检索结果-内蒙古大学图书馆

农业机械学报 2021年第2期52卷 188-198页

作者：刘杨冯海宽黄珏孙乾杨福芹杨贵军北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 山东科技大学测绘科学与工程学院青岛266590 国家农业信息化工程技术研究中心北京100097 河南工程学院土木工程学院郑州451191

为实现快速无损获取马铃薯株高和地上生物量信息,分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期的高光谱影像,实测马铃薯株高H、地上生物量(AGB)和地面控制点(GCP)的三维空间坐标,基于无人机高光谱影像结合GCP生... 详细信息

为实现快速无损获取马铃薯株高和地上生物量信息,分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期的高光谱影像,实测马铃薯株高H、地上生物量(AGB)和地面控制点(GCP)的三维空间坐标,基于无人机高光谱影像结合GCP生成试验田的数字表面模型(DSM),利用DSM提取马铃薯的株高H_(dsm);然后,对马铃薯AGB与原始无人机冠层光谱和高光谱指数分别进行相关性分析,筛选出最优光谱指数和前10个光谱指数,利用指数回归(Exponential regression,ER)构建单变量模型;最后,采用多元线性回归(Multiple linear regression,MLR)、偏最小二乘回归(Partial least square regression,PLSR)和随机森林(Random forest,RF)3种方法构建不同生育期的估算模型,并进行对比,挑选出马铃薯AGB估算的最优模型。结果表明:将提取的马铃薯株高与实测值进行线性拟合,R 2为0.84;在单变量模型中,每个生育期以ER估算AGB得到的验证精度高于相应的建模精度,其中构建模型效果优劣次序依次为最优光谱指数、H_(dsm)、H,块茎增长期以CIrededge指数估测精度最高(R 2=0.45);在多变量模型中,每个生育期采用3种方法构建AGB估算模型,每种方法以光谱指数加入H_(dsm)的模型精度更高、稳定性更强;每个生育期利用MLR以光谱指数和H_(dsm)为变量的AGB模型(R^(2)为0.64、0.70、0.79、0.68、0.63)效果优于PLSR(R^(2)为0.62、0.68、0.75、0.67、0.60)和RF(R^(2)为0.56、0.61、0.67、0.63、0.53)模型。利用MLR模型进行马铃薯AGB填图,5个生育期的AGB空间分布与实际生长情况一致。利用融入H_(dsm)的MLR模型可估测大面积马铃薯AGB,为精准农业定量化研究提供技术支持。

关键词：马铃薯株高地上生物量无人机高光谱指数

来源：评论

学校读者我要写书评

暂无评论

冬小麦叶片光合特征高光谱遥感估算模型的比较研究

引用

中国农业科学 2019年第4期52卷 616-628页

作者：张卓龙慧灵王崇倡杨贵军北京农业信息技术研究中心/农业部农业遥感机理与定量遥感重点实验室国家农业信息化工程技术研究中心北京市农业物联网工程技术研究中心辽宁工程技术大学测绘与地理科学学院

【目的】光合作用是农作物产量和品质形成的基础,农作物光合参数的准确定量遥感反演不仅能够了解农作物的生长发育和有机物累积状况,还能为基于遥感的生态系统过程模型提供参考。为快速准确的估算光合特征参量,本研究综合原始光谱、3种... 详细信息

【目的】光合作用是农作物产量和品质形成的基础,农作物光合参数的准确定量遥感反演不仅能够了解农作物的生长发育和有机物累积状况,还能为基于遥感的生态系统过程模型提供参考。为快速准确的估算光合特征参量,本研究综合原始光谱、3种传统光谱变换技术和4种模拟方法构建冬小麦3种光合参数的高光谱反演模型,探讨高光谱反演冬小麦光合参数的可行性,对比不同类别光谱和模拟方法的适用性。【方法】本研究基于氮肥施用条件冬小麦气体交换和高光谱田间试验,获取不同叶位叶片的最大净光合速率(Amax)、PSⅡ有效光化学量子产量(Fv′/Fm′)、光化学猝灭系数(qP)和高光谱反射率,并对原始高光谱进行倒数、对数和一阶微分变换。根据3种光合参数和4种光谱的相关性分析结果,筛选显著性水平优于0.01的波段作为输入变量,采用偏最小二乘(PLS)、支持向量机(SVM)、多元线性回归(MLR)和人工神经网络(ANN)等方法建立冬小麦叶片光合参量反演模型,以建模和验证的决定系数(R~2)和均方根误差(RMSE)为依据,对不同模型的模拟精度进行比较分析。【结果】(1)3种光合参数和4种光谱的相关性分析结果表明,原始、倒数和对数光谱对3种光合参数(Amax、Fv′/Fm′和qP)的敏感谱区均集中在400—750 nm波谱区间,一阶导数光谱对3个光合参数的敏感谱区为470—560、630—700和700—770 nm波谱区间。(2)Amax、Fv′/Fm′和qP的最优反演模型组合分别为基于倒数光谱的MLR模型、基于一阶导数光谱的MLR模型和基于原始光谱的MLR模型。模型的建模R2分别为0.75、0.65和0.65,验证R2分别为0.73、0.59和0.44,表明基于高光谱模拟Amax和Fv′/Fm′切实可行,模拟qP的有效性需要进一步验证。(3)不同变换的光谱表现能力不同,以PLS模拟Amax为例,光谱的表现能力顺序为原始光谱>倒数光谱>对数光谱>一阶导数光谱。(4)不同模型的估算能力也存在明显差异,以基于原始光谱的Amax模拟为例,不同模型的估算能力顺序为MLR>PLS>ANN>SVM。【结论】通过对比分析4种光谱和4种模拟方法对3种冬小麦光合参数的高光谱反演结果发现,Amax和Fv′/Fm′可以很好通过高光谱进行模拟,而高光谱对qP解释能力偏低,有待进一步研究。高光谱信息对冬小麦光合参量具有较强的敏感性,同时受光谱类型和模拟方法的影响,可以用来监测冬小麦光合能力的动态变化,为把握农作物生长状况提供依据。

关键词：光合参量偏最小二乘支持向量机多元线性回归神经网络高光谱

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱分数阶微分的马铃薯地上生物量估算

引用

农业机械学报 2020年第12期51卷 202-211页

作者：刘杨冯海宽孙乾杨福芹杨贵军北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 山东科技大学测绘科学与工程学院青岛266590 国家农业信息化工程技术研究中心北京100097 河南工程学院土木工程学院郑州451191 北京市农业物联网工程技术研究中心北京100097

以马铃薯为研究对象,利用无人机得到现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱数据,实测了地上生物量(Above ground biomass,AGB)数据。首先,利用成像高光谱影像提取每个生育期马铃薯冠层高光谱反射率数据;然后,利... 详细信息

以马铃薯为研究对象,利用无人机得到现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱数据,实测了地上生物量(Above ground biomass,AGB)数据。首先,利用成像高光谱影像提取每个生育期马铃薯冠层高光谱反射率数据;然后,利用分数阶微分计算高光谱0~2阶微分(间隔0.2),将各阶微分下的光谱数据与地上生物量进行相关性分析,挑选出相关系数绝对值较大的前9个微分波段;最后,利用多元线性回归(Multiple linear regression,MLR)、随机森林(Random forest,RF)和人工神经网络(Artificial neural network,ANN)3种方法构建基于分数阶微分光谱的整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,并进行了对比。结果表明:各生育期相关系数绝对值最大值出现的阶数不同,现蕾期为0.8阶微分(470 nm);块茎形成期为1.8阶微分(710 nm);块茎增长期和淀粉积累期为1.6阶微分(718、722、766 nm);成熟期为1.0阶微分(622 nm)。相较于整数阶微分,高光谱分数阶微分与AGB的相关性更高,分数阶微分可以提高马铃薯AGB的估算精度。分析了不同生育期整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,3种方法中以9个微分波段为因变量的AGB估算在块茎增长期表现效果最好,利用MLR方法得到的模型精度最高、稳定性最强,其次为RF模型,ANN模型表现效果最差。不同生育期利用3种方法构建的AGB估算模型精度由大到小依次为块茎增长期、块茎形成期、淀粉积累期、现蕾期、成熟期。

关键词：马铃薯地上生物量高光谱分数阶微分

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的马铃薯生物量估算

引用

农业工程学报 2020年第23期36卷 181-192页

作者：刘杨冯海宽黄珏孙乾杨福芹农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 山东科技大学测绘科学与工程学院青岛266590 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 河南工程学院土木工程学院郑州451191

株高和植被覆盖度(Vegetation Coverage,VC)是估算生物量的重要参数,而生物量的准确估算对农业生产具有重要作用。该研究获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的无人机和地面数码影像,并实测株高、地上生物量... 详细信息

株高和植被覆盖度(Vegetation Coverage,VC)是估算生物量的重要参数,而生物量的准确估算对农业生产具有重要作用。该研究获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的无人机和地面数码影像,并实测株高、地上生物量和地面控制点(Ground Control Point,GCP)的三维空间坐标。首先基于数字表面模型(Digital Surface Model,DSM)提取马铃薯株高,其次利用地面和无人机数码影像提取马铃薯VC实测值和估测值,然后将提取的株高、VC和二者乘积与选取的11种植被指数和生物量作相关性分析,挑选出相关性较好的前6种植被指数和3种农学参数,最后通过线性回归(Linear Regression,LR)、偏最小二乘回归(Partial Least Square Regression,PLSR)、随机森林(Random Forest,RF)算法和支持向量机(Support Vector Machine,SVM)估算生物量。结果表明,提取株高和实测株高拟合的决定系数为0.86,标准均方根误差为13.42%;提取VC值和实测VC值拟合的决定系数为0.84,标准均方根误差为15.76%;利用LR建模和验证精度由低到高依次为提取的株高、VC和二者乘积,每种变量的估算效果均从现蕾期到块茎增长期逐渐变好,从淀粉积累期到成熟期逐渐变差;每个生育期利用3种方法以不同变量估算生物量效果依次由低到高为植被指数、植被指数结合提取株高、植被指数结合提取VC、植被指数结合提取的株高和VC,其中PLSR模型效果优于RF和SVM模型。该研究为马铃薯长势快速监测提供参考。

关键词：模型无人机生物量马铃薯株高植被覆盖度植被指数

来源：评论

学校读者我要写书评

暂无评论

便携式茶鲜叶品质光谱检测装置研制

引用

农业工程学报 2020年第24期36卷 273-280页

作者：王凡赵春江徐波徐泽李振海杨海滨段丹丹杨贵军清远市智慧农业研究院清远511500 国家农业信息化工程技术研究中心北京100097 农芯科技(广州)有限责任公司广州511458 重庆市农业科学院茶叶研究所重庆402160 农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097

品质监测对茶鲜叶适时采摘和茶叶加工品控具有重要意义。该研究基于可见/近红外光谱技术,研发了便携式茶鲜叶品质无损检测装置。该装置分为主机和手柄2部分,主机大小约240 mm×250 mm×240 mm,包括光谱仪、光源、可充电锂电池... 详细信息

品质监测对茶鲜叶适时采摘和茶叶加工品控具有重要意义。该研究基于可见/近红外光谱技术,研发了便携式茶鲜叶品质无损检测装置。该装置分为主机和手柄2部分,主机大小约240 mm×250 mm×240 mm,包括光谱仪、光源、可充电锂电池、稳压板和散热风扇;手柄大小约130 mm×100 mm×30 mm,包括光纤探头、金属灯杯、白参考板和外触发按钮。基于该设备,采集了茶鲜叶500~900 nm范围内可见/近红外漫反射光谱,对比了归一化(Normalize,NOR)、一阶导数(First Derivative,FD)、标准正态变量变换(Standard Normal Variable Transformation,SNV)和概率商归一化(Probabilistic Quotient Normalization,PQNOR)等不同光谱预处理方法对茶叶光谱的处理结果,建立了茶鲜叶干物质含量、水浸出物含量、茶多酚含量的偏最小二乘定量预测模型。结果表明,PQNOR预处理后建立的偏最小二乘预测模型精度最好,干物质、水浸出物和茶多酚含量预测模型在验证集的相关系数分别为0.905、0.896和0.747,均方根误差分别为0.860%、0.559%和0.549%。在茶园对装置的精度进行了现场测试,单片茶鲜叶检测时间约为1 s,干物质、水浸出物和茶多酚含量预测值与测量值的均方根误差分别为0.903%、0.634%和0.551%。该装置可以实现茶鲜叶光谱原位采集和干物质含量、水浸出物、茶多酚的定量分析,对及时掌握茶树生长情况、辅助决策采茶方案和保障茶叶品质具有重要作用。

关键词：茶无损检测品质分析光谱茶鲜叶便携式

来源：评论

学校读者我要写书评

暂无评论

不同灌溉条件下冬小麦冠层含水量的光谱响应

引用

中国农业科学 2019年第14期52卷 2425-2435页

作者：孙乾顾晓鹤孙林王淼周龙飞杨贵军李卫国束美艳国家农业信息化工程技术研究中心农业部农业遥感机理与定量遥感重点实验室/北京农业信息技术研究中心山东科技大学测绘科学与工程学院河北省农业技术推广总站江苏省农业科学院农业信息研究所

【目的】寻找快速、无损地诊断冠层含水量的方法,对冬小麦长势监测、旱情评估及变量灌溉提供技术支持。【方法】基于田间变量灌溉试验,分析生育期、灌溉量对冬小麦冠层含水量的影响,解析冠层光谱对不同灌溉处理下冠层含水量的响应规律,... 详细信息

【目的】寻找快速、无损地诊断冠层含水量的方法,对冬小麦长势监测、旱情评估及变量灌溉提供技术支持。【方法】基于田间变量灌溉试验,分析生育期、灌溉量对冬小麦冠层含水量的影响,解析冠层光谱对不同灌溉处理下冠层含水量的响应规律,以冠层等效水厚度(EWTc)为表征指标,基于连续小波变换(CWT)技术,构建冬小麦冠层等效水厚度光谱诊断模型,利用独立样本验证模型精度。【结果】冬小麦冠层等效水厚度在生育后期均随着灌溉量的增多而增加,并随着生育进程的推进而减少;冬小麦冠层光谱反射率随着生育进程的推进而降低,在近红外和中红外波段冠层光谱反射率均表现为1水>0.5水>0水;与原始冠层光谱反射率相比,经连续小波变换后的小波系数与冠层等效水厚度相关性在第1、2、3、5、6、7分解尺度均有不同程度的提高,提高幅度在8.40%—26.20%;以第6尺度2 400 nm、第2尺度1 596 nm和第7尺度2 397 nm构建的冠层等效水厚度光谱诊断模型稳定性和精度较好,验证样本决定系数R~2为0.5411,RMSE为0.0127 cm。【结论】冬小麦冠层含水量随着灌溉时间与灌溉量发生规律性变化,在水分敏感波段范围内呈现明显的光谱响应特征,连续小波变换技术可以有效提高冠层光谱特征参量与冠层等效水厚度的相关性,实现冬小麦冠层含水量光谱诊断,可以为冬小麦田间变量灌溉决策提供技术支持。

关键词：冬小麦冠层等效水厚度叶面积指数灌溉连续小波变换冠层光谱

来源：评论

学校读者我要写书评

暂无评论

无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量

引用

农业工程学报 2019年第11期35卷 63-74页

作者：陈鹏冯海宽李长春杨贵军杨钧森杨文攀刘帅兵农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 河南理工大学测绘与国土信息工程学院焦作454000 辽宁工程技术大学测绘与地理科学学院阜新123000

利用无人机平台搭载多光谱传感器在农业监测上已经有一些应用,但是利用无人机多光谱影像估算作物叶绿素含量的研究较少,特别是融合无人机多光谱影像光谱信息和纹理信息估算马铃薯叶绿素含量的研究更是罕见。基于此,该文利用2018年北京... 详细信息

利用无人机平台搭载多光谱传感器在农业监测上已经有一些应用,但是利用无人机多光谱影像估算作物叶绿素含量的研究较少,特别是融合无人机多光谱影像光谱信息和纹理信息估算马铃薯叶绿素含量的研究更是罕见。基于此,该文利用2018年北京小汤山基地马铃薯各个典型生育期的无人机多光谱影像及实测的叶绿素含量数据,首先提取多光谱影像植被指数和纹理特征等变量,然后分析其与叶绿素含量相关性,筛选出较优特征变量,并开展基于调整R^2和K折交叉验证的全子集分析估算马铃薯叶绿素含量。最后将植被指数与纹理特征通过主成分融合构建一种新的综合指标估算叶绿素含量。研究发现:1)多光谱植被指数和纹理特征估算叶绿素含量模型,K折交叉验证均优于调整R^2;2)整个生育期,综合指标模型决定系数比植被指数模型、纹理特征模型均有提升,且标准均方根误差均降低。综合指标估算模型较优,多光谱植被指数模型次之,纹理特征模型较差。该研究可为马铃薯生长营养监测提供一种可行的方法,对马铃薯的栽培种植管理具有指导意义。

关键词：无人机农作物遥感马铃薯叶绿素含量多光谱纹理特征最优子集分析

来源：评论

学校读者我要写书评

暂无评论

作物病虫害高光谱遥感进展与展望

引用

遥感学报 2021年第1期25卷 403-422页

作者：张凝杨贵军赵春江张竞成杨小冬潘瑜春黄文江徐波李明朱西存李振海农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 杭州电子科技大学生命信息与仪器工程学院杭州310018 农业农村部农业信息技术重点实验室北京100097 中国科学院空天信息创新研究院数字地球重点实验室北京100094 山东农业大学资源与环境学院泰安271018

作物病虫害作为影响农作物品质、产量及威胁粮食安全的主要因素,仅依靠人工田间调查对其进行监测已不能满足当下农业生产精准高效的需求。高光谱遥感作为能够获取地表物体连续波谱信息的遥感技术,已经成为当下作物病虫害监测识别的重要... 详细信息

作物病虫害作为影响农作物品质、产量及威胁粮食安全的主要因素,仅依靠人工田间调查对其进行监测已不能满足当下农业生产精准高效的需求。高光谱遥感作为能够获取地表物体连续波谱信息的遥感技术,已经成为当下作物病虫害监测识别的重要手段。本文对作物病虫害高光谱遥感监测识别的研究进展进行综述,通过对该领域发表文献的统计以及对主要机构、团队、数据源的分析,明确了病虫害高光谱遥感监测的研究热点和趋势;在此基础上,分析高光谱技术及其作物病虫害的监测识别机理,从病虫害胁迫探测、分类识别、危害严重度定量分析及早期检测四个方面综述相关技术及研究现状;通过探讨当下高光谱遥感病虫害监测识别面临的挑战,提出作物病虫害标准图谱库的建立、星载高光谱传感器的完善以及星空地一体化监测平台的搭建是当前作物病虫害高光谱遥感监测识别技术落到实处的关键,也是未来发展的重点方向。

关键词：遥感作物病虫害高光谱遥感监测识别未来展望

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的马铃薯覆盖度提取方法

引用

农业机械学报 2020年第3期51卷 164-170页

作者：吴智超李长春冯海宽翟丽婷王道勇杨贵军河南理工大学测绘与国土信息工程学院焦作454000 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

为了利用数码影像快速提取马铃薯覆盖度,首先,利用植被覆盖度提取算法从地面数码影像中获取马铃薯覆盖度实测值;然后,通过植被指数提取法和最大似然监督分类法对无人机数码影像进行处理,分别获取各个研究小区的马铃薯覆盖度;提出利用颜... 详细信息

为了利用数码影像快速提取马铃薯覆盖度,首先,利用植被覆盖度提取算法从地面数码影像中获取马铃薯覆盖度实测值;然后,通过植被指数提取法和最大似然监督分类法对无人机数码影像进行处理,分别获取各个研究小区的马铃薯覆盖度;提出利用颜色转换空间HSI(HA法)从无人机数码影像中快速提取马铃薯覆盖度;最后,对HA法、最大似然监督分类法和植被指数提取法3种方法的计算结果进行精度比较。结果表明,HA法估测的植被覆盖度的精度最高,均达到0.91以上,拟合函数拟合度为0.97;最大似然监督分类法次之,最低精度为0.75,拟合度为0.82;植被指数提取法最差,最低精度为0.74,拟合度为0.74。

关键词：马铃薯植被覆盖度提取算法过绿植被指数监督分类颜色转换空间算法

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的冬小麦株高和生物量估算

引用

农业工程学报 2019年第19期35卷 107-116页

作者：陶惠林徐良骥冯海宽杨贵军杨小冬苗梦珂代阳安徽理工大学测绘学院淮南232001 农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 河南理工大学测绘与国土信息工程学院焦作454000

高效、快速地获取作物的株高和生物量信息,对农业生产有重要意义。该文利用2015年4月-6月获得了冬小麦拔节期、挑旗期和开花期的高清数码影像。首先基于无人机高清数码影像生成冬小麦的作物表面模型(crop surface model,CSM),利用CSM提... 详细信息

高效、快速地获取作物的株高和生物量信息,对农业生产有重要意义。该文利用2015年4月-6月获得了冬小麦拔节期、挑旗期和开花期的高清数码影像。首先基于无人机高清数码影像生成冬小麦的作物表面模型(crop surface model,CSM),利用CSM提取出冬小麦的株高(Hcsm),然后利用提取的21种数码影像图像指数,构建了拔节期、挑旗期和开花期混合的多生育期生物量估算模型,并进行单生育期和多生育期模型对比分析;最后选择逐步回归(stepwise regression,SWR)、偏最小二乘(partial least square,PLSR)、随机森林(random forest,RF)3种建模方法对多生育期估算模型进行对比,挑选出冬小麦生物量估算的最优模型。结果表明,提取的Hcsm和实测株高(H)具有高度拟合性(R^2=0.87,RMSE=6.45 cm,NRMSE=11.48%);与仅用数码影像图像指数构建的生物量估算模型相比(R^2=0.7212,RMSE=0.1372 kg/m^2,NRMSE=26.25%),数码影像图像指数融入H和Hcsm所得模型效果更佳,其中融入Hcsm的模型精度和稳定性(R^2=0.8191,RMSE=0.1106 kg/m^2,NRMSE=21.15%)要优于加入株高H所构建的估算模型(R^2=0.7941,RMSE=0.1179 kg/m^2,NRMSE=22.56%);SWR生物量估算模型(R^2=0.7212)效果优于PLSR(R^2=0.6774)和RF(R^2=0.6571)生物量估算模型。该研究为冬小麦生长状况高效、快速监测提供参考。

关键词：无人机数码影像作物表面模型冬小麦株高生物量逐步回归

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：