研究论文
SMFS-RF: a knowledge-guided machine-learning method for crop phenology extraction from fine-resolution vegetation index data
Ruoque Shen, Qiongyan Peng, Xiangqian Li, Jianxi Huang, Jin Chen, Jie Dong, Xiuzhi Chen, Wenping Yuan
Nanjing Normal University Sun Yat-sen University Shihezi University Southwest Jiaotong University
来源Remote Sensing of Environment
年份2026
阅读操作
确认中在文库中上传 PDF 后可生成中文音频讲解。
摘要与影响
摘要 · 节选
暂未获取摘要。可打开原文或 PDF，后续可基于全文生成更完整的速读。
逐年被引趋势
暂无年度引用数据
关键指标
0
被引次数 · OpenAlex
0.00
领域内被引倍数
同类平均 = 1
同类平均 = 1
前 37%
引用位次
同领域 · 同年份 · 同类型
同领域 · 同年份 · 同类型
84
参考文献
Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。
AI 辅助阅读
依据：文献信息
论文问答
当前基于文献信息回答
可就本文提问；依据不足时会说明。
学术脉络
学科主题
物理Remote Sensing in Agriculture
Smart Agriculture and AI · Climate change impacts on agriculture
参考文献 84
Growing degree-days: one equation, two interpretations
被引 1,631Gregory S. McMaster · Agricultural and Forest Meteorology · 1997
Forecasting crop yield using remotely sensed vegetation indices and crop phenology metrics
被引 792Douglas K. Bolton, M. A. Friedl · Agricultural and Forest Meteorology · 2013
Assessing the impact of crops on regional CO2 fluxes and atmospheric concentrations
被引 39K. D. Corbin, Scott Denning, Erandathie Lokupitiya · Tellus B · 2010
此处列出前 3 条
引用本文 -
暂无引用本文的记录