｛“状态”：“正常”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,7,12]]，“日期时间”：“2024-07-12T00:12:13Z”，“时间戳”：172074133817｝，“引用计数”：68，“发布者”：“MDPI AG”，“发布”：“9”，“许可证”：[｛“开始”：｛“日期部分”：[[2021,4,21]，“日期时间”：“2021-04-21T00:00:00Z”，“时间戳”：1618963200000}中，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“出资人”：[{“名称”：“中欧合作项目”，“奖项”：[“2018YFE01070008ASP462”，“KFJ-STS-QYZX-047”，“2019JZZY010713”]}]，”内容域“：{”域“：[]，”交叉标记限制“：false}，“短期集装箱运输”：[“遥感”]，“摘要”：“利用无人机图像中的植被指数（VIs）估算植物氮浓度（PNC），但颜色特征很少被视为附加变量。本研究从基于无人机的RGB图像中计算VIs和颜色矩（颜色特征），然后建立偏最小二乘回归（PLSR）和随机森林回归（RF）模型，通过融合VIs和色彩矩来估计PNC。结果表明，与VIs或颜色矩作为输入相比，VIs和颜色矩作为输出的融合可以获得更高的PNC估计精度；基于VIs和颜色矩的组合的RF模型（R2范围为0.69至0.91，NRMSE范围为0.07至0.13）与PLSR模型（R2为0.68至0.87，NRMSE范围为0.10至0.29）表现出相似的性能；在RF模型的前五个重要变量中，至少有一个变量属于不同数据集中的颜色矩，表明颜色矩在提高PNC估计精度方面的重要贡献。这表明RGB-VIs和颜色矩相结合在水稻PNC估算中具有巨大潜力<\/jats:p>“，”DOI“：”10.3390\/rs130191620“，”type“：”期刊文章“，”已创建“：｛”日期部分“：[[2021,4,22]]，”日期时间“：”2021-04-22T01:25:10Z“，”时间戳“：1619054710000｝，”page“：”1620“，”source“：”Crossref“，”由count引用“：23，”title“：[”基于UAV-RGB图像的融合植被指数和颜色矩估计水稻植株氮浓度“]，”前缀“：”10.3390“，”体积“：”13“，”作者“：[{”给定“：”海晓“，”家族“：”葛“，”序列“：”第一“，”隶属“：[}”名称“：”中国科学院土壤科学研究所土壤与可持续农业国家重点实验室，中国科学院南京210008中国科学院南京土壤科学研究所土壤与可持续农业国家重点实验室，210008中国科学院南京土壤科学研究所土壤与可持续农业国家重点实验室，210008中国科学院南京土壤科学研究所土壤与可持续农业国家重点实验室，210008土壤与可持续农业国家重点实验室，中国科学院南京土壤科学研究所，210008“}]}，{”given“：”Zhengzheng“，”family“：”Tan“，”sequence“：”additional“，”affiliation“：[{”name“：”Yuan Longping High-Tech Agriculture Co.，Ltd.，长沙410001“}]neneneep，{“ORCID”：“http:\/\/orcid.org/0000-0002-9064-3581”，“认证的orcid”：false，“给定的”：“长文”，“家族”：“杜”，“序列”：“附加的”，“隶属关系”：[{“名称”：“中国科学院土壤科学研究所土壤与可持续农业国家重点实验室，南京210008”}，{“名称”：“中国科学院大学高级农业科学院，北京100049“}]}]，“成员”：“1968”，“在线发布”：{“日期-部分”：[2021,4,21]]}，“参考”：[{“key”：“ref_1”，“doi-asserted-by”：“crossref”，”first page“：”53“，”doi“：”10.1126\/science.107021“，”article-title“：”《水稻基因组：世界贫困谷物》，“卷”：“296”，“作者”：“坎特雷尔”，“年份”：“2002”，“期刊标题”：“科学”}，{“关键字”：“ref_2”，“doi-asserted-by”：“crossref”，“首页”：“10646”，“doi”：“10.3390\/rs70810646”，《文章标题》：“基于卫星遥感的东北地区水稻氮素状况季内诊断”，“卷”：“7”，“作者”：“黄”，“年份”：“2015”，“期刊标题”：“遥感”}，{“关键”：“ref_3”，“doi-asserted-by”：“crossref”，”非结构化“：”郑，H.，程，T.，李，D.，姚，X.，田，Y.，曹，W.，朱，Y.（2018）。组合无人机（UAV）-基于多光谱图像和地面高光谱数据的水稻植株氮素浓度估算。前面。植物科学。，9.“，”DOI“：”10.3389\/fpls.2018.00936“}，{“key”：“ref_4”，“DOI-asserted-by”：“crossref”，“unstructured”：“郑，H.，马，J.，周，M.，李，D.，姚，X.，曹，W.，朱，Y.，郑，T.（2020）通过整合无人机（UAV）多光谱图像的纹理和光谱信息，增强水稻关键生长阶段冠层的氮信号。遥感，12.“，”DOI“：”10.3390\/rs12060957“}，{“key”：“ref_5”，“DOI-asserted-by”：“crossref”，“first page”：”39“，“DOI”：“10.1016\/j.eja.2014.04.006”，“article-title”：“评估光学传感器测量冠层反射率、叶黄酮醇和叶绿素含量以评估甜瓜作物氮素状况”，“volume”：第58页，“author”：“Padilla”，“年份”：“2014年”，“新闻标题”：“Eur.J.Agron。“}，{”key“：”ref_6“，”doi-asserted-by“：”crossref“，”first page“：“1651”，”doi“：”10.3390\/rs4061651“，”article-title“：”使用场成像光谱学估算甘蔗冠层氮浓度“，”volume“：：”4“，”author“：”Miphokasap“，”year“：”2012“，”journal-title”：“Remote Sens.”}，第一页“：”299“，”doi“：”10.1016\/j.fcr.2010.11.002“，“article-title”：“利用地面和天基高光谱反射率评估新开发和发布的用于估算水稻叶片氮浓度的植被指数”，“体积”：“120”，“作者”：“田”，“年份”：“2011”，“期刊标题”：“大田作物”。研究“}，{”key“：”ref_8“，”doi-asserted-by“：”crossref“，”first-page“：”90“，”doi“：”10.1016\/j.fcr.2012.01.014“，”article-title“：”利用水稻和小麦的三带植被指数估算叶氮浓度“，”volume“：“129”，“author”：“Wang”，“year”：“2012”，“journal-title”：“Field Crop.Res.”}，”{“key”：“ref_9”，“doi-assert-by”：“”交叉参考“，”首页“：”270“，”DOI“：”10.1016\/j.rse.2015.08.012“，”article-title“：”根据高光谱数据估算营养不良沼泽的叶片叶绿素和氮含量：“从叶子到图像的比例”，“体积”：“169”，“作者”：“卡拉克斯卡”，”年份“：”2015“，”期刊标题“：”遥感环境“。“}，{”key“：”ref_10“，”doi-asserted-by“：”crossref“，”first page“：doi-asserted-by“：”crossref“，”unstructured“：”Crema，A.、Boschetti，M.、Nutini，F.、Cillis，D.和Casa，R.（2020）。土壤特性对Sentinel-2数据中玉米和小麦氮素状况评估的影响。遥感，12.“，”DOI“：”10.3390\/rs12142175“}，{“key”：“ref_12”，“DOI-asserted-by”：“crossref”，“first page”：：“111933”，“DOI”：“10.1016\/j.rse.2020.11933”，“article-title”：“使用遥感和环境变量，使用随机森林方法绘制欧洲森林冠层氮图”，“volume”：”247“author”：“Loozen”，“year”：“2020”，“journal-title“：”遥感环境。“}，{”key“：”ref_13“，”doi-asserted-by“：”crossref“，”first page“：“221”，”doi“：”10.1016\/j.fcr.2010.05.011“，”article-title“：”使用数码相机估算作物的氮素状态“，”volume“:”118“，“author”：“Li”，“year”：“2010”，“journal-title”：“Field Crop.Res.”：“结合基于无人机的作物表面模型植物高度、大麦生物量监测的可见和近红外植被指数”，“体积”：“39”，“作者”：“Bendig”，“年份”：“2015年”，“期刊标题”：“国际应用杂志”。地球观测地理信息。“}，{”key“：”ref_15“，”doi-asserted-by“：”crossref“，”first page“：“1111”，”doi“：”10.3389\/fpls.2017.01111“，”article-title“：”无人飞行器遥感田间作物表型：现状与展望“，”volume“：8”，“author”：“Yang”，“year”：“2017”，“journal-title”：“Front.Plant Sci.”}，”{“key”：“ref_16”，“doi-assert by“：”crossref“，”首页“：”404“，”DOI“：”10.1109\/LGRS.2018.2790899“，”article-title“：”具有图像对比度和颜色增强的自适应三角变换函数：“在无人航空系统图像中的应用”，“volume”：“15”，“author”：“Sidike”，“year”：“2018”，“journal-title”：“IEEE Geosci”。遥感快报。“}，{”key“：”ref_17“，”doi-asserted-by“：”crossref“，”first-page“：”33“，”doi“：”10.1016\/j.fcr.2013.04.007“，”article-title“：”使用G-R阈值法的图像分割估计水稻氮素状况“，”volume“：“149”，“author”：“Wang”，“year”：“2013”，“journal-title”：“Field Crop.Res.”}，”{“key”：“ref_18”，“doi-assert-by”：“crossref”，“首页”：“137”，“DOI”：“10.3354\/cr00978”，“文章标题”：“泰国东北部水稻种植对气候变化影响和适应措施的评估”，“卷”：“46”，“作者”：“巴别塔”，“年份”：“2011”，“期刊标题”：“气候。研究“}，{”key“：”ref_19“，”doi-asserted-by“：”crossref“，”first page“：“9”，”doi“：”10.1186\/1746-4811-10-9“，“article-title”：“利用光幕阵列快速测定四种具有对比茎结构的物种的叶面积和植株高度”，“volume”：“10”，“author”：“Fanourakis”，“year”：“2014”，“journal-title“：”plant Methods“}”，{“key”：”ref_20“，”doi-asserted-by“：”crossref“，”first page“：”2“，”doi“：”10.1186\/1746-4811-7-2“，“artic-title”：“从谷类植物高通量图像中精确推断地上部生物量”，“volume”：“7”，“author”：“Golzarian”，“year”：“2011”，“journal-title“：”Plant Methods“}，{“key”：10.3390\/rs61110395“，“article-title”：“使用基于无人机RGB成像的作物表面模型（CSM）估算大麦生物量”，“体积”：“6”，“作者”：“Bendig”，“年份”：“2014”，“日志标题”：“遥感”}，{“键”：“ref_22”，“doi-asserted-by”：“crossref”，“非结构化”：“Jiang，J.，Cai，W.，Zheng，H.，Cheng，T.，Tian，Y.，Zhu，Y。利用无人机上的数码相机获取冬小麦叶片氮浓度监测的最佳彩色植被指数。遥感，11.“，”DOI“：”10.3390\/rs11222667“}，{“key”：“ref_23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fu，Y.，Yang，G.，Li，Z.，Song，X.，Likey“：”ref_24“，”doi-asserted-by“：”crossref“，”first-page“：”529“，”doi“：”10.2134“agronj2010.0296“，”article-title“：”玉米产量和叶片氮浓度的\u201cGreenness\u201d关联“，”volume“：“103”，”author“：”Rorie“，“year”：“2011”，“journal-title”：“Agron”。J.“}，{”key“：”ref_25“，”doi-asserted-by“：”crossref“，”unstructured“：”Li，S.，Yuan，F.，Ata-Ui-Karim，S.T.，Zheng，H.，Cheng，T.，Liu，X.，Tian，Y.，Zhu，Y.、Cao，W.和Cao，Q.（2019）.《水稻LAI估算用无人机数字图像的颜色指数和纹理组合》.遥感，11.“，”doi“：”10.3390\/rs11151763“}”，{“key”：“ref_26”，“doi断言：“crossref”，“首页”：“226”，“doi”：“10.1016\/j.ispsjpr.2019.02.022”，“文章标题”：“基于无人机超高地面分辨率图像纹理和植被指数的冬小麦地上生物量估计”，“卷”：“150”，“作者”：“Yue”，“年份”：“2019”，“期刊标题”：“ISPRS j.Photogramm。遥感“}，{“key”：“ref_27”，“doi-asserted-by”：“crossref”，“unstructured”：“Stricker，M.A.和Orengo，M.（1995年1月23日）。彩色图像的相似性。图像和视频数据库存储和检索学报III\u2014美国加州圣何塞国际光学工程学会”，“doi”：“10.1117\/12.05308”}doi-asserted-by“：”crossref“，”first page“：”637“，”doi“：”10.1016\/j.ecolind.2016.03.036“，”article-title“：”使用低成本无人驾驶飞行器系统的高分辨率立体图像远程估算玉米冠层高度和地上生物量“，”volume“：。印度。“}，{”key“：”ref_29“，”doi-asserted-by“：”crossref“，”unstructured“：”Page，A.L.，Miller，R.H.，and Keeney，D.R.（1982）。《土壤分析方法：化学和微生物特性》，美国农学学会。“，”doi“：”10.2134“/agronmonogr9.2.2ed“}”，{“，”article-title“：“利用无人驾驶飞行器平台改进大豆产量估算和预测作物成熟度的方法开发”，“卷”：“187”，“作者”：“于”，“年份”：“2016年”，“期刊标题”：“遥感环境”。“}，{”key“：”ref_31“，”doi-asserted-by“：”crossref“，”unstructured“：”邱，Z.，Xiang，H.，Ma，F.，and Du，C.（2020）.利用无人机数字图像优化水稻不同生长阶段生长指标的合格性.遥感，12.“，”doi“：”10.3390 \/rs12193228“}”，{“key”：“ref_32”，“首页”：“35”，“文章标题”：“使用不同生长阶段的可见波段在叶片和冠层尺度上评估水稻叶片叶绿素含量”，“卷”：“32”，“作者”：“Saberiion”，“年份”：“2014”，“期刊标题”：“国际应用杂志”。地球观测地理信息。“}，{”key“：”ref_33“，”doi-asserted-by“：”crossref“，”first-pages“：”28“，”doi“：”10.1186\/s13007-019-0416-x“，”article-title“：”基于水稻冠层数字图像的粮食产量评估“，”volume“：“15”，“author”：“Liu”，“year”：“2019”，“journal-title”：“Plant Methods”}，”{“key”：“ref_34”，“doi-assert-by”：“Crosref”，“first-page”：“27”，“doi”：“10.1016\/j.isprsjprs.2019.03.003“，“article-title”：“基于无人驾驶航空系统RGB图像的大豆生物量估算的植被指数加权冠层体积模型（CVMVI）”，“体积”：“151”，“作者”：“麦麦提江”，“年份”：“2019”，“期刊标题”：“ISPRS j.Photogram。遥感器“}，{”key“：”ref_35“，”doi-asserted-by“：”crossref“，”first page“：“282”，”doi“：”10.1016\/j.compag.2008.03.009“，”article-title“：”自动作物成像应用的彩色植被指数验证“，”volume“：crossref“，“首页”：“259”，“DOI”：“10.13031\/2013.27838”，“article-title”：“不同土壤、残留物和光照条件下杂草识别的颜色指数”，“volume”：“38”，“author”：“Woebbecke”，“year”：“1995”，“journal-title“：”Trans。Asae“}，{”key“：”ref_37“，”doi-asserted-by“：”crossref“，”first page“：“185”，”doi“：”10.1006\/jaer.1996.0020“，”article-title“：”评估玉米图像的颜色表征“，”volume“:”63“，”author“：”Ahmad“，”year“：”1996“，”journal-title”：“J.Agric.Eng.Res.”}，}“key”：“ref_38”，“doi-assert-by”：“crossref.”，“first页面“：”285“，”doi“：”10.1007 \/s11119-011-9246-1“，“文章标题”：“昼夜数字照片在估计玉米生物物理特性中的应用”，“卷”：“13”，“作者”：“坂本”，“年份”：“2012年”，“期刊标题”：。农业。“}，{”key“：”ref_39“，”unstructured“：”Stricker，M.A.和Dimai，A.（1996年1月13日）。弱空间约束下的颜色索引。IS&T\/SPIE\u2019s电子成像研讨会论文集：科学与技术，美国加利福尼亚州圣何塞“}article-title“：“从叶片反射率数据中提取叶片生物化学信息的逐步多元线性回归批判”，“卷”：“56”，“作者”：“格罗斯曼”，“年份”：“1996年”，“期刊标题”：“遥感环境”。“}，{”key“：”ref_41“，”doi-asserted-by“：”crossref“，”first page“：“321”，”doi“：”10.1016\/j.indcrop.2003.11.004“，”article-title“：”近红外光谱法对葵花籽化学成分的非破坏性预测“，”volume“:”20“，”author“：”Fassio“，”year“：”2004“，”journal-title by“：”crossref“，“首页”：“349”，“DOI”：“10.1016\/j.eja.2006.01.001”，“article-title”：“通过高光谱冠层反射率和偏最小二乘回归评估水稻叶片生长和氮素状况”，“体积”：“24”，“作者”：“Nguyen”，“年份”：“2006”，“期刊标题”：“Eur.j.Agron”。“}，{”key“：”ref_43“，”doi-asserted-by“：”crossref“，”first-page“：”5“，”doi“：”10.1023\/A:1010933404324“，”article-title“：”Random Forests“，”volume“：“45”，”author“：”Breiman“，”year“：”2001“，”journal-title doi“：”10.1016\/j.compag.2019.02.011“，”文章标题“：”番茄品种农艺无人机和田间测量验证”，“体积”：“158”，“作者”：“Enciso”，《年份》：“2019年”，“期刊标题”：“计算”。电子。农业。“}，{”key“：”ref_45“，”doi-asserted-by“：”crossref“，”first page“：“157”，”doi“：”10.1016\/0169-7722（91）90014-R“，“article-title”：“土地利用对农药浸出潜力估算的影响：评估和不确定性”，“volume”：“8”，“author”：“Loague”，“year”：“1991”，“journal-title“：”J.Contam.Hydrol.“}”，{“key”：”ref_ 46“，”doi-asserted-by“”：“crossref“，”first page“：”65“，”DOI“：”10.1023\/A:1004783431055“，”article-title“：”玉米作物氮素吸收动态与干物质积累的关系。临界氮浓度的测定”，“体积”：“216”，“作者”：“Lemaire”，“年份”：“1999”，“日记标题”：“植物土壤”}，{“关键字”：“ref_47”，“doi-asserted-by”：“crossref”，《首页》：“2783”，“doi”：“10.1890\/07-0539.1”，“文章标题”：《生态学分类的随机森林》，“体积“88”，“作家”：“Cutler”，“年度”：“2007”，“日志标题”：”生态学“}，{“key”：“ref_48”，“doi-asserted-by”：“crossref”，“unstructured”：“Maimaitijiang，M.，Sagan，V.，Sidike，P.，Daloye：“Osco，L.，Junior，J.，Ramos，A.，Furuya，D.，Santana，D.，Teodoro，L.、Gon\u00e7alves，W.、Baio，F.、Pistori，H.和Junior、C.（2020）。利用基于无人机的多光谱图像和机器学习技术预测玉米叶片氮浓度和株高。遥感，12.”，“DOI”：“10.3390\/rs12193237”}，{“key”：“ref_50”，“doi-asserted-by”：“crossref”，“unstructured”：“Liang，L.，Di，L..，Huang，T.，Wang，J.，Lin，L..Wang，L.和Yang，M.（2018）。使用新的高光谱指数和随机森林回归算法估算小麦叶片氮含量。遥感，10.”，“doi”：“10.3390 \/rs10121940”}，{“key”：“ref_51”，“doi-asserted-by”：”crossref.“，“first page”：“119”，“DOI”：“10.1016\/j.fcr.2008.11.004”，“article-title”：“基于田间冠层高光谱辐射测量的水稻植株氮浓度”，“volume”：“111”，“author”：“Stroppina”，“year”：“2009”，“journal-title“：”field Crop.Res.“}，{”key“：”ref_52“，”DOI-asserted-by“：”crossref“，”unstructured“：”Prey，L.，and Schmidhalter，U.（2019）.估算冬小麦营养氮状况的植被指数敏感性。传感器，19.“，”DOI“：”10.3390\/s19173712“}，{“key”：“ref_53”，“DOI-asserted-by”：“crossref”，“首页”：“102”，“DOI”：“10.1016\/j.isprsjprs.2013.01.008”，“article-title”：“中国东北平原水稻冠层氮浓度和吸收的远程检测”，“volume”：”78“author”：“Yu”，“year”：“2013”，“journal-title:”ISPRS j。照片。遥感“}，{“key”：“ref_54”，“doi-asserted-by”：“crossref”，“unstructured”：“Maesano，M.，Khoury，S.，Nakhle，F.，Firrincieli，A.，Gay，A.，Tauro，F.和Harfouche，A.（2020）。基于无人机的激光雷达用于高通量测定生物能源草Arundo donax的植物高度和地上生物量。遥感，12.”，“doi”：“10.3390\/rs12203464“｝，｛“key”：“ref_55”，“doi断言者”：“crossref”，“首页”：“69”，“doi”：“10.1127\/pfg\/2015\/0256”，“文章标题”：“用于监测作物的低重量和基于无人机的高光谱全画幅相机：与便携式光谱辐射计测量的光谱比较”，“卷”：“1”，“作者”：“Bareth”，“年份”：“2015”，“期刊标题”：“照片。费内昆德。地理信息。“}，{”key“：”ref_56“，”doi-asserted-by“：”crossref“，”unstructured“：”Kopa\u010dkov\u00e1-Strnadov\u001e，V.，Kouck\u00e，L.，Jel\u00e_9nek，J.，Lhot\u00e1kov\u 00e1，Z.，and Oulehlele，F.（2021）。利用鹦鹉红杉多光谱图像和无人驾驶飞行器（UAV）估算冠层顶部、高度和光合色素。遥感，13.“，”DOI“：”10.20944\/preprints202101.0255.v1“}，{“key”：“ref_57”，“DOI-asserted-by”：“crossref”，“unstructured”：“Poley，L.G.，and McDermid，G.J.（2020）。《影响使用无人空中系统估算地表植被生物量的因素的系统综述》。遥感，12.“，”DOI“，”：“10.3390\/rs12071052”}，“key“：”ref_58“，”doi-asserted-by“：”crossref“，”first page“：”1092“，”doi“：”10.1007\/s11119-020-09710-w“，”article-title“：”采用不同光谱修改的无人机消费级摄像机和两个手持式光谱传感器监测油菜生长的评估：性能和影响因素“，”volume“：“21”，”author“：”Zhang“，”year“：”2020“，”journal-title“：”精确。农业。“}，{”key“：”ref_59“，”doi-asserted-by“：”crossref“，”unstructured“：”Hasan，U.，Sawut，M.，and Chen，S.（2019）。基于无人飞行器RGB图像参数估算冬小麦叶面积指数。可持续性，11.“，”doi“：”10.3390\/su11236829“}”，{Niu，Y.，Zhang，L.，Zhanng，H.，Han，W.和Peng，X.（2019年）。基于无人机RGB图像的特征估计玉米地上生物量。Remote Sens.，11.”，“DOI”：“10.3390\/rs111111261”}，{“key”：“ref_61”，“DOI断言者”：“crossref”，“非结构化”：“De Castro，A.I.，Torres-S\u00e1nchez，J.，Pe\u00f1a，J.M.，Jim \u00e9nez Brenes，F.M.，Csilik，O.和L\u00f3pez Granados，F.（2018）一种自动随机预测OBIA算法，用于使用UAV图像在作物行之间和内部进行早期杂草映射。遥感，10.“，”DOI“：”10.3390\/rs10020285“}，{“key”：“ref_62”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fu，Y.，Yang，G.，Song，X.，Li，Z.，Xu，X.、Feng，H.和Zhao，C.（2021）使用从基于无人机的数字图像和高光谱特征分析中提取的多尺度纹理改进了冬小麦地上生物量的估计。遥感，13.“，”DOI“：”10.3390\/rs13040581“}，{“key”：“ref_63”，“DOI-asserted-by”：“crossref”，“首页”：“105500”，“DOI”：“10.1016\/j.compag.2020.10550”，“article-title”：“监测异质柑橘和橄榄园的植被活力。一种基于多尺度对象的方法，从无人机多光谱图像中提取树木\u2019树冠”卷：“175”，“作者”：“莫迪卡”，“年份”：“2020”，“新闻标题”：“计算”。电子。农业。“｝，｛”key“：”ref_64“，”doi asserted by“：”crossref“，”首页“：”1120“，”doi“：”10.3389\/fpls.2020.01120“，”文章标题“：”用机器学习集成预测玉米产量“，”卷“：”11“，”作者“：”Shahhosseini“，”年份“：”2020“，”期刊标题“：”Front.Plant Sci.“｝，｛”key“：”ref_65“，”doi asserted by“：”crossref“，”首页“：”108275“，”doi“：“10.1016\/j.agrformet.2020.108275“，“article-title”：“利用机器学习和深度学习方法整合多源数据进行中国水稻产量预测”，“volume”：“297”，“author”：“Cao”，“year”：“2021”，“journal-title:”Agric。对于。美托洛尔。“}，{”key“：”ref_66“，”doi-asserted-by“：”crossref“，”first page“：“126204”，”doi“：”10.1016\/j.eja.2020.126204 by“：”crossref“，“first page”：“142”，“DOI”：“10.1016\/j.fcr.2019.02.022”，“article-title”：“利用无人机遥感图像估算水稻成熟期产量的深度卷积神经网络”，“volume”：”235“，”author“：”Yang“，”year“：”2019“，”journal-title“：”Field Crop。研究“}，{”key“：”ref_68“，”doi-asserted-by“：”crossref“，”first page“：“107938”，”doi“：”10.1016\/j.agrformet.2020.107938“，”article-title“：”基于无人机图像检测水稻物候的近实时深度学习方法“，”volume“：]，“original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/2072-4292\/13\/9\/1620\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,7,11]]，”date-time“：“2024-07-11T14:31:03Z”，“timestamp”：1720708263000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/www.mdpi.com\/2072-4292\/13\/9\/1620“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期parts“：[2021,4,21]]}，“参考计数”：68，“日志发布”：{“发布”：“9”，“在线发布”：}“日期parts”：[2021,5]]}}、“alternative-id”：[“rs13091620”]，“URL”：“http://\/dx.doi.org\/10.3390\/rs13091620“，”关系“：{}，”ISSN“：[”2072-4292“]，”ISSN-type“：[{”value“：“2072-4292”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2021,4,21]]}}