基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

红外相机技术在河北雾灵山国家级自然保护区中的应用

为了充实河北雾灵山自然保护区的野生动物资源本底资料,提高监测能力和监测水平,雾灵山保护区自2015年开始将红外相机技术应用到野生动植物的资源调查和管护中。目前应用红外相机技术发现兽类5目10科14种,鸟类4目6科10种,掌握了区内主要物种猪獾(Arctonyx collaris)、狍(Capreolus)和勺鸡(Pucrasia macrolopha)的日活动节律,补充了保护区的本底调查资料,为保护区进一步开展金钱豹(Panthera pardus)、斑羚(Naemorhedus goral)和鸟类多样性等科学研究奠定了基础,为保护区制定关于野生动物资源的相关管护政策提供了科学依据。     

典型草原枯落物分解过程中官能团的动态特征

选择锡林浩特东部国家气候观象台的生态监测研究样地,对大针茅(Stipa grandis)、羊草(Leymus chinensis)、糙隐子草(Cleistogenes squarrosa)、知母(Anemarrhena asphodeloides)枯落物的化学结构特征进行阐释。结果表明:(1)枯落物分解速率呈先增大后减小的变化趋势,且知母枯落物分解速率高于大针茅、羊草和糙隐子草;枯落物总碳(TC)含量为富集-释放模式,在第120d时,知母枯落物TC含量高于其他3种植物。(2)大针茅、羊草、知母、糙隐子草枯落物所含的主要官能团为-OH;=C-H、-CH 2、-CH 3;C=O;C=O、C=C;C-O。(3)不同植物枯落物官能团含量在分解初期迅速减少,在分解后期减少趋势较为缓慢,与分解过程中枯落物的分解速率变化趋势一致;知母的含碳官能团含量在分解结束后最低,而羊草的则最大,且知母和糙隐子草损失量最大,与分解过程中枯落物TC含量的特征一致。(4)大针茅的支链化指数最大,羊草的最小;糙隐子草的芳香性指数最大,知母的最小。不同植物芳香性指数在分解初期迅速减少,在分解后期减少趋势较为缓慢,与分解速率变化趋势一致。     

不同合成树脂工艺对改性材性能影响研究

为研究树脂对改性材性能的影响，采用2种不同工艺合成三聚氰胺-脲醛树脂（MUF），测试了树脂的相关性能。结果表明，不同合成工艺路线下制备的 MUF 树脂在固体含量、粘度、固化时间、游离甲醛含量间存在显著差异。最终树脂的分子结构类型相似性极高，但相同结构组分在不同树脂中所占比例各有差异。羟甲基基团在MUF2中所占比例高，而亚甲基桥键及醚键在MUF1中含量高。MUF1改性材的增重率（weight percent gain，WPG）值更大，但MUF2改性材的抗溶胀性（anti-swelling efficiency，ASE）和体积膨胀率（bulking rates，B）更高，MUF2改性材的尺寸稳定性更好。     

甜菜种子活力的测定——基于近红外高光谱技术

为保证田间甜菜种子的出苗率和生产潜力,需要在种植前对种子进行活力检测,挑选出活力高的甜菜种子进行推广种植。利用高温处理法对甜菜种子进行老化处理,再基于标准正态变换(SNV)、去趋势校正(DET)、Savitzky-Golay平滑处理(SG)、一阶差分(1D)和二阶差分(2D)5种近红外高光谱预处理方法,构建种子活力智能检测模型得出预测的种子发芽率,再利用老化处理后的甜菜种子进行发芽实验得出实际的发芽率。研究发现,甜菜种子经过一阶差分预处理建立的智能检测模型预测性能最好,其预测准确率达到91.92%。将未处理的甜菜种子的实际发芽率与一阶差分预处理法建立的智能模型预测结果进行对比,发现模型的预测准确率为88.2%。近红外高光谱技术是一种快速、无损的作物种子活力测定的新方法。     

马铃薯组培苗时期不同LED光源处理对温室移栽后植株生长和微型薯结薯的影响

不同LED光源下培养的马铃薯组培苗在形态特征上差异明显,为探索这种差异是否会对其移栽后产生进一步影响,试验研究了100%红光(R)、100%蓝光(B)、100%绿光(G)、75%红光+25%蓝光(RB)、45%红光+35%蓝光+20%绿光(RBG)和100%白光(CK)6种光谱下培养4周的马铃薯组培苗温室移栽后植株的生长和结薯情况。试验结果表明,B处理的马铃薯组培苗移栽后缓苗期叶绿素荧光参数Fv/Fm和qP、结薯前期SPAD值及结薯期各器官生物量均始终高于CK和其他处理,且该处理下最大薯的干鲜重和有效微型薯占比分别较CK提高45.66%、45.09%和10.93%。R处理的组培苗移栽后结薯期地上部生物量显著高于CK,单株结薯数目提高29.60%,但有效微型薯占比较CK降低63.97%。G处理的组培苗移栽后生长和结薯指标均表现最差。组合光谱RB和RBG处理的组培苗移栽后的生长指标和微型薯产量及产量构成指标均与CK无显著差异。因此,单色红、蓝、绿光谱处理对马铃薯组培苗的影响会持续至其移栽后植株幼苗生长,甚至结薯期,组合光谱RB和RBG则不会。在马铃薯组培苗生产上,单色蓝光和单色红光作为照明光源具有潜在的应用价值,组合光谱RB和RBG可作为白色光源的替代光源。     

The use of infrared spectroscopy and machine learning tools for detection of Meloidogyne infestations

Plant parasitic nematodes are generally soilborne pathogens that attack plants and cause economic losses in many crops. The infested plants show nonspecific symptoms or, often, are symptomless; therefore, diagnosis is performed by taking soil and root tissue samples. Here, we show that a combination of different infrared spectra analysis and machine learning algorithms can be used to detect plant parasitic nematode infestations before symptoms become visible, using leaves instead of roots and soil as samples. We found that tomato and guava plants infested with Meloidogyne enterorlobii produced different spectral patterns compared to uninfested plants. Using partial spectra from 1,450 to 900/cm as the "fingerprint region", principal component analyses indicated that after 5 (tomatoes) or 8 weeks (guava), plants with no visible symptoms of infestations were positively diagnosed. To improve the early detection response, we used machine learning modelling. A support vector machine (SVM) was used to obtain more robust, accurate models. The SVM model contained 34 support vectors, 17 for each level. The overall performance of the model was >97% and the total accuracy was significantly higher, demonstrating the absence of chance prediction. The best prediction of infestation was obtained at the second and fourth weeks for tomatoes and guavas, respectively, reducing the diagnostic time by half. The combined application of these techniques reduces the processing time from field to laboratory and shows enormous advantages by avoiding root and soil sampling.     

龙须菜细胞壁多糖对硼的吸附性能研究

为研究龙须菜(Gracilaria lemaneiformis)细胞壁多糖对硼的吸附作用机制及官能团之间的交互作用,本试验分别采用电感耦合等离子发射光谱(ICP-OES)和傅里叶变换红外光谱(FTIR)技术对其细胞壁多糖组分在吸附试验中进行硼的测定和表征。结果表明,细胞壁去琼胶后,硼吸附量减少50.13%,半纤维素去除后,硼吸附量减少21.20%,故可得纤维素吸附量占细胞壁总硼吸附量的28.67%。同时,通过细胞壁不同组分脱硼及硼胁迫后的红外光谱表征结果可知,龙须菜细胞壁及多糖在吸附硼的过程中,羟基、羧基、多糖碳链C-C为硼离子的主要结合位点,其中,琼胶、半纤维素中起主要作用的官能团为羟基、羧基,纤维素中起主要作用的官能团为多糖碳链C-C。本研究结果为进一步探究龙须菜多糖组分与硼的内在结合机制提供了基础依据。     

副车架疲劳载荷分析方法

结合LMSTWR软件,详细介绍了基于混合路面的轮心位移反求法求取副车架载荷谱的方法。通过在某MPV上布置合适传感器,在试验场测得道路载荷谱信号。根据实测的数据,建立整车多体动力学模型。基于处理后的道路载荷谱与多体动力学模型进行虚拟迭代,并进行副车架载荷分解。结果表明,迭代仿真得到的信号与试验值吻合度较好。