不同填充颗粒半径水稻种子离散元模型参数标定

气固两相流耦合仿真被广泛运用在气力式排种器工作过程的研究中，因确定性颗粒轨道数值计算模型的需求，种子多采用颗粒聚合的方法建模，该方法采用的填充球颗粒半径越小、数量越多就越能接近种子的真实形态，但会造成仿真计算资源过度消耗、仿真时间增长。为研究不同填充球半径的水稻种子模型对颗粒间的动力学响应特性的影响，寻找种子模型最佳的填充球颗粒数量，本文以水稻种子为研究对象，借助三维扫描与逆向拟合的方法获取种子外形轮廓，分别采用不同半径（0.30、0.21、0.18、0.16、0.15mm）的球颗粒对其进行填充，形成气固耦合的水稻颗粒粘结聚合模型。采用无底圆筒提升、滑落堆积的真实试验与仿真测定，采用曲面响应法，以休止角为指标，标定出不同填充球颗粒半径种子模型的种间静摩擦因数和动摩擦因数；通过圆筒提升和滑落堆积试验对参数进行验证，以仿真试验休止角的变异系数为指标，结果表明随着填充球半径的减小，仿真结果越接近真实值；通过水稻正压式排种器气固两相流耦合仿真进行验证，以充种率为指标，结果表明填充颗粒半径为0.21mm，仿真时长与仿真精度最优。     

土壤游离氧化铁高光谱特征与定量反演

【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。     

基于无人机成像高光谱影像的冬小麦LAI估测

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。     

基于微流控和比色光谱法的水产养殖海水氨氮含量检测

为实时、准确地获取水产养殖海水中氨氮含量，以大围网养殖海水中的氨氮为研究对象，在比色光谱法基础上结合微流控技术进行靛酚蓝法比色反应，实现对溶液中氨氮含量的定量检测。建立数据处理后相应的模型，并且对比了不同光谱预处理和不同样本集划分算法对建立预测模型的影响，其中多元散色校正（MSC）后再使用小波平滑的预处理方法结合排序法划分样本集建立的偏最小二乘（PLS）回归模型效果最优，建模集校正标准差（RMSEC）和预测集校正标准差（RMSEP）分别为0.0566mg/L和0.0677mg/L，相对分析误差（RPD）为6.8932；在优化条件下测得方法的线性范围和检测限分别为0.005~1.350mg/L和0.0036mg/L。对海水、自来水和养殖水体进行加标回收实验，平均回收率在94%~109%之间，相对标准偏差在2.3%~5.8%之间。结果表明，实验建模效果良好，操作简单、方便，实验快速、可靠、无污染，表明利用比色光谱法结合微流控技术检测氨氮方法可行。     

基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系

本试验旨在研究基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系。利用烘箱对豆渣进行不同温度(100、115、130℃)下不同时间(2、4、6 h)的热处理,采用NRC(2001)模型预测不同程度热处理豆渣的代谢蛋白质产量、可消化养分含量和能值,同时利用傅里叶变换红外光谱(FTIR)技术分析不同程度热处理豆渣的分子结构功能团特征,并分析它们之间的相关关系。结果表明:1)随着温度的升高以及加热时间的延长,豆渣的代谢蛋白质产量、可消化养分含量和能值呈现出降低的趋势。2)温度和时间对豆渣的分子结构功能团存在显著的互作效应(P<0.05)。3)酰胺Ⅰ带与结构性碳水化合物峰面积比值(AmideⅠ_STCHO)和酰胺Ⅰ带与总碳水化合物峰面积比值(AmideⅠ_CHO)可以共同作为预测因子估测瘤胃可降解蛋白质(R^2=0.35,P<0.05)、过瘤胃蛋白质(R^2=0.35,P<0.05)、小肠可吸收过瘤胃蛋白质(R^2=0.33,P<0.05)和瘤胃可降解蛋白质可合成菌体蛋白质(R^2=0.35,P<0.05)含量。综上所述,不同程度热处理豆渣的分子结构功能团与其代谢蛋白质产量、可消化养分含量和能值之间存在相关关系,初步证明可以利用分子结构功能团对热处理豆渣的营养价值进行快速分析和估测。     

红树植物地面反射光谱特征研究

结合使用野外便携式光谱仪对九龙江口红树林保护区白骨壤、秋茄、桐花树3种红树植物的叶冠表观光谱的测量结果,系统分析比较了红树植物叶冠反射光谱特征及其差异;并在一个潮间带底质遥感信息处理平台上对研究地点进行基于表观光谱特征的白骨壤和秋茄的SPOT卫星遥感图像分类;最后讨论了红树光谱研究中存在的问题。     

K步稳定的鞋印花纹图像自动聚类

目的 鞋印是刑事侦查的重要物证之一,如何对积累的大量鞋印花纹图像进行自动归类管理是刑事技术迫切需要解决的问题之一。与其他类图像不同,鞋印花纹图像具有种类多但数目未知、同类花纹分布不均匀且同类花纹数目少的特点。基于鞋印花纹图像的这些特点,用目前典型的聚类算法对鞋印花纹图像集进行聚类,并不能取得很好的效果。在对鞋印花纹图像进行分析的基础上,提出一种K步稳定的鞋印花纹图像自动聚类算法。方法 对已标记的鞋印花纹图像进行统计发现,各类鞋印花纹之间在特征空间上存在互不相交的区域(本文称为隔离带)。算法的核心思想是寻找各类鞋印花纹之间的隔离带,来将各类分开。过程为:以单调递增或递减的方式调整特征空间中判定两点为一类的阈值,得到数据集的多次划分;若在连续K次划分的过程中,某一类的成员不发生变化,则说明这K次调整是在隔离带中进行的,即聚出一类,并从数据集中删除已标记的数据;选择下一个阈值对剩余的数据集进行划分,输出K步不变的类;依此类推,直到剩余数据集为空,聚类完成。结果 在两类公开测试数据集和实际鞋印花纹数据集上进行实验,本文算法的主要性能指标都超过典型算法,其中在包含5792枚实际鞋印花纹数据集上的聚类准确率和F-Measure值分别达到了99.68%和95.99%。结论 针对鞋印花纹图像特点,提出了一种通过寻找各类之间的隔离带进行自动聚类的算法,并在实际应用中取得了很好的效果。且算法性能受参数的变化以及类的形状影响较小。本文算法同样适用于具有类似特点的其他数据集的自动聚类。     

东京野茉莉花色成分的初步研究

对东京野茉莉花色成分进行了初步的探究。结果表明:通过特征颜色反应和光谱扫描说明了其花瓣细胞内有异黄酮、儿茶精类,还有叶绿素a、b,可能含有胡萝卜素、黄酮类化合物,以及无色花色素,可能不含查耳酮或橙酮。     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

水盐交互作用对河套灌区土壤光谱特征的影响

为探究土壤水盐交互作用对Sentinel-2卫星光谱特征的影响，该研究以内蒙古河套灌区沙壕渠灌域为研究区域，分别在2018年和2019年的4-5月共采集280个裸土期表层土壤样本，测定其土壤含水率和含盐量，并获取同步的Sentinel-2卫星遥感数据，构建基于土壤水盐-反射率原理的土壤光谱特征理论模型，在此基础上结合土壤水盐交互作用构建水盐交互模型，并比较2种模型对土壤光谱的模拟效果，分析土壤水盐交互作用对土壤光谱估算的影响。结果表明：1）土壤水盐交互作用对光谱的影响因波段类型和水盐含量的不同而有所不同。在可见光范围上影响相对较弱，其作用范围为-0.11～0.29；在近红外和短波红外范围上影响相对较强，其作用范围为-0.35～0.61；当水分或盐分中某个含量较高时对光谱影响较弱，其主要集中在-0.1～0.23；，在水盐含量程度相似时影响较强，其作用范围为0.3～0.6。2）与土壤光谱特征理论模型相比，水盐交互模型能明显地改善土壤光谱的模拟效果，能将模拟相关系数由0.14～0.44提升到0.29～0.70，均方根误差由0.032～0.082降低到0.029～0.068。该研究结果揭示了盐分和水分对光谱特征的干扰过程，为土壤盐分的估算提供策略与方法，对实现区域尺度上土壤盐分的精准监测具有一定的意义。