香蕉低压过热蒸汽-真空组合干燥研究

针对低压过热蒸汽干燥香蕉时高干燥速率与高品质难以同时保证的问题,提出了低压过热蒸汽-真空组合干燥方法,以提高干燥速率、降低物料温度,实现提高产品品质的目的.通过第一降速阶段和全阶段计算的香蕉逆转点温度分别为88.75℃和89.06℃.在高于逆转点的90℃进行低压过热蒸汽-真空组合干燥研究,结果表明:低压过热蒸汽-真空组...     

基于HYDRUS-2D的土壤水力特征参数反演及其时空变异性研究

为研究田间尺度灌溉条件下土壤水力特征参数的时空变异性，基于甘肃省武威市石羊河试验站葡萄园内土壤含水率数据，采用HYDRUS-2D模型反演估计不同生育期不同深度的土壤水力特征参数，评估反演参数的土壤含水率模拟效果，分析其时空变异性。结果表明：田间尺度下采用反演参数模拟不同深度土壤含水率的变化的效果优于同种情况下Rosetta模型预测参数的模拟效果；反演参数在果实膨大期和转色期的模拟效果好于其它生育期，反演的拟合优度R²值由Rosetta模型的0.4～0.5提高到了0.7～0.8,均方根误差RMSE和平均绝对误差MAE值由Rosetta模型的0.04～0.05 cm³/cm³和0.03～0.04 cm³/cm³分别降低到了0.03～0.04 cm³/cm³和0.02～0.03 cm³/cm³;此外，反演出的土壤水力学特征参数只适用于参与反演过程类似条件下的模拟，应用于有明显差异的情景时，模拟精度...     

基于航空高光谱反演的黑土地质量综合评价研究

土地质量评价能够为黑土地资源的保护和可持续开发利用提供重要参考依据。航空高光谱技术凭借光谱分辨率高、数据覆盖面广、时效性强等优势，在黑土地质量指标调查中已初步显示出应用价值，为了进一步发挥高光谱技术在黑土地质量评价中的作用，提出一种基于航空高光谱的黑土地质量综合评价方法。以黑龙江省海伦地区为例，在裸土期和农作物生长期分别获取CASI/SASI航空高光谱数据，地面同步开展样品采集，通过实验室分析获取养分指标、环境指标和农作物长势指标三大类共15项指标数据。利用偏最小二乘法反演各项评价指标的含量，利用层次分析法建立综合评价模型，并以实际地块为评价单元获得研究区黑土地质量综合评价结果。反演结果表明，有机质的建模精度最高，R2达到0.813，养分和农作物指标的建模精度均超过了0.7，重金属元素的建模精度均超过了0.6，总体上获得了较好的反演效果。评价结果显示研究区地块等级均在二等及以上，其中一等（优质）地块面积占全区的38.38%，二等（良好）地块面积占全区的61.62%，整体土壤质量较高。评价结果与地面验证结果一致率达到97.60%，表明了评价结果的可靠性。研究成果能够为田块尺度的黑土地质量快速评价提供技术支撑。     

基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度

及时、精确地获取小麦基本苗数在田块内部的空间差异信息，有利于实施精准变量追施氮肥，实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响，导致小麦基本苗数反演精度差、可靠性低。为解决上述问题，该研究利用大疆Mini 无人机获取麦田图像，基于不变目标法完成图像的相对辐射标定，并利用像元纯净指数提取植被端元与土壤端元。根据端元光谱特性建立混合像元的线性分解模型，求解混合像元中植被组分的丰度，基于像元统计法计算植被覆盖度，进而建立植被覆盖度与小麦基本苗数地面真值的线性回归模型。该研究方法获得的模型，决定系数R2为0.87，均方根误差为1.97株/m2。而基于传统植被指数法分别利用可见光波段差分植被指数、绿红差分指数、绿红比值指数获取的相应植被覆盖度与小麦基本苗数地面真值的线性回归模型决定系数R2及均方根误差分别为0.79、0.56、0.47及6.06、7.04、4.43株/m2。由此可知，基于混合像元分解模型定量反演小麦基本苗数的方法具有较高的精度，研究成果可为小麦精准减量追施氮肥作业提供数据支持。     

High-resolution leaf area index inversion based on the Kernel Ridge Regression algorithm and PROSAIL model北大核心CSCD

Accurate estimation of leaf area index（LAI）plays an important role in ecological，environmental and climate change research. Large-scale LAI estimates can be obtained from satellite remote sensing technology，but they rely on a large amount of ground-measured data with and they have low spatial resolution，which often does not meet the needs of high-precision and large-scale research. In this study，using surface reflectance data with a spatial resolution of 30 m，we tested an inversion method combining the Kernel Ridge Regression（KRR）algorithm and the PROSAIL physical model to invert LAI without a large number of ground measured data. First，the sensitivity analysis was performed on the input parameters of the PROSAIL model to determine the input parameters and generate the simulated data sets. Then，the KRR model inversion between the simulated reflectance and LAI was established. For comparison，we linked two other models，the Multilayer Perceptron（MLP）algorithm and the Random Forest Regression（RFR）algorithm，with the PROSAIL model，to perform high spatial resolution LAI inversion. Finally，we used ground measured data to compare the outputs and performance of the three inversion models. We found that the LAI inversion accuracy of the KRR-PROSAIL model was the highest with an R2 of 0. 8089 and root-mean-square error（RMSE）of 0. 2492. The inversion accuracies of the PROSAIL model linked with MLP and RFR were inferior with R2 values of 0. 7726 and 0. 7118，respectively and RMSE values of 0. 2781 and 0. 2432，respectively. Based on this study we recommend the combination of the Kernel Ridge Regression algorithm and PROSAIL models to invert satellite data to LAI for improved accuracy and high spatial resolution of the inverted LAI data. This methodology provides a method for rapid and accurate inversion of regional high-precision LAI information. © 2022 Editorial Office of Acta Prataculturae Sinica. All rights reserved.     

基于敏感变量筛选的多光谱植被含水率反演模型研究

植被含水率是农田生态系统敏感性的重要表征，为提高近地遥感植被含水率反演效率和精度，基于无人机多光谱影像数据，提取苜蓿、玉米2种植被覆盖的光谱反射率，在此基础上引入红边波段计算改进光谱指数。将5种光谱反射率及25个光谱指数利用变量投影重要性(Variable importance in projection, VIP)分析、灰色关联度(Gray relational analysis, GRA)分析与皮尔逊(Person)相关性分析进行筛选，并建立基于反向神经网络(Back-propagation neural network, BPNN)、偏最小二乘法(Partial least squares regression, PLSR)、支持向量回归(Support vector regression, SVR)和随机森林(Random forest, RF)4种机器学习模型，以确定不同作物覆盖下的最佳植被含水率反演模型。结果表明，3种筛选算法中VIP和GRA的模型精度明显优于Person相关性分析，且反演结果波动较小；在4种机器学习算法中，SVR算法在非线性问题中相较于BPNN、PLSR、...     

基于Sentinel-2卫星遥感影像的巢湖及南淝河叶绿素a浓度反演

叶绿素a是反映水生态环境污染状况的重要指标。定量反演叶绿素a浓度有助于及时监测水体营养状态变化，对富营养化水体治理具有重要意义。以巢湖及南淝河支流下游为研究区域，利用Sentinel-2卫星遥感数据源，构建其叶绿素a浓度反演模型，探究叶绿素a浓度的时空变化规律。结果显示，构建的深度神经网络（DNN）模型反演精度较高（R2=0.96，MRE=31.62%，RMSE=24.4 μg/L）。通过减少训练样本量对DNN模型精度的影响分析，发现训练样本较少时，模型仍具有较高的精度；根据其精度的敏感模型训练样本个数，将训练集按组等分，模型呈现较好的稳定性并具有一定的适用性。分析表明，研究区叶绿素a浓度在时间上呈现夏秋季上升、春冬季下降的规律，在空间上呈现湖区西高东低、局部近岸区分布较高的特点。     

基于MCD19-A2数据和GWR模型的2011－2020年中国大气PM2.5质量浓度反演

为探究MODIS高时空分辨率气溶胶产品数据在长时间序列下对于反演中国陆地PM_2.5质量浓度的适用性和准确性。该研究基于MCD19-A2数据研究2011-2020年中国陆地气溶胶光学厚度(aerosol optical depth,AOD)的时空分布特征，以降水、风速等8个气象要素为辅助变量建立反演PM_2.5的地理加权回归模型(geographically weighted regression,GWR)并分析中国陆地PM_2.5的空间分布。结果表明：1)2011-2020年中国陆地气溶胶时空分布基本符合“西低东高、逐年下降”的规律且10 a间AOD值存在较大季节差异，春季(0.294)>夏季(0.262)>冬季(0.223)>秋季(0.194)。2)利用方差膨胀系数(variance expansion coefficient,VIF)对变量进行多重共线性检验，建立并分析2011-2020年GWR模型，发现建模集决定系数均大于0.760，验证集决定系数均大于0.740，且均方根误差均小于7.070μg/m...     

基于组合模型的玛纳斯河流域农田土壤盐分反演

盐渍化是影响土壤质量和作物生长的重要因素之一，利用遥感技术大面积获取土壤盐分信息具有重大意义。以新疆玛纳斯河流域农田为研究对象，将偏最小二乘回归模型(PLSR)和BP神经网络模型(BPNN)相结合，构建组合模型来反演土壤盐渍化状况。结果表明，与土壤盐分相关性较高且具有代表性的遥感指数为归-化植被指数(NDVI)、比值植被指数(RVI)和土壤调整植被指数(SAVI)，其相关性系数分别为-0.746、-0.663和-0.733。单项预测模型中偏最小二乘回归模型的预测精度最高，其决定系数(R²)为0.759，均方根误差(RMSE)为3.159。组合模型R²为0.797,RMSE为3.611，其验证精度较单项预测模型有所提高，较PLSR模型提高了0.038，较BPNN提高了0.094。组合模型可更准确地预测出玛纳斯河流域农田土壤盐分空间分布状况。玛纳斯河流域农田土壤盐渍化以轻度和中度盐渍化为主，所占比例达到35.34%和25.66%，与实测结果一致。组合模型较单项模型可以获得更准确的土壤盐分空间分布状况，为新疆玛纳斯河流域农田土壤盐渍化治理和土地资源...     

粮食主产区耕地土壤重金属高光谱综合反演模型

粮食主产区的耕地土壤重金属污染已成为影响粮食安全和人居环境安全的突出问题。高光谱遥感技术为快速高效获取土壤重金属含量提供了新的途径,也为土壤总金属污染的监测和防治提供了技术保障。以河南省粮食主产区新郑市为研究对象,共采集191个耕地土壤样品,利用Rank-KS法划分为144个建模集样本和47个验证集样本;在室内利用ASD Field Spec 3型地物光谱仪获取土壤高光谱数据,对耕地土壤样品在400~2 400 nm的光谱反射率与Cr、Cd、Zn、Cu、Pb 5种重金属元素进行相关性分析,筛选出5种重金属均通过P=0.01显著性检验的共用高光谱特征波段作为反演模型的自变量;采用基于OLS的固定影响变系数面板数据模型,对新郑市144个建模集样本的5种土壤重金属面板数据构建高光谱综合反演模型。结果表明:面板数据模型整体显著,拟合优度较高(R~2=0.993 7,F统计量为1 365.94)。模型精度检验Cu的相对分析误差为2.046,Pb的相对分析误差为3.432,都具有较好的预测精度;Cr、Cd、Zn的相对分析误差在1.4~1.8之间,具有一般的定量预测能力。面板数据模型通过一次建模综合反演多种土壤重金属,计算简便、速度快,可以用于新郑市耕地土壤重金属的高光谱快速监测。