灵武长枣日光温棚促早栽培物候期观察分析

介绍了灵武长枣日光温棚促早栽培物候期及其特点,并提出栽培管理措施,以期为灵武长枣日光温棚促早栽培提供参考。     

野生和栽培巨大口蘑的红外光谱分析

采用傅里叶红外光谱仪采集58份巨大口蘑样品的红外光谱,对光谱进行预处理,去除光谱噪音明显部分,进行判别分析.结果表明,样品的红外图谱具有差异,主要吸收峰有2295、2851、1652、1149、1075、1030、995和807 cm-1.在500-3000cm-1波段范围内,用原始光谱结合标准正态变量校正法,能够对野生和栽培样品菌盖和菌柄校正集、预测集的样品进行正确识别.表明用傅里叶红外光谱法结合判别分析法对野生和栽培巨大口蘑进行鉴别,方法简便,结果可靠.     

基于高光谱响应与模拟模型的冬小麦变量追氮研究

为给小麦变量施氮提供依据,利用冬小麦起身期和拔节期冠层光谱数据,选用反映冬小麦长势信息的优化土壤调节植被指数OSAVI(Optimization of soil-adjusted vegetation index)与CERES-Wheat模型相结合进行变量施肥管理(变量区),以相邻地块常规非变量(均一)施肥区(对照区)为对照,对变量追氮模型的可行性进行探讨,并对变量追肥处理的实际效果进行分析.结果表明,CERES-Wheat模型能较好地反映冬小麦的生长状况,在冬小麦产量预测中,目标产量与实测产量具有良好的一致性.变量施肥区的产量、籽粒蛋白质含量及经济效益均优于对照区,同时变量施肥区的籽粒产量和蛋白质含量的空间变异较对照均有所降低,说明基于高光谱响应与模拟模型的冬小麦变量追氮技术具有一定的理论意义和实用价值.     

氨基酸盐酸缓冲液对丝织品结构和性质的影响

对丝织物进行氨基酸水解老化后,利用近红外光谱仪和Origin Pro 8数据处理软件,使用Gausse拟合对红外光谱进行拟合计算蛋白质二级结构含量的方法,分析丝织物在氨基酸盐酸条件下的力学性质与结构变化。结果表明:随着pH的升高和时间的增加,丝织品的最大荷重与延伸率下降,变得容易断裂,体现出丝织品的脆弱特性。且随着时间的增长,pH浓度升高,无规结构的含量增加,β-折叠结构的含量减少。     

水稻不同叶位层物理结构与冠层反射光谱的定量研究

 研究了不同土壤水分、施氮条件下水稻冠层反射光谱与冠层生长特征（叶面积指数、叶片干质量和鲜质量）的量化关系。结果表明，不同层次叶面积指数、叶片鲜质量和叶片干质量与冠层光谱的相关性大小均为：L12345>L1234>L123>L12>L1，而顶部5张叶片的面积和生物量（干、鲜质量）对冠层特征反射光谱的贡献大小顺序为：L2>L1>L3>L4>L5，顶部2张叶片对冠层光谱作用最大。发现比值指数R(760,710) 与水稻叶面积指数呈极显著线性相关；而比值指数R(1650,1100) 与水稻地上部鲜质量和干质量均呈极显著幂函数相关关系。因此，比值指数R(760,710) 和R(1650,1100) 可分别用来定量反演水稻叶面积信息和地上部生物量信息。     

基于高光谱成像技术的冬瓜种子品种鉴别

为实现冬瓜种子品种的快速无损检测,利用高光谱成像技术采集了广东黑皮、一串铃和韩育粉皮3个品种冬瓜种子的光谱图像信息。采用标准归一化（SNV）、多元散射校正（MSC）、中值滤波（MF）等方法进行预处理,利用连续投影法（SPA）、回归系数法（RC）和竞争性自适应算法（CARS）提取特征波长,建立了粒子群优化BP神经网络判别模型,预测集的决定系数与均方根误差分别为R2=0.930、RMSEP=0.047,准确率高达96.30%。研究表明,高光谱技术结合粒子群优化BP神经网络可以实现对冬瓜种子品种快速无损鉴别。      

基于近红外光谱的土壤氮含量模型及生物炭对土壤光谱的影响

采集添加生物炭的土壤（标记为ABS）和不添加生物炭的土壤（标记为CS）,获取其近红外光谱,通过预处理算法和偏最小二乘法（partial least squares,PLS）建立两种土壤氮含量预测模型。试验结果显示,CS和ABS分别经过Baseline和Smoothing预处理的预测模型效果最好,定向系数（determination coefficient,R2）分别为0.913和0.753,预测均方根误差（root mean square error of prediction,RMSEP）分别为0.093和0.753,利用近红外光谱可对两种土壤氮含量建模预测。研究了生物炭对土壤光谱及建模的影响,结果表明,添加生物炭会改变土壤成分含量,使近红外光谱和建模不同于普通土壤,而联合建模可减小差异的影响,取得较好的预测效果,联合建模结果显示,经过Smoothing预处理的预测效果最好,R2为0.907,RMSEP为0.086。      

结合航空影像纹理和光谱特征的单木冠幅提取

随着航空摄影测量技术的不断发展与进步,为提高森林资源调查的工作效率,航空影像已经成功应用到林业资源监测中,但在单木冠幅提取上,研究多考虑影像光谱信息,使得分类结果存在偏差。本文提出同时结合航空影像的纹理及光谱特征,利用面向对象的影像分割方法,通过多次实验对比结果确定最优分割尺度,同时在结合正态分布法确定各光谱及纹理特征信息范围的基础上,提取单木冠幅信息。以2012年鹫峰国家森林公园航空像片为数据源,以ENVI5.0为数据处理平台,对影像进行面向对象的分割,提取试验区域内32株树木的冠幅,并结合传统外业实测数据以及立体像对观测数据进行精度分析。试验结果表明:文章所提出的方法试验精度达到90.05%,与传统立体像对量测方法精度相近,但数据获取速度快,满足林业调查基本需求。      

吉林蛟河主要树种叶片光谱分类

运用实验室测量的阔叶红松林的叶片光谱数据,对吉林蛟河实验区的主要树种(红松、白桦、白牛槭、春榆、裂叶榆、蒙古栎、青楷槭、色木槭和紫椴等)的叶片进行分类研究。结果表明:实验室测量叶片光谱数据,针阔树种分类精度达到100%;所有树种分类精度为80%~100%。运用波段响应函数分别模拟多光谱传感器GEOEYE-1、RAPIDEYE和WORDVIEW2的光谱,可以有效区分针阔树种,分类精度为71.6%~100.0%;所有树种分类精度为47.3%~74.0%。