基于1D-CNN的土壤全氮近红外光谱预测模型

摘要：【目的】传统的基于近红外光谱数据预测土壤全氮的方法需要对原始光谱数据做复杂的预处理，筛选出与土壤全氮含量相关性高的敏感波长之后进行模型的回归拟合。本文提出一种一维卷积神经网络（1D-CNN）模型，可以在对数据进行简单预处理甚至无处理的情况下达到非常理想的结果，实现用近红外光谱技术对土壤全氮含量的预测。【方法】于江苏无锡采集410个土壤样品，利用半微量开氏法(NY/T 53-1987)测定土壤的全氮含量，并利用NIR Quest 512光谱仪，在室内环境下对每份土壤样品做光谱检测，并用均值中心化(CT)、标准正态变换(SNV)、趋势校正(DT)对光谱进行预处理，运用偏最小二乘回归（PLS）、BP神经网络、1D-CNN方法建立土壤全氮含量的回归预测模型。每种模型在采用不同预处理方法的数据集上做十折交叉验证，记录预测模型的决定系数(R2)和均方根误差(RMSE)的平均值，并对比三种预处理方法对模型精度的影响。【结果】证明了本文提出的1D-CNN模型基于土壤近红外光谱数据预测土壤全氮含量的可靠性。使用原始数据与经均值中心化、标准正态变换、趋势校正预处理的数据训练得到的1D-CNN模型的决定系数分别为0.907、0.931、0.922、0.964，构建的PLS回归模型决定系数为0.856、0.863、0.861、0.880，训练的BP神经网络的决定系数为0.874、0.907、0.901、0.911。【结论】本文提出的1D-CNN模型在原始数据和经预处理的光谱数据上的表现都优于PLS和BP神经网络，且可以证明，对光谱数据进行预处理能够有效提高1D-CNN模型的性能，尤其是趋势校正对模型的提升效果最明显。研究表明，1D-CNN能更好地提取光谱特征并建立其与含氮量的映射关系，有效地避免过拟合，在未经过预处理的光谱数据上依然能够达到一定的精度。     

3S技术在农田基础地图测绘与更新中的集成应用

为了得到大比例尺、高精度、电子版的农田基础地图作为参照图层，来分析与处理精细农业研究与实践中采集到的不同数据，该文讨论了几种利用3S技术的测绘方法，并进行了GPS测绘工作。GPS定位数据在GIS系统中经过处理并编辑成图。为了提高测绘和成图的精度，文中设计并测试了单点重复定位—求平均，以及连续定位—移动平均等GPS数据的处理方法；测试结果表明测绘精度达到0.5 m左右。该文农田基础地图的更新基于经过多项式几何校正与坐标配准后的遥感图像进行。     

TRMM降水数据在长江流域的降尺度分析与校正

在充分考虑2001−2019年TRMM 3B43降水量数据在长江流域适用性的基础上，基于地理加权回归模型（GWR），结合归一化植被指数（NDVI）、增强型植被指数（EVI）、高程、坡度、坡向数据，选取不同组合对19a内TRMM降水量数据进行降尺度，并对优选的降尺度数据分别进行GDA、GRA校正，最后在年、季、月尺度下进行精度评价与结果分析。结果表明：（1）降尺度数据与站点实测数据的R²、BIAS、RMSE满足精度要求的同时，空间分辨率由0.25°提高至1km，且TRMMNDVI数据精度优于TRMMEVI数据。（2）GDA校正结果优于GRA校正结果，且数据稳定性更好，更适于长江流域TRMM数据校正。（3）数据与站点实测数据R²在年（0.91～0.986）、季（0.704～0.88）、月（0.625～0.89）尺度上均有较高精度，细节特征较TRMM数据表现更好。（4）降水量越大的月份降尺度及校正效果越好。降尺度及校正后的TRMM数据能更好地反映长江流域真实降水信息，为农业生产、水资源优化配置、防洪减灾等提供可靠的数据支持。     

山区星载ALOS PALSAR微波遥感图像的正射校正

多山地区微波遥感图像的正射校正是实践应用中的关键和瓶颈,该文以星载合成孔径雷达数据ALOS(advanced landobservation satellite)PALSAR为基础数据,GAMMA软件为处理平台,研究微波图像正射校正方法。首先利用数字高程模型(digital elevation model,DEM)及卫星轨道参数生成模拟合成孔径雷达数据(synthetic aperture radar,SAR),再利用图像交叉相关分析算法自动搜索模拟SAR与真实SAR同名地物点偏移量,建立校正多项式模型,在此基础上通过建立校正查找表方法实现真实SAR图像的地理编码及正射校正。校正效果经检验,误差在一个像元以内,校正效果较好。     

无线传感网获取的农田数据管理系统集成与实例分析

无线传感网络日益成为大范围农田信息采集的重要手段,如何科学管理无线传感网自动获取的大量农田数据成为重要的研究问题。该研究利用Oracle10g工具构建了农田观测数据库,并基于Microsoft Visual Studio.net、ESRI ArcGIS Engine9.3和ERDAS9.2软件集成开发了农田观测数据管理系统,实现了与无线传感器网络数据自动获取平台之间的无缝对接及数据高效管理。该数据管理系统包括数据自动入库、数据编辑管理、数据浏览统计分析、空间化数据产品生产应用等4个功能模块。数据自动入库模块主要完成无线传感网获取的农田原始数据到数据库初级产品的管理,包括自动接收控制、数据校正与纠错、观测器异常报警等基本功能;数据库编辑管理模块负责已入库数据的元数据生成与维护,真实数据检索、显示与分析等任务;空间化数据产品生产应用模块主要实现观测数据的空间扩展、时空耦合模拟,以及农情监测业务应用等需求,包括空间插值和时间维模拟等。该系统在河南省鹤壁市进行了实测应用,已经稳定运行1年,结果表明:系统能实现农田参数的自动入库、相关处理、分析和管理,具有良好的稳定性、安全性、完善的功能性和便捷的人机接口等特点。     

NDVI时间序列谐波分析与地表物候信息获取

植被指数具有明显的季节节律，NDVI时间序列分析可以获取地表植被物候信息，但已有的AVHRR NDVI数据产品仍然存在高噪声，需要进一步校正。在考虑农业植被季节变化特征的基础上，基于先验知识对NDVI时间序列数据傅立叶校正算法进行了改进。利用1992年旬最大值合成1 km NOAA-AVHRR NDVI数据，使用该方法对河北省南部地区几种不同植被类型的NDVI数据进行校正，结果显示：改进的傅立叶谐波校正算法能更好地反映农业植被NDVI季节变化节律，且对自然植被同样适用。对校正后的NDVI 时间序列数据进行谐波分析表明：谐波的特征值(谐波余项、振幅和位相)与地表植被动态之间存在相关性，谐波余项表征NDVI 时间序列的均值，谐波振幅表征NDVI年内波动幅度大小，不同谐波的位相可以表征NDVI 季节变化的时间特征，利用这些参数可以获取地表植被物候信息，并可用于土地覆被和土地利用分类研究以及全球变化研究。     

基于6S模型的GF-1卫星影像大气校正及效果

高分一号(GF-1)卫星是中国高分系列卫星的首发星,自2013年4月成功发射以来,在中国农业遥感业务工作中得到了广泛应用,已成为中国大宗农作物种植面积遥感监测的主要数据源。该文基于6S(second simulation of a satellite signal in the solar spectrum)辐射传输模型原理,设计并实现了适合于GF-1卫星数据大气校正算法与程序。算法以GF-1卫星1级数据、元数据及传感器公开参数为输入数据,不需要其他外源辅助数据,经过辐射定标,计算各波段平均太阳辐射值、表观反射率,通过选择大气模式,驱动6S模型获取表观反射率转换为地表反射率的参数,逐像元计算影像地表反射率。在算法研制的基础上,应用Fortran和IDL语言编写了大气校正批处理程序,实现了大气校正过程的批处理。该文采用2014年4月3日、6月28日、11月2日,以及2015年1月19日4个时相北京地区GF1卫星WFV(wide field view)数据,分别代表春夏秋冬4个季节,通过与ENVI软件的FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)大气校正结果对比进行评估。2种方法 4个时相各波段全年相对偏差为3.26%,蓝光波段偏差最大为11.21%,其次是红、近红和绿光波段,分别为1.19%、0.73%和0.24%。作物覆盖区平均相对误差为12.99%,冬季最高为17.40%,秋季和春季分别为15.02%和14.15%,夏季相对差异最小为8.31%。各波段地表反射率的整体校正情况并未有太大差异,但6S校正后各波段反射率普遍比FLAASH校正结果略微偏高。2种校正结果计算的NDVI也基本一致,相对偏差0.64%;除水体外,绝对值差值的平均值均在0.0548以内。从计算效率来分析,6S模块实现了商用软件FLAASH模块中未提供的批量计算,在相同硬件环境下计算效率提高了75.0%以上。研究结果表明了该文开发的大气校正程序能够稳定批量处理GF-1卫星数据,可以作为农业遥感监测业务流程的组成部分。     

一种加窗数据降维方法在光谱分析中的应用

加窗处理方法是在应用近红外光谱分析技术对食品品质进行分析、建立数学预测模型的过程中,选用适当窗函数对原始光谱数据施行降维、降噪等操作,从而节约计算机内存、减少运算量,并提高模型的预报精度.对于大米近红外光谱数据,分别采用不加窗处理和加窗处理措施建立了大米蛋白质含量的预测模型.经实验,该方法能有效地压缩原始数据、降低噪声影响,明显地缩短了计算机的运行时间,使模型评价指标如平均相对误差、平均偏差和预测标准差有所降低,使预测值和化学参比值的相关系数由0.9204提高到0.9526.     

新疆天山山区TRMM卫星降水数据的精度检验和校正方法研究

在降水资料缺乏的天山山区,基于重建时间序列后的NDVI和DEM数据,采用CART算法对TRMM3B43月降水数据进行校正。利用研究区25个站点实测降水量对校正前的TRMM降水数据和校正后的TRMM降水数据分别进行精度检验。结果表明:校正前TRMM月降水与站点实测降水有很好的一致性,存在显著的线性相关关系,但误差较大;TRMM降水与实测降水的决定系数(R2)随时间尺度的增大而减小,相对误差(δ)和均方根误差(RMSE)则随之增大,说明TRMM遥感数据的精度随时间尺度的增加而减小;校正后TRMM降水精度得到了显著地提高,与实测降水在月、季、年尺度上的R2分别为:0.97,0.87,0.83,相比校正前R~2提高了10%以上,误差也有明显的减小。这说明在天山山区,使用CART对TRMM降水数据进行校正的方法可行。     

基于薄云雾去除的ETM+影像大气校正

中国南方农业遥感监测中,遥感影像常常受到薄云雾影响,大气的散射与吸收作用会使传感器接收到的地物反射率与真实值之间存在差距,是导致数据质量下降的主要原因,薄云雾去除和大气校正处理是十分必要的。该研究利用LandSat-7/ETM+影像,结合背景抑制云雾厚度因子（BSHTI）云检测方法和虚拟云点（VCP）云去除方法进行薄云雾去除,并与暗元法去云处理结果对比分析,然后将去云处理后的影像进行FLAASH大气校正,选取校正前后典型地物的光谱特征和NDVI值进行分析评价。结果表明,BSHTI-VCP法可有效消除薄云雾对遥感数据的影响,提高了云雾覆盖范围的影像质量;FLAASH大气校正较好地消除了大气影响,获得了地物真实地表反射率。该研究为南方作物遥感监测中定量反演与信息解译提供了良好理论支持。     

苹果糖分含量的近红外漫反射检测研究

应用近红外漫反射技术探讨水果糖分含量检测方法并建立其光谱漫反射测量系统,重点对0,2,4 mm和6 mm 4种不同测量距离对苹果糖分含量无损检测的影响分析.试验结果为:当光纤贴紧苹果表面(0 mm测量距离)时建立的校正方程对未知样品的预测效果最好.利用主成分回归多元校正技术,建立在0 mm时红富士苹果样品糖分含量的预测数学模型,其样品预测值和实测值之间的相关系数为0.844,标准校正误差(SEC)为0.729,标准预测误差(SEP)为0.864,偏差(Bias)为0.318.通过本次试验研究表明,应用近红外光谱漫反射技术进行苹果糖分含量无损检测具有可行性,并得到了较为满意的预测效果.     

安徽省新一代酸雨资料采集处理系统

基于安徽省气象局建立的国家级和省级酸雨观测站资料,利用BCB语言编制基于WINDWOS平台的酸雨信息采集处理和分发系统,包括数据采集、规范格式资料传输、酸雨报表制作及其它辅助功能,实现对酸雨数据的自动采集和处理,为安徽省气象特种观测系统提供基础数据。     

基于近红外光声光谱的土壤有机质含量定量建模方法

该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。     

基于漫反射光谱的茶园土壤硝态氮检测

该文研究了充分利用土壤漫反射光谱在可见-近红外波段的有效信息,研究快速准确检测土壤硝态氮含量的新方法。试验选取89个风干土壤样本,经粉碎过直径1 mm筛孔后,使用 FieldSpec 3便携式光谱仪（光谱波长范围：400～2 500 nm）,获取其漫反射光谱。检查各土样的原始光谱的有效性并进行平均,经偏最小二乘法partial least squares（PLS）聚类分析后,选取其中的63个样本构成校正集建立模型,10个样本构成预测集进行模型验证。通过一阶微分与滑动平均滤波相结合的预处理方法,用15个主成分建立的主成分+神经网络模型为最好,其校正模型的回判相关系数为0.9908,均方根误差（RMSEC）为1.4528,预测模型的相关系数为0.7179。研究结果表明,利用可见-近红外光谱技术可以准确地检测茶园土壤硝态氮含量。     

基于相关系数法与遗传算法的啤酒酒精度近红外光谱分析

以啤酒的酒精度的快速检测为研究对象,针对采用偏最小二乘(Partial Least Squares,PLS)法建立近红外光谱预测模型时波长筛选问题,提出将相关系数法与遗传算法(Genetic Algorithms,GA)相结合提取光谱有效信息,提高预测模型的精度的方法。结果表明：该方法应用于啤酒酒精度近红外光谱检测中,吸收光谱和一阶导数光谱的预测建模的波长个数分别减少了83%、82%,预测平均相对误差分别降低了0.42%、0.64%,不仅简化、优化了模型,而且增强了预测建模型的预测能力,是一种采用PLS法建立预测模型前行之有效的降低和优选波长的方法。     

猪粪物理特性的测定

猪粪的物理特性对于猪粪处理是非常重要的因素,文中对猪粪的物理特性包括粒度分布、比重、容重、酸度、粘度、含水率和沉降性能等的测试结果进行了介绍。为处理和利用猪粪提供了基础数据。     

猪粪物理特性的测定

猪粪的物理特性对于猪粪处理是非常重要的因素,文中对猪粪的物理特性包括粒度分布、比重、容重、酸度、粘度、含水率和沉降性能等的测试结果进行了介绍。为处理和利用猪粪提供了基础数据。     

Multiresidue pesticide analysis of agricultural commodities using acetonitrile salt-out extraction, dispersive solid-phase sample clean-up, and high-performance liquid chromatography-tandem mass spectrometry

A multiresidue method analyzing 209 pesticides in 24 agricultural commodities has been developed and validated using the original Quick, Easy, Cheap, Effective, Rugged and Safe (QuEChERS) procedure and high performance liquid chromatography-positive electrospray ionization-tandem mass spectrometry (LC-MS/MS) analysis. Using solvent-only calibration standards (SOCSs) and matrix-matched calibration standards (MMCSs), it was demonstrated that a minimal concentration of 5-10 μg/kg (part per billion, ppb) of analytes in matrix is required for the consistent identification of targeted pesticides with two MRM transitions. Method performance was validated by the precision and accuracy results obtained from fortification studies at 10, 25, 100, and 500 ppb and MMCSs. The method was demonstrated to achieve an average recovery of 100 ± 20% (n = 4) for >75% of evaluated pesticides at the low fortification level (10 ppb) and improved to >84% at the higher fortification concentrations in all 24 matrices. Matrix effects in LC-MS/MS analysis were studied by evaluating the slope ratios of calibration curves (1.0-100 ng/mL) obtained from the SOCSs and MMCSs. Principal component analysis (PCA) of LC-MS/MS and method validation data confirmed that each matrix exerts its specific effect during the sample preparation and LC-MS/MS analysis. The matrix effect is primarily dependent on the matrix type, pesticide type and concentration. Some caution is warranted when using matrix matched calibration curves for the quantitation of pesticides to alleviate concerns on matrix effects. The QuEChERS method with LC-MS/MS was used to identify and quantitate pesticides residues, with concentrations ranging from 2.5 to >1000 ppb in a variety of agricultural samples, demonstrating fitness for screening and surveillance applications.     

Confined disposal facility characterization for beneficial reuse of dredged material: a case study to demonstrate a structured approach to sampling and data analysis

Purpose  

Confined disposal facilities (CDFs) are widely used for disposal of navigation dredged material, but many are running out of capacity. Removal of dredged material for beneficial use offers potential for sustainable operations, but requires characterization with a high degree of confidence. Few data are available to inform characterization efforts in these artificial depositional environments; thus, a CDF case study was used to demonstrate a structured approach to sampling and data analysis.     

Current and Future Outlook of Dredged and Sewage Sludge Materials in Agriculture and Environment (3 pp)

-  In the late 1960’s there was an increasing realization in the U.S.A. and other parts of the world, especially in Europe of the potential problems associated with the disposal of spoil and sewage sludge materials. While insufficient information was available to determine potential adverse effects of disposal on land, many people including those in the scientific community had articulated their objections on the use of these materials in agriculture because data do not provide adequate environmental protection information. In many cases, site-specific geochemical and biological factors are typically excluded from the decision process (Wenning and Woltering 2001). Because of continued studies and far-reaching research during the last 40 years on the environmental effects of dredged and sludge materials, the scientific community and regulatory agencies in the U.S.A. are now in a much better position to appraise the environmental and possible agricultural impacts connected with the disposal of dredged and sludge materials by diverse disposal methods.