桃树叶片氮素含量的高光谱遥感监测

通过设计试验分析用桃叶片反射率光谱预测其氮素含量,以及用光谱特征值与氮素含量建立相关模型的可能性。探讨采用光谱分析手段预测果树氮元素含量的精度及应用潜力。对桃树鲜叶的光谱反射率（Rλ）以及叶片全氮（TN）含量进行测定,并对氮素含量与Rλ及其多种变式数据（1/Rλ、log Rλ、d Rλ）的相关性进行分析,找出与氮素含量相关性最强的光谱数据形式;采用逐步回归法,对氮素和与其相关性最强的光谱数据形式进行回归分析,得到入选波长;利用入选的波长,进行基于最小误差平方和的回归建模。结果表明,可以由叶片的精细光谱特征,特别是利用d Rλ作为因子,较好地反映出氮素含量,从而为进一步探讨利用高光谱遥感探测叶片化学组分提供参考。     

一种新的对数能量谱熵语音端点检测方法

将一种新的对数能量(LE)特征和谱熵(SE)特征相结合,提出一种新的对数能量谱熵(LESE)特征,采用模糊C均值聚类算法和贝叶斯信息准则算法进行LESE特征门限估计,并使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验结果表明,相比于能量谱熵(EE)法和对数能量(LE)法,在噪声环境下LESE法具有更好的检测性能,表现出更好的稳健性.当信噪比为-5 dB时,LESE法的检测错误率仅为18.02%,在信噪比为0~10 dB时,其检测错误率要明显低于EE法和LE法.     

稻纵卷叶螟危害后水稻叶片的光谱特征

【目的】阐明水稻受稻纵卷叶螟危害后不同受害程度的叶片、卷叶的分布形式及卷叶率对稻叶光谱特征的影响,获取诊断水稻受害程度的模型,以便为稻纵卷叶螟的遥感监测提供理论指标与方法。【方法】试验以不同受害等级的虫害叶及健康叶为材料,在室内恒定条件下采用ASD光谱仪分别测定不同受害程度、受害叶片的不同分布形式、及不同卷叶率下稻叶的光谱反射率,并采用直线回归法,建立基于光谱参数的水稻受害程度诊断模型。【结果】水稻虫害叶光谱反射率均随受害等级的增加,在绿光区(530—570nm)和近红外区(700—1050nm)降低,而在红光区(610—700nm)增加。能反演叶片受害程度的敏感波段为530—564nm、614—695nm和706—1050nm。建立了5个反演叶片受害程度的模型,诊断准确率在80%—90%之间,并且以741nm处的反射率对叶片受害程度的诊断效果最好。在卷叶率恒定的条件下,卷叶的分布位置对光谱反射率影响较小;而卷叶率对光谱反射率的影响较大,表现为随卷叶率的增大,450—500nm和610—700nm处的反射率增大,530—570nm和700—1050nm处反射率降低。差值植被指数(Rnir-Rred)、黄边面积(SDy)及红边面积与蓝边面积的差值(SDr-SDb)等指标均能将6个不同等级的卷叶率(0、10%、30%、50%、70%和90%)区分开,并且利用黄边面积(SDy)指标诊断卷叶率的准确率达86%。【结论】水稻受稻纵卷叶螟为害后,在叶片光谱反射率上有明显的表现,可以利用光谱特征来监测稻叶的受害程度及卷叶率大小。     

ENSO对黑龙江省森林火灾的影响

利用黑龙江省1980—1999年森林火灾数据,以及NINO3.4指数和SOI指数,分别对其进行谱分析,得出其波动周期分别为:火灾次数的周期为10.00年;火灾面积的周期为6.67年;La Nin~a和El Nin~o在这20年中的基本周期为5.00年。进而对其进行相关性分析,结果表明,La Nin~a和El Ni~no与森林火灾面积和次数的相关性极为显著,NI-NO3.4指数与森林火灾年发生面积与次数呈负相关,相关系数分别为-0.523 1和-0.659 4,SOI指数与森林火灾年发生次数与面积呈正相关,相关系数分别为0.525 4和0.536 3。La Ni~na对森林火灾的影响较El Nin~o的影响要小。由于受遥相关二次效应的影响,森林火灾的发生相对于El Nin~o事件的高峰有一定的滞后。在ENSO暖事件间期,通常火灾面积、次数会异常增高。     

蚬壳花椒中性亲脂性成分的抑菌活性及其化学成分

Effects of bacteriostasis of the Neutral Lipophilic Components in Zanthoxylum dissitum were studied. The neutral lipophilic extract was fractionated through SiO_2 column and the products were identified by ~1H-NMR,~ 13 C-NMR and MS. The results showed that the fraction exhibited strong bacteriostasis activity to Staphylococcus aureus and Salmonella sp. and also showed more or less inhibition on Escherichia coli. Six components were obtained,namely triacontane,1-hexadecanol,β-sitosterol,ursolic acid,isopimpi...     

基于遥感技术的荒漠化评价研究进展

遥感技术以其信息量大、覆盖区域广和短周期等诸多特点正日趋成为大尺度荒漠化评价的主要手段, 而最简单、最直接且最易于获取的评价指标是植被覆盖, 目前用于获取干旱区植被覆盖的方法主要是计算植被指数(VI)和波谱混合分析(SMA)。文中在综合大量国内外文献的基础上, 对这2种方法在荒漠化评价相关研究上的应用进行了详尽的分析, 并对其在中国荒漠化评价中的应用及前景进行了评述, 无疑, 随着这2项技术的逐渐成熟和完善, 荒漠化评价将变得更为客观、科学和可信。     

生物炭与强还原处理对设施蔬菜土壤可溶性有机质的影响

利用田间试验,探讨生物炭与强还原处理(RSD)对退化设施蔬菜土壤可溶性有机质(DOM)的影响.处理为对照(CK)、生物炭修复(BC)、淹水(SF)、淹水覆膜(SFF)、强还原修复(RSD)、RSD与生物炭联合修复(RSD+BC),对比研究不同处理对0-20,20-40 cm 土壤DOM含量及光谱特征的影响.结果表明:0...     

施用生物质炭对黑土腐殖质组成及水稳性团聚体分布的影响

为探究生物炭对土壤腐殖质组成和团聚体特征的影响，以东北黑土区植烟土壤为研究对象，设置了3个处理，2019-2020年连续施用低量生物炭5t/hm2（C1）；高量生物炭25t/hm2（C2）和不施生物炭（CK），分析了不同用量生物炭对土壤腐殖质组分及水稳性团聚体分布的影响，并利用傅里叶红外光谱(FTIR)和13C核磁共振光谱(13C-NMR)对土壤胡敏酸化学结构进行表征。结果表明：C1和C2处理分别使富里酸减少了16.90%和40.85%，胡敏酸含量显著增加了14.86%和33.78%，胡敏酸在腐殖酸中所占比例（PQ值）也显著增加；FTIR和13C-NMR分析表明，C2处理的土壤胡敏酸的2920/1620值降低了11.82%，脂族C/芳香C比值降低了13.04%，表明高量生物炭使胡敏酸芳构化程度增强，脂肪结构比例降低；生物炭的添加促使土壤大团聚体（>0.25mm）比例增加，C2处理提升大团聚体的作用更显著。结合相关性分析发现，胡敏酸含量与2~0.25mm大团聚体含量显著正相关，胡敏酸分子的脂肪族官能团特征与>2mm粒级团聚体显著正相关。此外，C1和C2处理显著提高了烟叶产量。从而表明，生物炭能提升土壤腐殖质中胡敏酸含量和结构，有利于土壤大团聚体形成，提高土壤固碳潜力，对作物有一定的增产效果。     

基于分数阶微分和最优光谱指数的大豆叶面积指数估算

高光谱遥感技术可对作物生长状况进行无损、高效地监测，是推动现代精准农业发展的必要手段。以不同施氮水平与覆膜处理下的开花期大豆叶面积指数(Leaf area index, LAI)为研究对象，对原始开花期大豆高光谱反射率数据进行0～2阶微分变换处理(步长0.5),并筛选出各阶光谱指数中与开花期大豆LAI相关性最高的指数作为最优光谱指数进行输入，采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)、遗传算法优化的BP神经网络(BP neural network optimized by genetic algorithm, GA-BP)3种机器学习方法构建大豆LAI预测模型。结果表明：0～2阶光谱指数与大豆LAI相关系数平均值分别为0.616、0.657、0.666、0.669、0.658,相比于原始与整数阶高光谱反射率，分数阶微分变换处理后的高光谱反射率构建的光谱指数与开花期大豆LAI具有更强的相关性；相关系数平均值最高的1.5阶微分处理最优光谱指数波长组合分别为：TVI(687 nm, 754 nm)、DI(687 n...     

A spatial frequency/spectral indicator-driven model for estimating cultivated land quality using the gradient boosting decision tree and genetic algorithm-back propagation neural network

Cultivated land quality (CLQ) is related to national food security. Rapid and high-precision monitoring of CLQ is crucial for the sustainable development of agriculture. However, current satellite image-based evaluation methods that only consider the crop's spatial spectrum characteristics in the key growth stages cannot accurately estimate CLQ. This study proposes a new method based on time-series spectral data of crop growth to improve the accuracy of CLQ estimation. This study was conducted in the Conghua District of Guangzhou, Guangdong Province, China. The results showed that seven spectral indicators were determined as the optimal indicators based on the gradient boosting decision tree (GBDT) and variance inflation factor (VIF). And the genetic algorithm-back propagation neural network (GA-BPNN) model provided more accurate CLQ estimates than the partial least squares regression (PLSR) model, indicating a nonlinear relationship between CLQ and the indicators. In addition, the GA-BPNN model with a normalized root mean square error (NRMSE) of 9.91% demonstrates the excellent potential for mapping CLQ over large areas. The model based on the seven optimal indicators of crop phenology provided higher accuracy than the GA-BPNN model based on the normalized difference vegetation index (NDVI) indicators in the spatial domain, significantly decreasing the NRMSE of the CLQ estimates by 3.17%. This further implied that the spectral indicators in the spatial frequency domain can improve the accuracy of estimating CLQ.