CN105866770A - 一种基于多波段散射测量的昆虫体长-质量联合测量方法 - Google Patents
一种基于多波段散射测量的昆虫体长-质量联合测量方法 Download PDFInfo
- Publication number
- CN105866770A CN105866770A CN201610171893.5A CN201610171893A CN105866770A CN 105866770 A CN105866770 A CN 105866770A CN 201610171893 A CN201610171893 A CN 201610171893A CN 105866770 A CN105866770 A CN 105866770A
- Authority
- CN
- China
- Prior art keywords
- frequency
- dbf
- multiband
- value
- measurement data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Catching Or Destruction (AREA)
- Agricultural Chemicals And Associated Chemicals (AREA)
Abstract
本发明公开了一种基于多波段散射测量的昆虫体长‑质量联合测量方法,该方法可以同时测得昆虫的体长和质量,该方法所能覆盖的昆虫尺寸范围与传统的昆虫雷达体型参数反演方法相比大大增加,因此也增强了昆虫雷达对昆虫种类识别的能力。
Description
技术领域
本发明属于昆虫雷达技术领域,具体涉及一种基于多波段散射测量的昆虫体长-质量联合测量方法。
背景技术
雷达昆虫学是一门新的学科分支。从它诞生起的,英、美、澳、中四国的观测研究已初步阐明了昆虫在迁飞过程中的成层、定向、集聚等行为现象及其时空分布,揭示了大气结构和运动对昆虫迁飞的影响,为深化人们对昆虫迁飞行为机制的认识提供了许多有益的结果;昆虫雷达技术也逐渐从研究走向实用,已经实现了对迁飞性害虫的长期、自动和实时监测。此后,世界各地的昆虫学家们利用昆虫雷达对迁飞性昆虫进行了一系列研究。目前美国、澳大利亚和英国都拥有了自己的昆虫雷达系统,我国也在山东、河南、辽宁等多处配置了昆虫雷达系统。
传统昆虫雷达受工作体制、系统功能、算法和指标等因素的限制,无法准确获取昆虫的体长、体重等生物学参数。传统昆虫雷达通常工作在瑞利区,且只有单一频段,因此只能将雷达测量得到的昆虫雷达散射截面积(RCS)与瑞利区的经验值相比较,从而推算出昆虫的质量,并进一步根据质量反演体型或进行分类。这一方法获取的信息量比较单一,特别是对体型较大的昆虫,其散射会进入谐振区,这会大大影响传统体型反演方法的精度。因此传统昆虫雷达的昆虫体型参数反演方法往往无法覆盖较广的昆虫尺寸范围,限制了昆虫雷达的有效性。此外如果能同时测得昆虫的体长和质量,则可以大大提高昆虫雷达对昆虫种类识别的精度。
发明内容
有鉴于此,本发明的目的是提供一种基于多波段散射测量的昆虫体长-质量联合测量方法,可以利用雷达测量昆虫在不同波段的散射参数,并通过曲线拟合反演昆虫的体长和质量等生物学参数,对昆虫雷达目标识别与分类具有重要意义。
一种基于多波段散射测量的昆虫体长-质量联合测量方法,包括如下步骤:
步骤一,多波段RCS数据获取:
采用多波段雷达系统探测待测昆虫,获得N个频点的散射信号,其中,每个波段的频点数不小于10个;各频点对应的对数频率为dBfn=10log10(fn),fn为第n个频点的频率值,n=1~N;针对第n个频点,获得待测昆虫对应的全极化散射矩阵:
其中,为水平极化分量,为垂直极化分量,和为交叉极化分量;
将该雷达全极化散射矩阵Sn,代入下式中:
得到第n个频点的RCS最大值的测量数据σmax(dBfn);遍历N个频率点,得到各频率点对应的RCS最大值的测量数据,将各频率点对应的对数频率作为横坐标,将RCS最大值的测量数据作为纵坐标,形成测量数据曲线图;再基于该测量数据曲线图得到对数频率dBf与RCS最大值的测量数据的幂函数关系:σmax=α(dBf-dBf0)β+σ0;其中,dBf0表示曲线图中峰值拐点的横坐标,σ0为峰值拐点的纵坐标,即为RCS最大值的测量数据;α和β为决定幂函数曲线陡峭程度的参数;
步骤二,基于最小二乘意义的搜索获得对峰值拐点参数dBf0和σ0的估计值和具体为:
1)、选取所述步骤一的测量数据曲线图中峰值拐点的窗口内的RCS测量数据σmax(dBfm),m=Ns~Ne,Ns≥1,Ne≤N;
2)、分别设定α、β、dBf0和σ0的遍历搜索区间和遍历搜索间隔;
3)、选取α、β、dBf0和σ0在各自搜索区间范围内的一组参数,代入所述幂函数关系式中,得到其中一个频率点上的计算值,将该计算值与步骤一获得的对应频率点的测量值相减,得到误差值;遍历所述窗口内所有频率点,得到各个频率点对应的误差值,最后,对所有误差值求和;
4)、按照设定的搜索间隔,在各自的搜索区间内不断更换参数α、β、dBf0和σ0,得到对应的误差值的和值,选取使误差值的和值最小时对应的一组参数作为第一峰值拐点参数的估计结果:
步骤三,体长和质量反演:
将对第一拐点处对数频率的估计结果中的dBf0的估计值转换为对波长的估计
将估计结果直接代入下式中:
l=0.521λ0+4.7492;
得到对昆虫体长的估计
同时,将估计结果中的σ0的估计值代入下式中:
获得对昆虫质量的估计
所述多波段雷达系统覆盖X波段、Ku波段和Ka波段,每个波段带宽不小于2GHz。
本发明具有如下有益效果:
本发明的一种基于多波段散射测量的昆虫体长-质量联合测量方法,该方法可以同时测得昆虫的体长和质量,该方法所能覆盖的昆虫尺寸范围与传统的昆虫雷达体型参数反演方法相比大大增加,因此也增强了昆虫雷达对昆虫种类识别的能力。
附图说明
图1为单部昆虫雷达垂直观测几何示意图。
图2为实测昆虫多波段RCS其分段曲线拟合结果。
图3为昆虫体长与第一拐点对应波长的对应关系及拟合曲线图。
图4为昆虫质量与第一拐点对应RCS的对应关系及拟合曲线图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
迁飞昆虫体长从几毫米到几厘米不等,在X、Ku和Ka波段,其散射一般同时覆盖瑞利区和谐振区,无法进行直接的解析散射建模,因此通过建立不同质量/体长昆虫的多波段散射信息实测数据库,并利用曲线拟合进行体长和质量的联合反演。
使用单部雷达垂直向上观测昆虫,如图1所示。一般情况下可以认为迁飞昆虫都是在做平飞运动,即速度矢量与地面平行。将昆虫看做是旋转对称的椭球体,昆虫的体轴即为椭球体的旋转对称轴。设昆虫体轴在雷达天线极化接收平面内的投影与雷达水平极化方向矢量的夹角为α,同时雷达垂直极化方向矢量表示为
一般情况下,全极化雷达观测到昆虫的全极化散射矩阵可以表示为:
其中Shh为水平极化分量,Svv为垂直极化分量,Shv和Svh为交叉极化分量。
假设雷达全极化测量得到的极化响应矩阵如式(1),并认为昆虫形体旋转对称,有Shv=Svh,则雷达最大接收极化强度可计算为:
因此昆虫的RCS的最大值σmax表示为:
σmax=|Smax|2 (3)
定义频率f的函数,称为对数频率,符号为dBf,单位为dBGHz:
dBf=10log10(f) (4)
其中f单位是GHz。
我们发现,基于对昆虫的多波段RCS测量结果,RCS最大值σmax随对数频率的变化关系在初始阶段都表现为先上升后下降的形式,如图3所示。假定第一峰值拐点两侧满足如下幂函数关系:
σmax=α(dBf-dBf0)β+σ0 (5)
其中dBf0表示第一峰值拐点的横坐标,σ0为峰值拐点的纵坐标,α和β为决定幂函数曲线陡峭程度的参数。
利用矢量网络分析仪开展暗室内的针对昆虫的多波段散射特性测量实验,通过对测量数据的处理,获取X、Ku和Ka波段不同体型昆虫的RCS最大值测量结果,并绘制不同体型昆虫RCS最大值随频率变化的关系曲线。对实验结果分析发现,体长l与第一峰值拐点对应的波长值λ0=c/(10dBf0/10)(c为光速)成正比关系:
l=0.521λ0+4.7492 (6)
其中体长和波长的单位都为毫米。对实测数据的拟合结果如图3所示。
同时发现质量m(单位为mg)的以10为底的对数与第一峰值拐点对应的RCS值σ0成正比关系:
log10(m)=0.125σ0+6.69 (7)
其中σ0的单位为dBsm。对实测数据的拟合结果如图4所示。
因此,本发明提供了一种基于多波段散射测量的昆虫体长-质量联合测量方法,包括如下步骤。
步骤一,多波段RCS数据获取:
假设多波段雷达系统同时获得覆盖X波段、Ku波段和Ka波段的N个频点的散射信号,其中,每个波段的频点数不小于10个,每个波段带宽不小于2GHz。对应的对数频率为dBfn,n=1~N。对每个频点,我们可以获得单只昆虫对应的全极化散射矩阵:
利用雷达极化散射矩阵测量值Sn,代入(2)式和(3)式可以获得N个频点的RCS测量数据σmax(dBfn),n=1~N。
步骤二,第一峰值拐点参数估计:
利用(5)式,基于最小二乘意义的搜索可以获得对拐点参数dBf0和σ0的估计和
1)选取在拐点附近的RCS测量数据σmax(dBfm),m=Ns~Ne,Ns≥1,Ne≤N;
2)设定α、β、dBf0和σ0的遍历区间和遍历间隔,根据经验值α的可能范围大致为(-3,-1),β的可能范围大致为(0.5,2),dBf0和σ0可以分别根据获取数据的频率范围和幅值范围确定遍历区间;
3)选取在区间范围内的一组参数αr、βt、dBf0,p和σ0,q,代入(5)式,并计算与测量数据的误差:
4)更换参数,重复步骤3),通过遍历四个参数,选取使J(α,β,dBf0,σ0)最小时对应的一组参数作为第一峰值拐点参数的估计结果:
步骤三,体长和质量反演:
将对第一拐点处对数频率的估计转换为对波长的估计
将估计结果直接代入(6)式可以得到对体长的估计同时将代入(12)式可以获得对质量的估计其直接表达式如下:
实施例:
为验证前述体长-质量反演方法,对4种昆虫(绿螟蛾、斜纹夜蛾、锯缘枯叶蛾和平缘枯叶蛾),基于X、Ku和Ka三个波段的宽带RCS实测数据,采用本发明所述的一种基于多波段散射测量的昆虫体长-质量反演方法,完成其体长-质量参数反演,具体流程如下:
1.令昆虫体轴方向与水平极化方向平行,使用矢量网络分析仪采集记录昆虫的宽带RCS信息,其中X波段覆盖8~12GHz,Ku波段覆盖17~23.5GHz,Ka波段覆盖33.5~36.5GHz,采集间隔均为0.1GHz。
2.将采集得到的RCS数据代入(9)式进行搜索,可以得到参数和的估计结果,如表1所示:
表1第一拐点参数估计结果
3.将表1中的参数估计结果代入(6)(11)(12)式,可以求得昆虫的体长和质量,与真实测得的昆虫体长和质量比较,如表2所示。
表2昆虫体型参数反演结果
昆虫 | 体长测量值,mm | 体长反演值,mm | 质量测量值,mg | 质量反演值,mg |
绿螟蛾 | 11 | 12.9 | 41.3 | 40.06 |
斜纹夜蛾 | 16 | 15.55 | 71.8 | 67.16 |
锯缘枯叶蛾 | 20 | 20.45 | 231.0 | 158.9 |
平缘枯叶蛾 | 25 | 23.13 | 372.6 | 376.0 |
基于上述实测数据反演结果可以得到以下结论:
对不同尺寸的昆虫,利用多波段RCS测量数据作曲线拟合可以有效反演昆虫体长和质量,反演误差最大不超过真实值的1/3。
通过仿真结果可以看出利用这种基于多波段散射测量方法的高效性和有效性。利用本方法可以实现昆虫雷达的目标体型参数反演。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于多波段散射测量的昆虫体长-质量联合测量方法,其特征在于,包括如下步骤:
步骤一,多波段RCS数据获取:
采用多波段雷达系统探测待测昆虫,获得N个频点的散射信号,其中,每个波段的频点数不小于10个;各频点对应的对数频率为dBfn=10log10(fn),fn为第n个频点的频率值,n=1~N;针对第n个频点,获得待测昆虫对应的全极化散射矩阵:
其中,为水平极化分量,为垂直极化分量,和为交叉极化分量;
将该雷达全极化散射矩阵Sn,代入下式中:
得到第n个频点的RCS最大值的测量数据σmax(dBfn);遍历N个频率点,得到各频率点对应的RCS最大值的测量数据,将各频率点对应的对数频率作为横坐标,将RCS最大值的测量数据作为纵坐标,形成测量数据曲线图;再基于该测量数据曲线图得到对数频率dBf与RCS最大值的测量数据的幂函数关系:σmax=α(dBf-dBf0)β+σ0;其中,dBf0表示曲线图中峰值拐点的横坐标,σ0为峰值拐点的纵坐标,即为RCS最大值的测量数据;α和β为决定幂函数曲线陡峭程度的参数;
步骤二,基于最小二乘意义的搜索获得对峰值拐点参数dBf0和σ0的估计值和具体为:
1)、选取所述步骤一的测量数据曲线图中峰值拐点的窗口内的RCS测量数据σmax(dBfm),m=Ns~Ne,Ns≥1,Ne≤N;
2)、分别设定α、β、dBf0和σ0的遍历搜索区间和遍历搜索间隔;
3)、选取α、β、dBf0和σ0在各自搜索区间范围内的一组参数,代入所述幂函数关系式中,得到其中一个频率点上的计算值,将该计算值与步骤一获得的对应频率点的测量值相减,得到误差值;遍历所述窗口内所有频率点,得到各个频率点对应的误差值,最后,对所有误差值求和;
4)、按照设定的搜索间隔,在各自的搜索区间内不断更换参数α、β、dBf0和σ0,得到对应的误差值的和值,选取使误差值的和值最小时对应的一组参数作为第一峰值拐点参数的估计结果:
步骤三,体长和质量反演:
将对第一拐点处对数频率的估计结果中的dBf0的估计值转换为对波长的估计
将估计结果直接代入下式中:
l=0.521λ0+4.7492;
得到对昆虫体长的估计
同时,将估计结果中的σ0的估计值代入下式中:
获得对昆虫质量的估计
2.如权利要求1所述的一种基于多波段散射测量的昆虫体长-质量联合测量方法,其特征在于,所述多波段雷达系统覆盖X波段、Ku波段和Ka波段,每个波段带宽不小于2GHz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610171893.5A CN105866770B (zh) | 2016-03-24 | 2016-03-24 | 一种基于多波段散射测量的昆虫体长‑质量联合测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610171893.5A CN105866770B (zh) | 2016-03-24 | 2016-03-24 | 一种基于多波段散射测量的昆虫体长‑质量联合测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105866770A true CN105866770A (zh) | 2016-08-17 |
CN105866770B CN105866770B (zh) | 2018-02-09 |
Family
ID=56625710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610171893.5A Active CN105866770B (zh) | 2016-03-24 | 2016-03-24 | 一种基于多波段散射测量的昆虫体长‑质量联合测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105866770B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908786A (zh) * | 2017-03-09 | 2017-06-30 | 北京理工大学 | 一种基于极化散射矩阵估计的高精度昆虫体轴朝向提取方法 |
CN107589412A (zh) * | 2017-08-08 | 2018-01-16 | 北京理工大学 | 一种基于极化功率矩阵特征值的昆虫特征参数反演方法 |
CN107688169A (zh) * | 2017-08-08 | 2018-02-13 | 北京理工大学 | 一种基于极化功率矩阵行列式的昆虫特征参数反演方法 |
CN108646240A (zh) * | 2018-04-25 | 2018-10-12 | 北京理工大学 | 一种高分辨全极化昆虫雷达探测系统及其探测方法 |
CN112327294A (zh) * | 2020-10-23 | 2021-02-05 | 北京理工大学 | 基于多频点极化特征的昆虫体型参数反演方法和装置 |
CN113030949A (zh) * | 2021-03-06 | 2021-06-25 | 河南省农业科学院植物保护研究所 | 基于昆虫雷达的昆虫生物流测算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008048719A1 (de) * | 2007-09-21 | 2009-04-02 | Technische Universität Ilmenau | Verfahren zur Detektion von Insekten in Testobjekten aus Holz oder anderen Stoffen |
CN104142499A (zh) * | 2014-02-26 | 2014-11-12 | 侯加林 | 基于多普勒效应的隐蔽昆虫探测系统 |
CN104597443A (zh) * | 2015-01-22 | 2015-05-06 | 成都锦江电子系统工程有限公司 | 一种基于毫米波雷达组网的昆虫探测系统 |
CN105277929A (zh) * | 2015-10-22 | 2016-01-27 | 北京理工大学 | 一种基于载波相位微多普勒的振翅频率测量方法 |
-
2016
- 2016-03-24 CN CN201610171893.5A patent/CN105866770B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008048719A1 (de) * | 2007-09-21 | 2009-04-02 | Technische Universität Ilmenau | Verfahren zur Detektion von Insekten in Testobjekten aus Holz oder anderen Stoffen |
CN104142499A (zh) * | 2014-02-26 | 2014-11-12 | 侯加林 | 基于多普勒效应的隐蔽昆虫探测系统 |
CN104597443A (zh) * | 2015-01-22 | 2015-05-06 | 成都锦江电子系统工程有限公司 | 一种基于毫米波雷达组网的昆虫探测系统 |
CN105277929A (zh) * | 2015-10-22 | 2016-01-27 | 北京理工大学 | 一种基于载波相位微多普勒的振翅频率测量方法 |
Non-Patent Citations (2)
Title |
---|
JOE R.RILEY ET AL.: "THE FEASIBILITY OF USING VERTICAL-LOOKING RADAR TO MONITOR THE MIGRATION OF BROWN PLANTHOPPER AND OTHER INSECT PESTS OF RICH IN CHINA", 《ENTOMOLOGIA SINICA》 * |
杨秀丽等: "毫米波扫描昆虫雷达空中昆虫监测的初步应用", 《植物保护》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908786A (zh) * | 2017-03-09 | 2017-06-30 | 北京理工大学 | 一种基于极化散射矩阵估计的高精度昆虫体轴朝向提取方法 |
CN107589412A (zh) * | 2017-08-08 | 2018-01-16 | 北京理工大学 | 一种基于极化功率矩阵特征值的昆虫特征参数反演方法 |
CN107688169A (zh) * | 2017-08-08 | 2018-02-13 | 北京理工大学 | 一种基于极化功率矩阵行列式的昆虫特征参数反演方法 |
CN107589412B (zh) * | 2017-08-08 | 2020-06-16 | 北京理工大学 | 一种基于极化功率矩阵特征值的昆虫特征参数反演方法 |
CN107688169B (zh) * | 2017-08-08 | 2020-09-29 | 北京理工大学 | 一种基于极化功率矩阵行列式的昆虫特征参数反演方法 |
CN108646240A (zh) * | 2018-04-25 | 2018-10-12 | 北京理工大学 | 一种高分辨全极化昆虫雷达探测系统及其探测方法 |
CN112327294A (zh) * | 2020-10-23 | 2021-02-05 | 北京理工大学 | 基于多频点极化特征的昆虫体型参数反演方法和装置 |
CN112327294B (zh) * | 2020-10-23 | 2023-10-20 | 北京理工大学 | 基于多频点极化特征的昆虫体型参数反演方法和装置 |
CN113030949A (zh) * | 2021-03-06 | 2021-06-25 | 河南省农业科学院植物保护研究所 | 基于昆虫雷达的昆虫生物流测算方法 |
CN113030949B (zh) * | 2021-03-06 | 2023-12-15 | 河南省农业科学院植物保护研究所 | 基于昆虫雷达的昆虫生物流测算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105866770B (zh) | 2018-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105866770A (zh) | 一种基于多波段散射测量的昆虫体长-质量联合测量方法 | |
Nasirzadehdizaji et al. | Sensitivity analysis of multi-temporal Sentinel-1 SAR parameters to crop height and canopy coverage | |
CN105759252B (zh) | 一种基于多频散射建模的昆虫尺寸测量方法 | |
Ferrazzoli et al. | The potential of multifrequency polarimetric SAR in assessing agricultural and arboreous biomass | |
CN107589412B (zh) | 一种基于极化功率矩阵特征值的昆虫特征参数反演方法 | |
CN107688169B (zh) | 一种基于极化功率矩阵行列式的昆虫特征参数反演方法 | |
CN104457626A (zh) | 一种基于激光雷达点云技术的植物叶面积指数测定方法 | |
Wang et al. | Migratory insect multifrequency radar cross sections for morphological parameter estimation | |
Kim et al. | Monitoring soybean growth using L-, C-, and X-band scatterometer data | |
Garestier et al. | PolInSAR analysis of X-band data over vegetated and urban areas | |
Anzum et al. | A multiwall path-loss prediction model using 433 MHz LoRa-WAN frequency to characterize foliage’s influence in a Malaysian palm oil plantation environment | |
CN106909939A (zh) | 一种结合旋转域极化零角特征的极化sar地物分类方法 | |
Li et al. | Comprehensive analysis of polarimetric radar cross-section parameters for insect body width and length estimation | |
Kong et al. | Insect multifrequency polarimetric radar cross section: Experimental results and analysis | |
Yule et al. | Mapping nutrient concentration in pasture using hyperspectral imaging | |
Soria-Ruiz et al. | Corn monitoring and crop yield using optical and RADARSAT-2 images | |
Jörg et al. | First multi-frequency investigation of SAR tomography for vertical structure of agricultural crops | |
Yang-yang et al. | An empirical method for soil salinity and moisture inversion in west of Jilin | |
Hu et al. | A data-driven polarimetric calibration method for entomological radar | |
CN112327294B (zh) | 基于多频点极化特征的昆虫体型参数反演方法和装置 | |
Eccleston et al. | Wave interaction with grape bunches on vines | |
Jiao et al. | The sensitivity of RADARSAT-2 quad-polarization SAR data to crop LAI | |
Alzaabi | Airborne Insect Radar Scattering Characterization Using Electromagnetic Modeling | |
Demirci et al. | Characterization of natural and manmade targets from L-band ground-based polarimetric synthetic aperture radar data | |
Guida et al. | Soil moisture retrieval with S-band SAR data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |