训练数据则不加标签 其主要方法包括 以期望最大化算法 分 层聚类分析 均值法 为代表的聚类方法 以主成分分 析 和局部线性 嵌入算法 为代表的 降维算法 以及 等关联 规则学习算法 在半监督学习中 仅需为少量训练数 据加标签 或为训练数据加不确定性标签 其重要方 法包括拉普拉斯支持向量机 协同 过滤算法 以及贝叶斯网络 马尔科夫随机场 等概率图模型 在强化学习中 不需要预 先给定训练数据 而是通过接收环境对动作的反馈 获得学习信息 代表性算法包括策略梯度 学习 深度 网络 算法等 技术是 技术的一个子领域 代表着一 类思想 即以多层结构从数据中学习表示 其结构通常包含数十个乃至上百个连续 的表示层 技术起源于神经网络 在神经网络 基础上增加了层级 可自动提取复杂特征 近年来 技术以其更高精度和更优性能 在诸多应用领 域已经取代了以往支持向量机和集成学习的领先地 位 技术较经典 技术的优势主要体现在 以下几方面 技术完全自动化了浅层 技 术的关键步骤 特征工程 对使用者更为简单 友 好 技术具有深层非线性网络结构 采用递增 的 逐层的方式开发愈加复杂的特征 具有更强的学 习能力 有助于解决浅层 技术难以解决的复杂 问题 并可进行迁移学习 技术可以一次性学 习所有特征 并持续在线学习 具有实时运算能 力 的基本模型包括卷积神经网络 深度 信念网络 循环神经网 络 深度自动编码 器 递归神经网络 等 技术在农业气象工作中的应用 制图与区划 土地覆盖与作物类型图是农业气象工作的重要 基础数据之一 过去的十几年中 随着遥感数据时 空分辨率不断提高 以及大量丰富的免费数据源向 公众开放 将遥感影像用于土地覆盖与作物类型分 类制图方面的研究呈指数增长 技术中多种经 典算法 模型已成功应用于该类任务 根据 等 的统计 最大似然分类法使用频率最高 相关 应 用 气 象 学 报 第 卷 文献中应用比例达 最大似然分类法和 最邻近法 均值法等也是文献中平均精度较低的 方法 分类精度较高的方法则是集成分类器 人工神 经网络和支持向量机 等 进一步统计 分析了既往研究 指出传统监督分类方法中支持向 量机平均精度最高 紧随其后的是人工神经网络 且 当影像空间分辨率和光谱分辨率提高时 支持向量 机表现出较人工神经网络更大的优势 此外 技术在作物管理区的划分方面已有成功应用的例 子 等 利用 均值法和自组织映射结合 遥感数据 土壤参数和产量数据进行了作物管理分 区 进一步看 农业气候区划 如农作物品质气候区 划 农业气象灾害风险区划 农业保险风险区 划 等是农业气象工作的重要任务 有待有针对 性地将 技术应用于区划工作 近年来 最受欢迎和最具效率的多源多时相遥 感影像土地覆盖与作物制图方法是集成学习和 技术 针对复杂地区的分类问题 集成学习的经 典算法随机森林的分类精度明显优于传统的决策 树 结构中的卷积神经网络 深度自动编码 器 深度信念网络 循环神经网络等均被用于探索该 类任务 等 利用两种循环神经网络结 构结合星载合成孔径雷达 影像制作了冬季植被质量分类图 制图精度优 于支持向量机和随机森林 等 研究表明 技术用于土地覆盖分类的精度高于支持向量机等浅 层学习模型 且 技术无需人工设计分类特征 并 可在分类中使用迁移学习 等 将卷积神经 网络用于作物制图的精度与随机森林和一种集成的 多层感知器 方法对 比 结果表明卷积神经网络精度最高 检测与观测 杂草检测是地基农业遥感的一项重要任务 有 研究认为杂草是对农作物生产最大的威胁 技 术和田间传感器结合可以精确检测田间杂草 进而 应用于农业工具和农业机器人的除草作业 最大程 度减少除草剂的使用 等 使用电荷耦合 元件 相机和人工神经 网络组成的机器视觉系统识别了杂草与萝卜 等 将支持向量机用于玉米田杂草和氮素胁 迫检测 取得比人工神经网络更高的精度 等 的对比研究表明 在经典 技术中 支持向 量机取得最优的杂草检测效果 近年来的研究表 明 技术可有效从图像中自动提取特征 在目标 识别中取得优于支持向量机的精度 王璨 等 应用卷积神经网络准确识别了幼苗期玉米与 杂草 等 应用卷积神经网络在农田影 像中识别了 种杂草与作物物种 并在后续研究中 将全卷积神经网络应用于存在严重叶片遮挡的情况 下 从谷物田中成功识别单株杂草 除杂草检 测 张雪芬等 利用支持向量机结合 影像实 现了作物发育期的图像自动识别 余卫东等 在对 中国农业气象自动化观测的展望中提及计算机视觉 技术的应用 技术在今后的农业气象自动化观 测中有待发挥更重要的作用 技术可以从高维海量数据中强有力提取复 杂的结构信息 近年来在植株表型观测 病虫害 检测 农田障碍检测 果实检测等任务中得到成功应 用 可极大提升农业气象自动化观测水平 等 对比了 技术和经典 技术 在农田障碍和异常检测中的应用效果 结果显示 技术具有最高精度和最快运算速度 等 利用卷积神经网络自动提取图像特征 识别农 业植被的物候期 精度优于基于手工设计特征的经 典 技术 等 应用更快速的区域卷积神经 网络和区域生长法从 点云中分割单株玉 米 可准确测量植株高度 等 开发了可 用于叶片计数等植物表型任务的 平台 等 开发了基于卷积神经网络的图像分割软件用 于水稻穗部分割 可实现水稻表型自动化测量 段凌 凤等 和张领先等 开展了类似研究 等 使用 相机和卷积神经网络组成的机器视 觉系统自动计算茎秆数并测量茎宽 黄双萍等 利用卷积神经网络和穗株高光谱图像提取不同尺度 穗瘟病斑分布式特征 实现水稻穗瘟病害的精准检 测 等 通过迁移学习和重新训练两种 方式训练卷积神经网络 有效识别 种作物物种和 种作物病害 孙俊等 开展了类似工作 等 提出一种 结构用于果实计数 即使水果处于阴影下 或被树叶 树枝遮挡 或水果 之间存在一定程度的重叠 也能有效计数 薛月菊 等 利用 技术中的 网络检测未成熟 芒果 表明该方法在复杂场景下的检测精度优于更 快速的区域卷积神经网络 产量预测 在健康的生态系统下以最低成本取得最大作物 第 期 李 颖等 机器学习技术在现代农业气象中的应用 产量是农业生产最重要的目标之一 作物产量 预测是农业气象工作中的一项重要任务 关系到粮 食安全 种植结构调整 作物管理 农业保险等 提高 预测的准确性有助于增加作物产量和商业利润 经 典统计方法难以准确预测作物产量的非线性时空变 化 当前更有效的产量预测方法包括作物生长模拟 和 技术 作物生长模型将作物生长阶段的 动态机制以数学模型抽象表达 建模过程耗时且 昂贵 其运行所需参数集在发展中国家尤难获取 另一方面的研究中 经典 技术与遥感数据 气 象数据 土壤数据等结合实现了不同尺度下不同作 物产量的准确预测 并有学者对比不同方法的 预测能力 等 研究表明 在马铃薯产量预 测中 多层感知器预测效果优于多元线性回归 对比了多层感知器 回归树 径向基核函数网 络和支持向量回归用于冬小麦产量预测的精度 表 明支持向量回归预测结果最准确 等 对比了多元线性回归 回归树 人工神经 网络 最邻近法和支持向量回归对大规模种植的 多种作物产量的预测能力 结果显示 回 归树表现最优 作者同时指出变量和属性的选取直 接影响不同算法 模型的预测精度 这是其研究与前 人研究结论存在差异的主要原因 与产量预测紧密 相关的农业气象灾害风险评估是农业气象学领域中 研究的热点 较之传统技术手段 技术对此 有很大的应用潜力 目前已有研究将 技术用于 农业气象灾害遥感监测与产量影响评估 如 等 利用随机森林等 技术与多源遥感数据结 合 对农业干旱进行监测评估 近几年 将 技术应用于作物产量预测的研 究陆续出现 等 对比使用 技术和 支持向量回归预测玉米产量 显示 技术预测精 度更高 等 将支持向量机 随机森林 极限 随机树和 技术用于玉米产量预测 显示 技 术精度最高 且可克服一般 技术应用中的过拟 合问题 更稳定 等 利用公众可获得的遥感 数据预测大豆产量 使用了卷积神经网络和循环神 经网络中的长短期记忆 网络与 种对比方法 显示卷积神经网络和 长短期记忆网络可自动学习原始数据中的有效特征 并取得最高的预测精度 等 将深度迁移学 习和回归模型分别与遥感数据结合用于作物产量预 测 表明使用迁移学习的长短期记忆网络预测精度 最高 参数估算 农业气象研究相关的水文 土壤 作物参数通过 站点观测无法取得其连续准确的空间分布情况 且 某些参数测量难度大 费用昂贵 技术与气象 数据 遥感数据等相结合 可简单 高效地实现参数 估算 且使对其时空连续性监测与预报成为可能 农业气象工作关注的热点参数包括蒸散 土壤湿度 土壤温度 氮素含量 叶面积指数 生物量等 准确估算蒸散对农业灌溉水资源时空优化配置 至关重要 同时该参数测量难度较大 等 利用支持向量机结合通量观测数据与 遥感 数据实现了大尺度蒸散的时空变化预测 等 使用一种模型树集成的 技术集成站点观 测蒸散与遥感数据和气象数据 估算全球尺度的多 年蒸散 等 将 技术与气象数据结合估 算参考蒸散 表明单层前馈神经网络中的极限学习 机 和最小二乘支持 向量机估算精度高于经验模型 等 利 用支持向量机 基因表达式编程 多元自适应回归样 条与气象观测资料结合估算干旱与半干旱地区的月 平均参考蒸散 显示支持向量机和多元自适应回归 样条效果最好 土壤温湿度和养分含量直接影响作物生长发育 和产量形成 其信息获取对农业生产中科学高效的 水肥管理具有重要意义 等 利用多层 感知器和 数据结合估算了农业区的土壤表面 粗糙度和土壤湿度 等 对比了支持向 量机 关联向量机 人工神经网络和广义线性模型在 土壤湿度降尺度中的应用效果 显示基于人工神经 网络的降尺度方法提高遥感反演土壤湿度空间分辨 率效果最好 等 利用极限学习机与气象 数据结合估算了不同深度的日平均土壤温度 效果 理想 等 利用偏最小二乘回归 主成分 回归 以及两种 技术 最小二乘支持向量机和 算法 与地面光谱数据结合估算土壤全氮 有 机碳和含水量 结果显示 最小二乘支持向量机对含 水量和有机碳估算效果最好 而 算法对全氮 估算效果最好 叶面积指数和生物量是反映植被生长状况的重 要参数 与植被生产力和作物产量密切相关 等 的综述显示 人工神经网络 支持向量回归和 随机森林回归是生物量和叶面积指数遥感反演中使 应 用 气 象 学 报 第 卷 用频率较高的算法 等 利用人工神经网 络实现菠菜不同生育期叶面积指数和生物量等参数 的反演 等 利用人工神经网络与地面散射计 数据和 影像结合反演水稻生物量 取得理想精度 等 将随机森林回归和支持 向量回归 人工神经网络两种对比方法用于小麦多 个生育期生物量的遥感反演 结果显示 随机森林回 归估算精度最高 且其稳健性与支持向量回归相当 优于人工神经网络 等 对比了人工神经网 络 支持向量回归 随机森林回归 高斯过程回归和 梯度升压回归树 等 技术在棉花叶面积指数遥感反演中 的应用效果 表明梯度升压回归树估算精度最高且 稳健性最好 支持向量回归则计算效率最高 技术与遥感数据结合 还可反演作物的其他生物物 理和生物化学参数 并可监测作物生长过程的相关 活动 等 利用一种神经网络模型与微波亮 温数据结合 反演了小麦植株含水量 等 分别利用支持向量回归和逐步多元回归与高光谱反 射率结合反演水稻叶面积指数和叶绿素含量 表明 支持向量回归在水稻生理生化参数估算方面优于逐 步多元回归 等 利用随机森林 回归和逐步多元回归分别与 高光谱数据 结合估算甘蔗叶片氮素含量 表明随机森林回归估 算精度高于逐步多元回归 等 利用高斯过程与光谱数据结合成功估算了叶 片含水量 叶绿素含量 氮素含量和比叶面积等生化 与结构参数 等 分别利用偏最小 二乘回归 支持向量回归和极限学习机回归与多源 遥感数据结合反演大豆的生理参数 叶面积指数和 生物量 与生化参数 氮素含量和叶绿素含量 显示 极限学习机回归效果最理想 近些年 将 用于上述参数估算的研究陆续 见诸报道 等 提出一种联合深度信念网络 与宏观细胞自动机 的 模型 结合环境变量预测土壤 湿度 显示其预测精度高于经典 技术 为预测 高度非线性特点的土壤湿度提供了一个强有力的工 具 王璨等 利用卷积神经网络和近红外光谱预 测土壤含水率 结果显示 卷积神经网络预测精度优 于人工神经网络 偏最小二乘回归和最小二乘支持 向量机等对比方法 等 利用田间数字影像 和卷积神经网络估算冬小麦早期生育阶段的地上生 物量 结果显示该方法具有良好的稳健性 马浚诚 等 利用可见光图像和卷积神经网络估算冬小麦 冠层叶面积指数和地上生物量 表明卷积神经网络 估算精度优于支持向量机和随机森林两种对比方 法 此外 技术还被用于农业气象条件预测 畜 牧业等相关研究 如 等 在作物规划中利 用长短期记忆网络预测天气和土壤属性 小 结 本文系统概述了 技术的主要方法及其在 现代农业气象中的主要应用方向 有针对性且全面 涵盖了现代农业气象中特别是涉及农业遥感的 技术的研究及应用情况 并纳入近年来最新的研究 进展 本文将 技术在农业气象工作中的主要应 用归纳为 个方面 制图与区划 检测与观测 产量 预测和参数估算 在制图与区划方面 技术与 遥感影像结合实现了不同尺度的土地覆盖与作物类 型制图 亦已结合遥感数据 土壤数据 统计数据用 于作物长势 植被质量等专题图的制作与作物管理 区划分 在检测与观测方面 技术成功用于田间 影像中的杂草检测 技术在植株表型观测 病虫 害检测 农田障碍检测 果实检测等方面 取得了理 想精度 可极大提升农业气象自动化观测水平 在产 量预测方面 技术与遥感时间序列数据 气象数 据 土壤数据结合在不同尺度成功预测了不同作物 的产量 与之相关 技术在农业气象灾害评估中 也有很大的应用潜力 在参数估算方面 农业气象研 究关注的以蒸散 叶面积指数 土壤湿度 氮素含量 等为代表的水文 土壤 作物参数均可利用 技 术与气象数据 遥感数据等的结合实现精确反演或 预测 综合看 传统浅层 技术中以支持向量机和 人工神经网络在本文涉及的诸多任务中应用最为广 泛且效果最为理想 近年来的方法对比类研究中 随机森林和梯度提升机等集成学习方法普遍取得优 于支持向量机和人工神经网络的精度 技术则 在某些任务中取得更优于集成学习的精度 且可解 决浅层 技术较难解决的一些问题 如在农业气 象观测中可精准实现植株表型的自动化观测 从应 用时间上看 人工神经网络和支持向量机等浅层 技术自 世纪 年代开始在农业气象和农业 第 期 李 颖等 机器学习技术在现代农业气象中的应用 遥感中应用并逐渐繁荣 其中人工神经网络的应用 略早于支持向量机 而以支持向量机为代表的核方 法则较人工神经网络更具优势 决策树自 世纪开 始受到学界的关注 年后随机森林和梯度提升 机等决策树集成方法在很多方面被认为是较核方法 更好的选择 技术自 年前后重回主流学界 的视野 伴随卷积神经网络和长短期记忆网络的成 功 自 年后被广泛认为在诸多应用中的表现超 越了支持向量机和集成学习 尽管将 技术 应用于农业问题的先驱探索始于 年 但大 部分研究成果发表于 年以后 且有逐年增 多的趋势 国内相关研究相对滞后 多数发表于 年以后 且涉及到的现代农业气象中的问题尚 十分有限 目前有待验证 技术特别是 技术在更多 农业气象问题上的适用性和先进性 如农业气象灾 害遥感监测与损失评估 农业气象灾害风险评估与 区划 农业气候区划 气候变化对作物生长的影响评 估等任务 同时 伴随 技术的发展 特别是类似 长短期记忆网络的 时间维算法和新结构的发 展 有望更好地结合以风云系列气象卫星数据为代 表的遥感时间序列数据 在制图 估产 预测等诸多 已开展研究的任务中取得更高的精度和准确性 特 别地 将 技术与智能手机等移动终端结合 可 为农业管理者和生产者提供功能强大且智慧化的农 业气象信息服务 将 技术与地基观测 无人机遥 感等结合 开发相关业务系统 可以显著提升农业气 象自动化观测水平 同时 需要认识到 技术中 没有一种方法可以取代其他所有方法 在现代农业 气象工作中需要根据具体任务和数据情况选择最适 用的 技术 如梯度提升机在当今被普遍认为是 处理非感知数据的最好算法之一 而当训练数据有 限时 浅层 技术往往比 技术更适用 未来 技术的各种算法和模型必将进一步 发展 程序库和普适性的训练数据集也将更加丰富 继承并突破现代 技术核心思想的新方法也终将 出现 需要熟悉 技术在现代农业气象所涉及 的各类问题上的适用情况 并及时追踪掌握科技前 沿技术 使农业气象科研与业务工作可以最大程度 地受益于每一次信息技术的革命性突破 以 技 术特别是 技术带动农业气象服务模式的创新 更好地迎接现代农业气象发展的新挑战与新机遇 参考文献 犃犿犲狉犻犮犪狀犈犮狅狀狅犿犻犮犚犲狏犻犲狑 犖犪狋狌狉犲 犆狉狅狆犛犮犻犲狀犮犲 犅犻 狅狊狔狊狋犲犿狊犈狀犵犻狀犲犲狉犻狀犵 犆狅犿狆狌狋犲狉狊犪狀犱犈犾犲犮狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 犆狅犿狆狌狋犲狉狊 犪狀犱犈犾犲犮狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 韩丰 龙明盛 李月安 等 循环神经网络在雷达临近预报中的 应用 应用气象学报 陆虹 翟盘茂 覃卫坚 等 低温雨雪过程的粒子群 神经网络 预报模型 应用气象学报 犈狓狆犲狉狋犛狔狊狋犲犿狊狑犻狋犺犃狆狆犾犻犮犪 狋犻狅狀狊 王在文 郑祚芳 陈敏 等 支持向量机非线性回归方法的气象 要素预报 应用气象学报 犆狅犿狆狌狋犲狉狊犪狀犱犈犾犲犮狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 应 用 气 象 学 报 第 卷 犖犪狋狌狉犲 犖犲狌狉犪犾犖犲狋狑狅狉犽狊 犚犲犿狅狋犲犛犲狀狊犈狀狏犻狉狅狀 李颖 李耀辉 王金鑫 等 和 在多光谱遥感影像 分类中的比较研究 海洋测绘 戴建国 张国顺 郭鹏 等 基于无人机遥感可见光影像的北疆 主要农作物分类方法 农业工程学报 犐狀狋犑犚犲 犿狅狋犲犛犲狀狊 犚犲犿狅狋犲犛犲狀狊犈狀狏犻狉狅狀 任义方 赵艳霞 王春乙 河南省冬小麦干旱保险风险评估与 区划 应用气象学报 张蕾 霍治国 黄大鹏 等 月海南省瓜菜苗期湿涝风 险评估与区划 应用气象学报 犐犈犈犈犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犔犲狋狋犲狉狊 犐犛犘犚犛犑狅狌狉狀犪犾狅犳犘犺狅狋狅犵狉犪犿犿犲狋狉狔犪狀犱 犚犲犿狅狋犲犛犲狀狊犻狀犵 犐犈犈犈犑狅狌狉狀犪犾狅犳犛犲犾犲犮狋犲犱犜狅狆犻犮狊 犻狀犃狆狆犾犻犲犱犈犪狉狋犺犗犫狊犲狉狏犪狋犻狅狀狊犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵 犐犈犈犈犌犲狅狊犮犻犲狀犮犲 犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犔犲狋狋犲狉狊 犐犈犈犈犑狅狌狉狀犪犾狅犳 犛犲犾犲犮狋犲犱犜狅狆犻犮狊犻狀犃狆狆犾犻犲犱犈犪狉狋犺犗犫狊犲狉狏犪狋犻狅狀狊犪狀犱犚犲犿狅狋犲 犛犲狀狊犻狀犵 犐犈犈犈犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犔犲狋狋犲狉狊 犐犈犈犈犜狉犪狀狊犌犲狅狊犮犻犚犲犿狅狋犲犛犲狀狊 犛犲狀狊狅狉狊 犅犻狅狊狔狊狋犲犿狊犈狀犵犻狀犲犲狉犻狀犵 犆狅犿狆狌狋犲狉狊犪狀犱犈犾犲犮狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 犆狅犿狆狌狋 犲狉狊犪狀犱犈犾犲犮狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 王璨 武新慧 李志伟 基于卷积神经网络提取多尺度分层特 征识别玉米杂草 农业工程学报 犅犻狅狊狔狊狋犲犿狊 犈狀犵犻狀犲犲狉犻狀犵 第 期 李 颖等 机器学习技术在现代农业气象中的应用 犃犱狏犪狀犮犲狊犻狀犃狀犻犿犪犾犅犻 狅狊犮犻犲狀犮犲狊 张雪芬 薛红喜 孙涵 等 自动农业气象观测系统功能与设 计 应用气象学报 余卫东 杨光仙 张志红 我国农业气象自动化观测现状与展 望 气象与环境科学 犑狅狌狉狀犪犾狅犳犐犿犪犵犻狀犵 犌犻犵犪狊犮犻犲狀犮犲 犛犲狀狊狅狉狊 犉狉狅狀狋犻犲狉狊犻狀犘犾犪狀狋犛犮犻犲狀犮犲 犉狉狅狀狋犻犲狉狊 犻狀犘犾犪狀狋犛犮犻犲狀犮犲 犘犾犪狀狋犕犲狋犺狅犱狊 段凌凤 熊雄 刘谦 等 基于深度全卷积神经网络的大田稻穗 分割 农业工程学报 张领先 陈运强 李云霞 等 基于卷积神经网络的冬小麦麦穗 检测计数系统 农业机械学报 黄双萍 基于深度卷积神经网络的水稻穗瘟病检测方法 农业 工程学报 犉狉狅狀狋犻犲狉狊犻狀犘犾犪狀狋犛犮犻 犲狀犮犲 孙俊 谭文军 毛罕平 等 基于改进卷积神经网络的多种植物 叶片病害识别 农业工程学报 犛犲狀狊狅狉狊 薛月菊 黄宁 涂淑琴 等 未成熟芒果的改进 识别 方法 农业工程学报 犆狅犿狆狌狋犲狉狊犪狀犱犈犾犲犮 狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 犛狆犪狀犻狊犺犑狅狌狉狀犪犾狅犳犃犵狉犻犮狌犾狋狌狉犪犾犚犲狊犲犪狉犮犺 犜狉犪狀狊犪犮狋犻狅狀狊狅犳狋犺犲犃犛犃犅犈 犘狉犲犮犻狊犻狅狀犃犵狉犻犮狌犾狋狌狉犲 郭建平 农业气象灾害监测预测技术研究进展 应用气象学 报 王春乙 张继权 霍治国 等 农业气象灾害风险评估研究进展 与展望 气象学报 陈怀亮 邓伟 张雪芬 等 河南小麦生产农业气象灾害风险分 析及区划 自然灾害学报 侯英雨 张蕾 吴门新 等 国家级现代农业气象业务技术进 展 应用气象学报 王馥棠 中国气象科学研究院农业气象研究 年进展 应用 气象学报 犃犵狉犻犮犉狅狉 犕犲狋犲狅狉狅犾 应 用 气 象 学 报 第 卷 犓狅狉犲犪狀犛狅犮犛狌狉狏 犌犲狅犱犲狊狔 犘犺狅狋狅犵狉犪犿犿犆犪狉狋狅犵狉 犐犈犈犈犜狉犪狀狊 犌犲狅狊犮犻犚犲犿狅狋犲犛犲狀狊 犖犪狋狌狉犲 犆狅犿 狆狌狋犲狉狊犪狀犱犈犾犲犮狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 犆狅犿狆狌狋犲狉狊犪狀犱犈犾犲犮狋狉狅狀犻犮狊犻狀 犃犵狉犻犮狌犾狋狌狉犲 犎狔犱狉狅犾狅犵狔犪狀犱犈犪狉狋犺犛狔狊狋犲犿犛犮犻 犲狀犮犲狊 犠犪狋犲狉犚犲狊狅狌狉犮犲狊犕犪狀犪犵犲犿犲狀狋 犆狅犿狆狌狋犲狉狊犪狀犱犈犾犲犮 狋狉狅狀犻犮狊犻狀犃犵狉犻犮狌犾狋狌狉犲 犅犻狅狊狔狊狋犲犿狊犈狀犵犻狀犲犲狉犻狀犵 犚犲犿狅狋犲犛犲狀狊犻狀犵 犃犱狏犪狀犮犲狊犻狀犛狆犪犮犲犚犲狊犲犪狉犮犺 犑狅狌狉狀犪犾狅犳犃狆狆犾犻犲犱 犚犲犿狅狋犲犛犲狀狊犻狀犵 犜犺犲犆狉狅狆犑狅狌狉狀犪犾 犃狆狆犾犻犲犱犛犮犻犲狀犮犲狊 犐犈犈犈犜狉犪狀狊犌犲狅狊犮犻犚犲犿狅狋犲犛犲狀狊 犛犮犻犲狀犮犲犆犺犻狀犪犔犻犳犲犛犮犻犲狀犮犲狊 犐狀狋犑犚犲犿狅狋犲犛犲狀狊 犑狅狌狉狀犪犾狅犳犘犺狅狋狅 犮犺犲犿犻狊狋狉狔犪狀犱犘犺狅狋狅犫犻狅犾狅犵狔犅 犅犻狅犾狅犵狔 犐犛犘犚犛犑狅狌狉狀犪犾狅犳 犘犺狅狋狅犵狉犪犿犿犲狋狉狔犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵 犑狅狌狉狀犪犾狅犳犃狉犻犱犔犪狀犱 王璨 武新慧 李恋卿 等 卷积神经网络用于近红外光谱预 测土壤含水率 光谱学与光谱分析 犈狌狉狅狆犲犪狀犑狅狌狉狀犪犾 狅犳犃犵狉狅狀狅犿狔 马浚诚 刘红杰 郑飞翔 等 基于可见光图像和卷积神经网 络的冬小麦苗期长势参数估算 农业工程学报 犐犉犃犆犘狉狅犮犲犲犱犻狀犵狊犞狅犾狌犿犲狊 第 期 李 颖等 机器学习技术在现代农业气象中的应用 犚犲狏犻犲狑狅犳犕犪犮犺犻狀犲犔犲犪狉狀犻狀 犵 犃 狆狆 狉狅犪犮犺犲狊犳狅狉犕狅犱犲狉狀犃 犵 狉狅犿犲狋犲狅狉狅犾狅 犵狔 犆犕犃 犎犲狀犪狀犓犲狔犔犪犫狅狉犪狋狅狉狔狅犳犃犵狉狅犿犲狋犲狅狉狅犾狅犵犻犮犪犾犛狌狆狆狅狉狋犪狀犱犃狆狆犾犻犲犱犜犲犮犺狀犻狇狌犲 犣犺犲狀犵狕犺狅狌 犎犲狀犪狀犐狀狊狋犻狋狌狋犲狅犳犕犲狋犲狅狉狅犾狅犵犻犮犪犾犛犮犻犲狀犮犲狊 犣犺犲狀犵狕犺狅狌 犎犲狀犪狀犕犲狋犲狅狉狅犾狅犵犻犮犪犾犛犲狉狏犻犮犲 犣犺犲狀犵狕犺狅狌 犃犫狊狋狉犪犮狋 犓犲狔狑狅狉犱狊 应 用 气 象 学 报 第 卷

注意事项

本文(机器学习技术在现代农业气象中的应用.pdf)为本站会员(ly@RS)主动上传,园艺星球(共享文库)仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知园艺星球(共享文库)(发送邮件至admin@cngreenhouse.com或直接QQ联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




固源瑞禾
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2018-2020 华科资源|Richland Sources版权所有
经营许可证编号:京ICP备09050149号-1

     京公网安备 11010502048994号


 

 

 

收起
展开