凯时66

欢迎访问 草业科学,今天是

基于无人机图像的草地植被盖度估算方法比较

伏帅 冯琦胜 党菁阳 雷可欣 乔万鑫 梁天刚 潘冬荣 孙斌 姜佳昌

引用本文: 伏帅,冯琦胜,党菁阳,雷可欣,乔万鑫,梁天刚,潘冬荣,孙斌,姜佳昌. 基于无人机图像的草地植被盖度估算方法比较. 草业科学, 2022, 39(3): 455-464 doi: shu
Citation:  FU S, FENG Q S, DANG J Y, LEI K X, QIAO W X, LIANG T G, PAN D R, SUN B, JIANG J C. Comparison of grassland vegetation coverage extraction algorithms from UAV technology. Pratacultural Science, 2022, 39(3): 455-464 doi: shu

基于无人机图像的草地植被盖度估算方法比较

    作者简介: 伏帅(1999-),男,陕西渭南人,在读硕士生,研究方向为草地遥感。E-mail: fush21@onlabwinterschool.com
    通讯作者: 冯琦胜(1983-),男,甘肃镇原人,高级实验师,博士,研究方向为草地遥感。E-mail: fengqsh@onlabwinterschool.com
  • 基金项目: 国家自然科学基金项目(41801191、41805086);甘肃省农业财政项目(2016276);现代农业产业技术体系建设专项资金(CARS-34);中国工程院重点咨询项目(2021-HZ-5、2020-XZ-29);长江学者和创新团队发展计划(IRT17R50);兰州大学中央高校基本科研业务费专项资金(lzujbky2021-kb13)

摘要: 植被盖度是反映植被基本情况的客观指标和重要参数。本研究在对比8种常用的可见光植被指数计算草地盖度精度的基础上,发现这些植被指数对荒漠草地的植被盖度估测效果较差,因此提出一种适用于荒漠草地植被盖度估测的荒漠植被指数(DVI),并评价了不同植被指数对不同草地类型的植被盖度估测效果,分析了不同草地类型阈值取值的变化情况。结果表明:1)所选植被指数对草甸草地和典型草地的盖度估测效果均较好,精度较高(准确率 > 90%,F1得分 > 0.9)。草甸草地中超绿指数(ExG)的盖度估测效果最好(准确率 > 93%,F1得分 > 0.95),典型草地中各植被指数无明显差异,但对荒漠草地植被盖度估测效果较差,精度较低(F1得分 ≤ 0.6)。2) DVI对荒漠草地植被盖度估测精度较高(准确度 > 93%,F1得分达到0.71),能够有效弥补上述植被指数的缺陷。3)绿叶指数(GLI)和植被颜色指数(CIVE)的阈值对草地类型敏感性最弱;ExG、超绿超红差分指数(ExGR)、植被因子指数(VEG)、Woebbecke指数(WI)等植被指数的阈值对草甸草地和典型草地的敏感性较弱,但对荒漠草地的敏感性较强;组合指数(COM)和Lab指数(Lab)对草地类型的敏感性最强。

English

    1. [1]

      贾坤, 姚云军, 魏香琴, 高帅, 江波, 赵祥.  植被覆盖度遥感估算研究进展[J]. 地球科学进展, 2013, 28(7): 774-782. doi:
      JIA K, YAO Y J, WEI X Q, GAO S, JIANG B, ZHAO X.  A review on fractional vegetation cover estimation using remote sensing[J]. Advances in Earth Science, 2013, 28(7): 774-782. doi:

    2. [2]

      赵威成, 张红华, 马福义, 叶欣.  基于像元二分模型的地表植被覆盖度估算模块化设计与实现[J]. 北京测绘, 2020, 34(3): 285-288.
      ZHAO W C, ZHANG H H, MA F Y, YE X.  Modular design and implementation of vegetation coverage estimation based on dimidiate pixel model[J]. Beijing Surveying and Mapping, 2020, 34(3): 285-288.

    3. [3]

      葛静, 孟宝平, 杨淑霞, 高金龙, 冯琦胜, 梁天刚, 黄晓东, 高新华, 李文龙, 张仁平, 王云龙.  基于UAV技术和MODIS遥感数据的高寒草地盖度动态变化监测研究: 以黄河源东部地区为例[J]. 草业学报, 2017, 26(3): 1-12.
      GE J, MENG B P, YANG S X, GAO J L, FENG Q S, LIANG T G, HUANG X D, GAO X H, LI W L, ZHANG R P, WANG Y L.  Dynamic monitoring of alpine grassland coverage based on UAV technology and MODIS remote sensing data: A case study in the headwaters of the Yellow River[J]. Acta Prataculturae Sinica, 2017, 26(3): 1-12.

    4. [4]

      冯家莉, 刘凯, 朱远辉, 李勇, 柳林, 蒙琳.  无人机遥感在红树林资源调查中的应用[J]. 热带地理, 2015, 35(1): 35-42.
      FENG J L, LIU K, ZHU Y H, LI Y, LIU L, MENG L.  Application of unmanned aerial vehicles to mangrove resources monitoring[J]. Tropical Geography, 2015, 35(1): 35-42.

    5. [5]

      王光彦, 姚坚, 李登富, 赵培.  低空无人机遥感在水利工程测绘中的应用研究[J]. 测绘与空间地理信息, 2016, 39(5): 113-115, 118.
      WANG G Y, YAO J, LI D F, ZHAO P.  Study on application of remote sensing by unmanned aerial vehicle in hydraulic engineering survey[J]. Geomatics & Spatial Information Technology, 2016, 39(5): 113-115, 118.

    6. [6]

      纪景纯, 赵原, 邹晓娟, 宣可凡, 王伟鹏, 刘建立, 李晓鹏.  无人机遥感在农田信息监测中的应用进展[J]. 土壤学报, 2019, 56(4): 773-784.
      JI J C, ZHAO Y, ZOU X J, XUAN K F, WANG W P, LIU J L, LI X P.  Advancement in application of UAV remote sensing to monitoring of farmlands[J]. Acta Pedologica Sinica, 2019, 56(4): 773-784.

    7. [7]

      徐朋, 徐伟诚, 罗阳帆, 赵祚喜.  基于无人机可见光遥感影像的耕地精准分类方法研究[J]. 中国农业科技导报, 2019, 21(6): 79-86.
      XU P, XU W C, LUO Y F, ZHAO Z X.  Precise classification of cultivated land based on visible remote sensing image of UAV[J]. Journal of Agricultural Science and Technology, 2019, 21(6): 79-86.

    8. [8]

      丁雷龙, 李强子, 杜鑫, 田亦陈, 袁超.  基于无人机图像颜色指数的植被识别[J]. 国土资源遥感, 2016, 28(1): 78-86.
      DING L L, LI Q Z, DU X, TIAN Y C, YUAN C.  Vegetation extraction method based on color indices from UAV images[J]. Remote Sensing for Land and Resources, 2016, 28(1): 78-86.

    9. [9]

      刘艳慧, 蔡宗磊, 包妮沙, 刘善军.  基于无人机大样方草地植被覆盖度及生物量估算方法研究[J]. 生态环境学报, 2018, 27(11): 2023-2032.
      LIU Y H, CAI Z L, BAO N S, LIU S J.  Research of grassland vegetation coverage and biomass estimation method based on major quadrat from UAV photogrammetry[J]. Ecology and Environmental Sciences, 2018, 27(11): 2023-2032.

    10. [10]

      汪小钦, 王苗苗, 王绍强, 吴云东.  基于可见光波段无人机遥感的植被信息提取[J]. 农业工程学报, 2015, 31(5): 152-159.
      WANG X Q, WANG M M, WANG S Q, WU Y D.  Extraction of vegetation information from visible unmanned aerial vehicle images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(5): 152-159.

    11. [11]

      FRANCISCO G R, SINDHUJA S, JOE M M, WON S L, JESPER R, REZA E.  Comparison of two aerial imaging platforms for identification of Huanglongbing-infected citrus trees[J]. Computers and Electronics in Agriculture, 2013, 91(): 106-115. doi:

    12. [12]

      郭健.  基于植被指数和叶绿素荧光的总初级生产力估算[J]. 北京测绘, 2019, 33(4): 427-432.
      GUO J.  Estimation of gross primary productivity based on vegetation index and chlirophyll fluorescence[J]. Beijing Surveying and Mapping, 2019, 33(4): 427-432.

    13. [13]

      武红旗, 范燕敏, 靳瑰丽, 夏小伟.  伊犁绢蒿荒漠草地植物光谱特征[J]. 草业科学, 2019, 36(7): 1765-1773.
      WU H Q, FAN Y M, JIN G L, XIA X W.  Spectral characteristics of main plant in Seriphidium transiliense desert grassland[J]. Pratacultural Science, 2019, 36(7): 1765-1773.

    14. [14]

      冷若琳, 张瑶瑶, 谢健全, 李芙凝, 胥刚, 崔霞.  基于多光谱数据与小型无人机的甘南草地非生长季植被覆盖度[J]. 草业科学, 2019, 36(11): 2742-2751.
      LENG R L, ZHANG Y Y, XIE J Q, LI F N, XU G, CUI X.  An analysis of fractional vegetation cover of the Gannan glasslan in the nongrowing season based on multispectral data and small UVAs[J]. Pratacultural Science, 2019, 36(11): 2742-2751.

    15. [15]

      鲁军景, 孙雷刚, 黄文江.  作物病虫害遥感监测和预测预警研究进展[J]. 遥感技术与应用, 2019, 34(1): 21-32.
      LU J J, SUN L G, HUANG W J.  Research progress in monitoring and forecasting of crop diseases and pests by remote sensing[J]. Remote Sensing Technology and Application, 2019, 34(1): 21-32.

    16. [16]

      李鹏飞, 郭小平, 顾清敏, 张昕, 冯昶栋, 郭光.  基于可见光植被指数的乌海市矿山排土场坡面植被覆盖信息提取研究[J]. 北京林业大学学报, 2020, 42(6): 102-112.
      LI P F, GUO X P, GU Q M, ZHANG X, FENG C D, GUO G.  Vegetation coverage information extraction of mine dump slope in Wuhai City of Inner Mongolia based on visible vegetation index[J]. Journal of Beijing Forestry University, 2020, 42(6): 102-112.

    17. [17]

      徐大伟. 呼伦贝尔草原区不同草地类型分布变化及分析. 北京:中国农业科学院博士学位论文, 2019.
       XU D W. Dynamic change and analysis of different grassland types distribution in the Hulunber grassland. PhD Thesis. Beijing: Chinese Academy of Agricultural Sciences, 2019.

    18. [18]

      HAGUE T, TILLETT N D, WHEELER H.  Automated crop and weed monitoring in widely spaced cereals[J]. Precision Agriculture, 2006, 7(1): 21-32. doi:

    19. [19]

      WOEBBECKE D M, MEYER G E, VON BARGEN K, MORTENSEN D A.  Color indexes for weed identification under various soil, residue, and lighting condition[J]. American Society of Agricultural Engineers Meeting, 1994, 38(1): 259-269.

    20. [20]

       CAMARGO N, JOAO. A combined Statistical-soft Computing Approach for Classification and Mapping Weed Species in Minimum-Tillage Systems. Lincoln: The University of Nebraska, 2004.

    21. [21]

      LOUHAICHI M, BORMAN M M, JOHNSON D E.  Spatially located platform and aerial photography for documentation of grazing impacts on wheat[J]. Geocarto International, 2001, 16(1): 65-70. doi:

    22. [22]

      KATAOKA T, KANEKO T, OKAMOTO H, HATA S. Crop growth estimation system using machine vision. Kobe: Proceedings 2003 IEEE / ASME International Conference on Advanced Intelligent Merchatronics, 2003.

    23. [23]

      GUIJARRO M, PAJARES G, RIOMOROS I, HERRERA P J, BURGOSARTIZZU X P, RIBEIRO A.  Automatic segmentation of relevant textures in agricultural images[J]. Computers and Electronics in Agriculture, 2011, 75(1): 75-83. doi:

    24. [24]

      WOEBBECKE D M, MEYER G E, VONVARGEN K.  Color indexes for weed identification under various soil, residue, and lighting conditions[J]. Transactions of the American Society of Agricultural Engineers, 1995, 38(): 259-269. doi:

    25. [25]

      牛亚晓, 张立元, 韩文霆.  基于Lab颜色空间的棉花覆盖度提取方法[J]. 农业机械学报, 2018, 49(10): 240-249.
      NIU Y X, ZHANG L Y, HAN W T.  Extraction methods of cotton coverage based on Lab color space[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(10): 240-249.

    26. [26]

      许高建, 沈杰, 徐浩宇.  基于Lab颜色空间下的小麦赤霉病图像分割[J]. 中国农业大学学报, 2021, 26(10): 149-156.
      XU G J, SHEN J, XU H J.  Image segmentation of wheat scab based on Lab color space[J]. Journal of China Agricultural University, 2021, 26(10): 149-156.

    27. [27]

      李苗苗. 植被覆盖度的遥感估算方法研究. 北京: 中国科学院研究生院硕士学位论文, 2003.
      LI M M. The method of vegetation fraction estimation by remote sensing. Master Thesis. Beijing: Graduate School of Chinese Academy of Sciences, 2003.

    28. [28]

      周涛, 胡振琪, 韩佳政, 张浩.  基于无人机可见光影像的绿色植被提取[J]. 中国环境科学, 2021, 41(5): 2380-2390.
      ZHOU T, HU Z Q, HAN J Z, ZHANG H.  Green vegetation extraction based on visible light image of UAV[J]. China Environmental Science, 2021, 41(5): 2380-2390.

    29. [29]

      万炜, 肖生春, 陈小红, 滕泽宇, 丁爱军, 韩超, 颜长珍.  无人机遥感在野外植被盖度调查中的应用: 以阿拉善荒漠区灌木为例[J]. 干旱区资源与环境, 2018, 32(9): 150-156.
      WAN W, XIAO S C, CHEN X H, TENG Z Y, DING A J, HAN C, YAN C Z.  Application of unmanned aerial vehicles to field vegetation coverage survey: A study of shrubs on Alxa desert[J]. Journal of Arid Land Resources and Environment, 2018, 32(9): 150-156.

    30. [30]

      CHEN J J, ZHAO X N, ZHANG H Z, QIN Y, YI S H.  Evaluation of the accuracy of the field quadrat survey of alpine grassland fractional vegetation cover based on the satellite remote sensing pixel scale[J]. ISPRS International Journal of Geo-Information, 2019, 8(11): 497-. doi:

    31. [31]

      CHEN J J, YI S H, QIN Y, WANG X Y.  Improving estimates of fractional vegetation cover based on UAV in alpine grassland on the Qinghai-Tibetan Plateau[J]. Journal of Remote Sensing, 2016, 37(8): 1922-1936. doi:

    1. [1]

      伏帅张勇辉李佳吕王萌榛彭璐冯琦胜梁天刚 . 不同植被指数和无人机航高对草地盖度估测精度的影响. 草业科学, 2021, 38(1): 11-19. doi: 

    2. [2]

      于惠吴玉锋牛莉婷 . 基于无人机可见光图像的荒漠草地覆盖度估算. 草业科学, 2021, 38(8): 1432-1438. doi: 

    3. [3]

      陈建军宜树华任世龙秦彧王晓云 . 疏勒河上游高寒草地植被盖度反演及精度评价. 草业科学, 2014, 8(1): 56-65. doi: 

    4. [4]

      任世龙宜树华陈建军秦彧王晓云 . 基于不同数码相机和图像处理方法的高寒草地植被盖度估算的比较 . 草业科学, 2014, 8(6): 1007-1013. doi: 

    5. [5]

      冷若琳张瑶瑶谢建全李芙凝胥刚崔霞 . 基于多光谱数据与小型无人机的甘南草地非生长季植被覆盖度. 草业科学, 2019, 36(11): 2742-2751. doi: 

    6. [6]

      夏颖范建容张茜彧毕永清 . 复合植被指数在稀疏高寒草原植被盖度遥感反演中的应用. 草业科学, 2017, 11(9): 1767-1777. doi: 

    7. [7]

      王杰李卫朋 . 基于灵活的时空融合模型的植被覆盖度与植被指数关系. 草业科学, 2017, 11(2): 264-272. doi: 

    8. [8]

      林茜郭飞黄昌春杨雪峰 . 基于MODIS的植被指数对估测塔里木河中下游植被盖度的适用性. 草业科学, 2016, 10(12): 2434-2441. doi: 

    9. [9]

      张灏杨超 . 草地蘑菇圈对植被及土壤真菌的影响. 草业科学, 2019, 36(7): 1774-1780. doi: 

    10. [10]

      关欣安沙舟荀其蕾董乙强孔晓晶杨娇 . 巴音布鲁克草原高寒草原植被覆盖度反演模型构建与评价. 草业科学, 2018, 12(5): 949-955. doi: 

    11. [11]

      何美悦王迎新彭泽晨常生华Saman Bowatte刘永杰侯扶江 . 祁连山草原地上生物量和物种丰富度的空间格局. 草业科学, 2020, 37(10): 2012-2021. doi: 

    12. [12]

      孙珊珊满都呼伟军朝克图阿焱张恒付和平武晓东袁帅 . 基于无人机的东北鼢鼠种群数量调查最佳尺度选择. 草业科学, 2021, 38(9): 1841-1849. doi: 

    13. [13]

      武红旗范燕敏靳瑰丽夏小伟 . 伊犁绢蒿荒漠草地植物光谱特征. 草业科学, 2019, 36(7): 1765-1773. doi: 

    14. [14]

      边慧芹王雪梅 . 基于综合分段优势的植被覆盖度模型比较. 草业科学, 2021, 38(3): 432-442. doi: 

    15. [15]

      王玮冯琦胜郭铌沙莎胡蝶王丽娟李耀辉 . 基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测. 草业科学, 2015, 9(12): 1969-1979. doi: 

    16. [16]

      王志伟王茜李世歌王普昶刘秀峰谢彩云史健宗吴佳海王小利陆瑞霞莫本田 . 贵州喀斯特近30年植被生长特征分析. 草业科学, 2016, 10(11): 2180-2188. doi: 

    17. [17]

      闫俊杰刘海军崔东陈晨 . 近15年新疆伊犁河谷草地退化时空变化特征. 草业科学, 2018, 12(3): 508-520. doi: 

    18. [18]

      陆荫杨淑霞李晓红 . 甘南州高寒天然草地生长状况遥感监测. 草业科学, 2021, 38(1): 32-43. doi: 

    19. [19]

      乌云嘎查木哈张晓东袁帅付和平武晓东甘红军 . 荒漠区啮齿动物群落与植物因子的冗余分析. 草业科学, 2014, 8(12): 2323-2332. doi: 

    20. [20]

      杨东杨秀春金云翔徐斌 . 基于文献计量的草地生物量遥感监测研究进展. 草业科学, 2021, 38(9): 1782-1792. doi: 

  • 凯时66

    图 1  无人机影像处理流程

    Figure 1.  Processing flow of UAV images

    图 2  基于植被指数的像元二分模型的精度评价结果

    Figure 2.  The accuracy of the dimidiate pixel model based on vegetation index

    图 3  荒漠草地的植被盖度估测精度比较图

    Figure 3.  Comparison of accuracy of vegetation cover estimation in desert grasslands

    表 1  采样点分布及其草地类型

    Table 1.   Distribution of sampling points and grassland types

    草原类型
    Grassland type
    地区
    Region
    地理位置
    Geographic site
    样点数
    Number of sampling
    荒漠草地
    Desert grassland
    内蒙古鄂尔多斯市
    Ordos, Inner Mongolia
    108.75° E, 38.46° N 5
    内蒙古阿拉善盟
    Alax, Inner Mongolia
    101.78° E, 39.11° N 1
    甘肃武威
    Wuwei, Gansu
    102.83° E, 38.56° N 3
    新疆昌吉州
    Changji, Xinjiang
    88.94° E, 44.35° N 1
    草甸草地
    Meadow grassland
    新疆哈密市
    Hami, Xinjiang
    88.94° E, 44.35° N 6
    新疆阿勒泰地区
    Aletai, Xinjiang
    93.75° E, 43.32° N 3
    新疆昌吉州
    Changji, Xinjiang
    92.60° E, 43.60° N 1
    典型草地
    Typical grassland
    甘肃平凉市
    Pingliang, Gansu
    107.16° E, 35.18° N 1
    甘肃庆阳市
    Qingyang, Gansu
    107.32° E, 35.49° N 7
    内蒙古包头市
    Baotou, Inner Mongolia
    110.22° E, 40.94° N 2
    下载: 导出CSV

    表 2  植被指数公式表

    Table 2.  Formula table of vegetation index

    植被指数
    Vegetation index
    全称
    Full name
    公式
    Formulas
    参考文献
    Reference
    VEG 植被因子指数 Vegetative index $VEG={g} \div ({ {r}^{0.667}\times {b}^{0.333} })$ [18]
    ExG 超绿指数 Excess green index $ ExG= 2g-r-b $ [19]
    ExGR 超绿超红差分指数
    Excess green minus excess red index
    ${E}{x}{G}{R}=\mathrm{ }{E}{x}{G}-(1.4r-g)$ [20]
    GLI 绿叶指数 Green leaf index $GLI=({2g-r-b}) \div ({2g + r + b})$ [21]
    CIVE 植被颜色指数 Color index of vegetation extraction ${C}{I}{V}{E}=\mathrm{ }0.441r-0.811g + 0.385b + 18.78745$ [22]
    COM 组合指数 Combination index COM = 0.25ExG + 0.3ExGR + 0.33CIVE + 0.12VEG [23]
    WI Woebbecke指数 Woebbecke index $WI=({g-b}) \div ({r-g})$ [24]
    Lab Lab指数 Lab index $ Lab=a $ [25]
     公式中:rgb分别为照片RGB颜色空间中的红、绿、蓝三通道灰度值的归一化值;a为Lab颜色空间中的a通道灰度值。
     The r, g, and b in the formula represent the normalized values of the gray values of the red, green, and blue channels in the RGB color space, and a represents the gray values of a channel in the Lab color space.
    下载: 导出CSV

    表 3  草地植被盖度估测误差表

    Table 3.  Estimation error table of grassland coverage

    植被指数
    Vegetation
    草地类型
    Grassland types
    平均绝对误差
    MAE/%
    均方根误差
    RMSE/%
    ExG 草甸 Meadow 1.65 1.53
    典型 Typical 2.00 1.19
    荒漠 Desert 5.49 4.71
    ExGR 草甸 Meadow 1.74 1.88
    典型 Typical 1.85 1.44
    荒漠 Desert 1.61 2.08
    VEG 草甸 Meadow 2.81 4.60
    典型 Typical 4.57 3.88
    荒漠 Desert 1.52 1.13
    CIVE 草甸 Meadow 2.53 3.48
    典型 Typical 2.83 3.42
    荒漠 Desert 1.52 1.68
    COM 草甸 Meadow 1.65 1.97
    典型 Typical 2.60 4.55
    荒漠 Desert 1.51 5.81
    LAB 草甸 Meadow 2.02 1.97
    典型 Typical 3.92 4.55
    荒漠 Desert 3.63 5.81
    GLI 草甸 Meadow 1.64 1.29
    典型 Typical 5.64 6.46
    荒漠 Desert 2.97 4.28
    WI 草甸 Meadow 3.85 7.62
    典型 Typical 4.54 3.76
    荒漠 Desert 2.36 2.77
     植被指数全称如表1所列;下同。
     Full names of vegetation are the same as those in Table 1; this is applicable for the following figures and tables as well.
    下载: 导出CSV

    表 4  不同草地类型阈值变化情况

    Table 4.  Changes of threshold under different types of grasslands

    植被指数
    Vegetation index
    阈值 Threshold
    草甸草地
    Meadow
    典型草地
    Typical
    荒漠草地
    Desert
    ExG 0.03 0.04 −0.01
    ExGR −0.04 −0.05 −0.26
    VEG 1.11 1.10 0.97
    CIVE 18.74 18.74 18.77
    COM 6.37 6.31 6.23
    Lab −4.31 −2.95 8.17
    GLI 0.02 0.02 −0.01
    WI −0.05 −0.02 0.18
    DVI −0.16
    下载: 导出CSV
    凯时66
  • 加载中
图(3)表(4)
计量
  • PDF下载量:  12
  • 文章访问数:  670
  • HTML全文浏览量:  253
文章相关
  • 通讯作者:  冯琦胜, fengqsh@onlabwinterschool.com
  • 收稿日期:  2021-06-16
  • 接受日期:  2021-09-15
  • 网络出版日期:  2022-01-22
  • 刊出日期:  2022-03-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章
凯时66