叶面滞尘量对大叶黄杨光谱特征影响研究

  目的  叶面滞尘会影响植被光谱特征，削弱植被指数对植被的响应能力，影响反演评估的准确性。为探究叶面滞尘量对植被光谱响应特征及预测模型的影响，本文以北京市常见常绿绿化树种大叶黄杨为研究对象展开研究。  方法  从封闭区域、半封闭区域、开放区域，采集叶片样本，并收集环境灰尘。通过室内控制试验，利用ASD FildSpec Handheld光谱仪测量不同滞尘量叶片的高光谱数据，选取5个特征波段，通过光谱角的方法研究了叶面滞尘量对叶片光谱特征的影响，以及滞尘量对叶面滞尘量预测模型的精度和稳定性影响。  结果  随着叶面滞尘量的增加，植被光谱曲线特征逐渐减弱，灰尘的特征逐渐增强，但光谱曲线的总体变化趋势基本一致。当叶面滞尘量 > 120 g/m2时，光谱曲线的基本表现为灰尘的光谱特征。当叶面滞尘量较少时，预测模型的模拟精度相对较高，随着滞尘量的增加，所有模拟预测模型的决定系数均减小；当叶面滞尘量 > 120 g/m2时，预测模型对叶面滞尘量的模拟预测能力将更差，并且均方根误差（RMSE）随着叶片单位面积滞尘量的增加而增大，模拟预测模型的稳定性及预测精度逐渐降低。光谱角对滞尘叶片350 ~ 1 770 nm波段区间的光谱变化十分敏感，利用叶片光谱角检测滞尘程度不需要分区域讨论，只需与阈值做简单的比较，方法简便易行。  结论  本研究通过室内控制试验，研究叶面滞尘量对植被光谱响应特征，可为建立滞尘植被光谱反射物理模型提供参考与借鉴。      

基于实测高光谱和Landsat 8 OLI影像的土壤盐化和碱化程度反演研究

针对宁夏银北地区土壤盐碱化定量监测的需要,利用实测土壤高光谱和Landsat 8 OLI多光谱影像数据采用多项式、多元线性回归等方法进行土壤含盐量和pH值反演研究,并对影像光谱反演模型进行校正,以提高遥感定量反演精度。结果表明:(1)基于实测光谱的土壤含盐量反演精度均高于基于OLI影像反演精度;基于实测光谱敏感波段反射率反演精度高于实测盐分指数反演精度,其中实测光谱经平滑后敏感波段建立的模型效果最佳(R~2=0.695)。(2)基于实测光谱平滑后敏感波段建立的pH值反演模型精度最高且最稳定(R~2=0.545),基于OLI影像光谱反演精度低于实测光谱,但也通过了显著性检验和精度验证。(3)经实测光谱模型校正后的Landsat 8 OLI影像光谱的土壤含盐量反演模型R~2从0.347提高到0.623。研究结果可以为准确、快速地定量监测当地土壤盐分含量、pH值的变化提供科学依据和技术手段。     

不同植被下黏质红壤水分特征曲线研究

为分析不同植被下黏质红壤的持水、释水及孔隙特性,用离心机法测定了鄂南一个典型红壤坡地的8种植被地块(3种树龄的杉树、茶树、红叶石楠、无患子、油菜、桂花树)4个深度(20、40、60、90 cm)的土壤水分特征曲线,进而计算了土壤不同孔隙度,用Van Genuchten模型(VG模型)拟合水分特征曲线数据,同时获得土壤比水容量曲线。结果表明:①VG模型能够较好地拟合黏质红壤的水分特征曲线,决定系数R~2在0.981 4～0.999 4之间;②土壤持水能力的变化主要出现在低于500 kPa的土壤水吸力范围内,土壤释水过程大多发生在低吸力范围内(0～500 kPa)。试验坡地的土壤总孔隙度是40.4%～47.0%,其中毛管孔隙度约为39.2%,而有效孔隙度仅为15.0%左右,因此土壤水分有效性整体较差;③持水能力最好的是茶树、大杉树和小杉树3个地块,多数地块的表层土壤较深层土壤有更好的排水能力,但深层土壤的持水能力强于表层土壤。研究坡地的土壤虽然属于同一种类型土壤,但不同植被、不同深度的土壤持水能力、释水特性及水分有效性存在一定差异,在分析红壤坡地水分动态分布规律时应考虑在内。     

4种植物油热氧化同步荧光光谱分析

以亚麻籽油、大豆油、菜籽油与葵花籽油为原料,在不同温度条件下氧化并测定其不同时间的同步荧光光谱,分析同步荧光光谱及荧光物质变化情况。结果表明,4种植物油不同温度下的同步荧光光谱峰变化主要集中在300~415 nm内,且随着加热时间的延长存在波动现象;在50℃和150℃加热氧化条件下,300,330,375,415 nm这4个峰都存在明显的波动现象;二维相关分析表明,这4个峰的荧光强度变化速率不同,不同油变化差异较大;同种油在不同温度下,4个峰的波动情况、相互关系、变化速率均有明显差异。这些峰的变化与油脂氧化过程中荧光物质和油脂氧化程度的变化有关,可以利用同步荧光光谱的变化特性作为监控油脂氧化的依据。     

基于季节特征的土壤退墒模型建立与率定

利用河南省南阳市2011—2015年12个墒情站的土壤水分监测资料,分析研究了无增墒情况下土壤含水量消退规律,构建出基于不同季节(夏季、春秋季与冬季)的土壤含水量与衰减系数的数学模型,运用规划求解法率定模型参数,并利用2016—2017年资料对模型进行检验。结果表明,不同季节土壤水分衰竭系数模型分别为α=1.023(1-ω~2/4353)~(1/2)(夏季)、α=1.013(1-ω~2/7005)~(1/2)(春秋季)与α=1.008(1-ω~2/9303)~(1/2)(冬季),所建立的数学模型适用于南阳市相应季节壤土与粘壤土小麦、水稻与休闲地土壤旱情预测,但不适用于夏季与春秋季砂土特别是休闲地砂土土壤墒情预测。