纳米二氧化硅改性脲醛树脂的应用及机理研究

采用纳米SiO2 改性脲醛树脂, 当纳米SiO2 用量<1 5%时, 用量越大, 树脂的胶合强度越高, 游离甲醛含量越低, 粘度越大, 固化时间不变 用纳米SiO2 (用量1% ) /脲醛树脂(F/U摩尔比1 2)压制胶合板、刨花板、中密度纤维板, 板的各项性能指标都超过国家标准要求, 甲醛释放量达到E级水平 通过红外光谱分析, 初步探讨了纳米SiO对脲醛树脂的增强机理     

山区林地多季相TM影像综合分类研究

为了提高陆地卫星TM数据在山区林地的分类精度,利用4个季节的帽儿山TM数据进行植被分类,并辅助以物候特征和地面GIS专题信息 采用由简单到复杂的信息提取过程,先利用基于光谱知识的林地提取模型提取林地边界,再用有监分类方法分别进行林地和非林地内部类型信息的提取,生成多季相综合分类图 分类精度比单时相提高了19 6%     

食品中铅的累积进样石墨炉原子吸收光谱分析

对食品中铅的石墨炉原子吸收光谱分析进行加大进样量的试验.用石墨炉原子吸收光谱法测定食品样品中的铅时,采用累积进样的方法加大进样量;同时,对原子化温度梯度、时间及抗背景干扰等分析条件进行优化选择.试验结果表明,采用本方法测定食品中的超微量铅,样品溶液的光谱吸收比(吸光值)可比常规分析高3倍,结果稳定可靠[相对标准偏差＜4%,标准回收率为(100±10)%].     

玉米苗期冠层多光谱反射率反演与叶绿素含量诊断

为了探索玉米苗期叶片叶绿素含量指标的快速、非破坏性估测方法,该文运用多光谱图像技术对大田玉米苗期叶绿素含量指标进行快速无损的诊断研究。大田试验中,采用2-CCD多光谱图像采集系统获取大田玉米苗期的冠层多光谱图像,并同步采集漫反射灰度板的多光谱图像。为消除光照对图像采集质量的影响,准确将不同光照条件下的玉米冠层图像数据转换为其叶面反射率数据,标定试验中采用一块4个不同灰度级的满足朗伯面条件漫反射灰度板,建立了叶片光谱反射率同图像灰度值之间的线性反演公式,并与大田试验中漫反射灰度板的多光谱图像建立了玉米冠层图像灰度值的校正公式。对玉米苗期冠层多光谱图像进行处理,提取出玉米冠层B、G、R、NIR(中心波长分别为470,550,620,800 nm)4个波段归一化平均灰度值。通过灰度值的校正公式得到校正后的归一化平均灰度值,由线性公式反演出R、G、B、NIR 4个波段的平均反射率值,并计算4种常见光谱植被指数(RNDVI、RNDGI、RRVI和RDVI),采用最小二乘-支持向量回归(LS-SVR)建立植被指数同叶绿素含量指标的拟合模型。结果表明:植被指数RNDVI、RRVI和RDVI和玉米冠层叶绿素含量指标拟合验证集决定系数R2为0.56,达到了较为理想的拟合结果。证明通过漫反射灰度板对玉米冠层多光谱图像建立反射率反演校正模型的方法是可行的,这一方法为快速无损检测玉米苗期叶绿素含量指标提供了支持。     

土壤水溶性盐基离子的高光谱反演模型及验证

土壤水溶性盐基离子是诊断土壤盐渍化类型与盐渍化程度的重要依据,利用光谱技术快速获取土壤水溶性盐基离子含量数据,可为土壤盐渍化类型与盐渍化程度的诊断提供新的技术和手段。该研究通过采集新疆5个不同地区399个土样的反射率与水溶性盐基离子数据并进行31种光谱预处理方法,分析了不同水溶性盐基离子(HCO3-、Cl-、SO42-、K+、Na+、Ca2+、Mg2+)与高光谱反射率之间的相关性;采用K-S(Kennard-Stone)方法挑选出299个样品,针对每种离子使用偏最小二乘回归(partial least squares regression,PLSR)分别建立32个高光谱定量反演模型,优选最佳反演模型,并单独使用100个样品对估测模型进行检验。结果表明:不同离子的最佳反演模型所使用的预处理方法存在差异,其中仅有Cl-和Ca2+、SO42-和Mg2+所使用的预处理方法相同,其他离子则不同;不同离子的反演精度也不同,HCO3-和Ca2+构建的模型相对分析误差(relative percent deviation,RPD)分别为2.67、2.57,模型具有很好的预测能力。Cl-、SO42-和Mg2+所构建的模型RPD分别为2.05、2.10和2.14,表明这三者建立的模型具有较好的预测能力。K+建立的模型RPD仅为1.11,不能对样品进行预测。Na+构建的模型RPD为1.83,表明该离子所建模型只能对样品进行粗略估测。研究结果为探究水溶性盐基离子的高光谱反演增添了新的内容,为土壤盐渍化监测的深入和推进提供了新的思路和方法。     

近红外技术快速测定肉鸡粪便主要肥料成分含量的研究

该文探讨了利用近红外光谱分析技术(NIRS)快速测定肉鸡粪便主要肥料成分含量的可行性。在饲养试验过程中采集了肉鸡粪便样品183个，利用常规实验室分析方法测定了其中的总氮(TN)、总磷(TP)、总钾(TK)、铵态氮(AN)、有效磷(EP)含量，利用近红外光谱仪取得了样品在1421.5～2572.2 nm波段的光谱，并使用偏最小二乘法(PLS)结合交互验证(CV)和留一检验法(LOO)建立了肉鸡粪便肥料成分的近红外光谱定标模型，同时利用该模型对20个样品的总氮、总磷、总钾、铵态氮、有效磷的含量进行预测，得出的5种主要肥料成分的预测值和真实值(实验室经典化学分析方法测定值)之间具有显著的相关性，其相关系数分别为0.9574，0.9590，0.9870，0.9572和0.9650。预测标准差分别为0.0014，0.0012，0.0012，2.3041×10^-4和0.3814。结果表明，利用近红外光谱法对肉鸡粪便风干样品的主要肥料成分进行快速测定是可行的。     

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。     

冬枣氮素含量预测模型中特征波长选择方法的应用

为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。模型的相关系数为0.799,均方根误差为0.055。整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。冗余信息的存在降低了模型的预测性能。所以采用间隔偏最小二乘(IPLS)结合遗传算法和模拟退火算法来选择冬枣叶片氮含量的特征波长。用凯氏定氮法测定冬枣叶样品的氮含量。试验选用15棵枣树,每棵树5个叶片作为试验对象。用于光谱测量的仪器是ASD光谱仪,测试仪在350~2 500 nm波长范围内,光谱分辨率为1 nm。在数据采集前使用了白板进行校正(标准白板反射系数为1),每个样品测量了5次,取平均值作为样品的相对反射率。遗传算法结合间隔偏最小二乘法选取的4个特征波长为685,689,781,783 nm。根据这4个波长,建立了冬枣叶片氮含量近红外光谱模型。模型预测相关系数为0.9175,预测均方根误差为0.063。利用模拟退火算法,建立了7个波长的冬枣叶片氮含量的近红外光谱模型。模型的相关系数为0.9301,均方根误差为0.052。因此,近红外光谱结合光谱选择方法的特点,可以有效地提高模型的精度,使模型更实用。但光谱选择方法的特点并不普遍。基于单波长变量选择的模型更为敏感,更适用于均匀采样。基于波长间隔选择的模型抗干扰能力相对较强,但更适合于不均匀采样。因此,基于状态与模型相结合的特征选择可以更好地应用于模型。     

基于头季关键生育期的NDVI值诊断再生稻的生长状况

明确再生稻头季光谱数据与再生季生长的相关性,是一种预测和诊断再生稻生长状况的便捷方法。研究采取主动式的Greenseeker光谱仪,测定了不同再生稻品种(组合)关键生育期的NDVI,结合再生稻的生理指标分析计算了头季抽穗前后的NDVI和再生季抽穗后的干物质、LAI和叶片氮含量(累积)的相关性。结果表明头季抽穗后的NDVI与再生季抽穗后的绿叶生物量、LAI、营养器官和绿叶的氮累积具有显著的指数正相关,且不受再生稻品种(组合)类型的影响。利用不同密度试验的数据对方程进行了较充分的验证和检测,表明模拟值与实测值之间符合度较高,估算精度为0.9765,估计的RMSE为1.464,平均相对误差为-0.1191,RRMSE为0.1814。