近日有作者咨询：遥感在农业领域应用论文文献，作者可以在论文检索平台输入论文的关键词就能查找到相关的文献了，在这里也给大家分享几篇仅供参考。
1. 农业遥感与作物模型同化技术研究进展
摘要：农业遥感与作物模型的数据同化作为精准农业中的新一代技术,目前已被广泛应用于农作物的生长状况监测与作物估产等领域[1]。该文简述了农业遥感与作物模型同化的定义,以及农业遥感与作物模型的数据同化技术在实际农业生产中的应用,提出了农业遥感与作物模型的数据同化技术存在的问题,旨在为农业的高精度高效率同化技术研究提供参考。
2. 高光谱技术在农业遥感中的应用思考
摘要：针对高光谱技术在叶片光谱特征监测、识别农作物种类、生长状态的监测、生理生化性状监测、农作物产量预估、农业灾害监测、遥感信息模型分析中的具体应用,提出了完善农业数据库、做好技术融合工作、加强数据信息挖掘、组建高水平管理队伍等措施,其目的在于提高高光谱技术应用水平,推动农业遥感活动顺利进行。
3. 农业遥感监督自动分类在垦区农作物监测中的应用研究
摘要：研究利用计算机自动分类提取出黑龙江垦区农场农作物种植面积,既要提高信息提取的速度,同时又要保证精度;研究方法主要是先采集野外样方数据,然后利用ERDAS软件产生的模板来进行监督分类。通过研究发现该方法有效地提高了信息的提取速度同时又保证一定的精度要求,可以应用于垦区农场农作物提取当中。
4. 基于支持向量机的农业遥感图像耕地提取技术研究
摘要：耕地是农业发展的基础,而遥感技术是当前监测耕地面积以及分布情况的主要工具。耕地本身复杂的地形特征以及其他背景地物的混淆,使得地形特征、分辨率、空间物理误差、几何变形、算法等一直是制约耕地快速实时监测的主要因素。SVM算法具有小样本学习、抗噪声性能好、学习效率高、鲁棒性好等优点。通过SVM算法对江苏省某地级市的卫星遥感图像分类,识别出其中的耕地并划分,对耕地的分类准确率达到了90%以上。实验结果表明,使用SVM算法能够快速高效地对遥感图像中的耕地进行识别并划分。
延伸阅读知识：遥感在农业领域应用论文发表期刊
