玉米叶片铜污染的EEMD-MA-FD光谱诊断模型

以铜为例探讨重金属不同胁迫浓度下玉米叶片光谱的微弱信息量差异,在2017年测定的玉米叶片光谱数据和Cu~(2+)含量的基础上,结合集成经验模态分解(Ensemble empirical mode decomposition,EEMD)、Mallat算法(MA)和分形维数(Fractal dimension,FD)构建EEMD-MA-FD光谱诊断模型来进行光谱弱信息变换监测。与红边最大值、蓝边最大值等常规重金属污染监测方法进行对比分析,验证EEMD-MA-FD模型在玉米叶片铜污染监测中的优越性,最后利用2016年采集的光谱数据作为检验数据验证模型的稳定性。结果显示,玉米叶片Cu~(2+)含量与EEMD-MA-FD模型结果存在较强的相关性,相关系数为-0.942 2,检验数据Cu~(2+)含量与模型结果相关系数为-0.993 7,与实验结果有较高的一致性。由此验证了EEMD-MA-FD诊断模型在农作物重金属铜污染监测中的可行性。     

基于指数法的矿区及周边地下水水质现状评价——以山东省济南市界首蛇纹岩矿为例

在分析研究区水文地质条件的基础上,依据现行规范标准,对区内13个监测点进行地下水取样测试,并选取18项地下水环境质量评价因子,采用单因素评价法及多因素评价法中的F值法和内梅罗指数法,分别进行研究区地下水水质评价分析;在分析3种方法的优缺点的基础上,选择较为合理的评价结果,并提出可能的改进措施;进一步统计各个样本的超标因子,并分析可能的原因,为研究区地下水环境影响评价提供参考和依据。     

铜胁迫下玉米光谱变化的奇异性诊断指数与污染甄别

通过研究不同程度铜污染胁迫下玉米光谱奇异性变化特征来诊断玉米受Cu2+污染程度。通过设置不同铜胁迫浓度下的玉米盆栽实验,根据实测的SVC高光谱数据和Cu2+含量数据,采用经验模态分解(EMD)与小波变换相结合的方法提取玉米光谱奇异信息,并构建奇异性诊断指数对玉米光谱奇异性进行定性分析,从而实现玉米铜污染程度的甄别。同时与常规的绿峰高度、红边最大值、红边一阶微分包围面积等植被重金属污染信息监测方法进行比较来验证该方法的有效性。结果显示:奇异性诊断指数(SI)与玉米叶片中Cu2+含量存在较强的相关关系,SI随叶片中Cu2+含量的增加而增大,其相关系数达到0.972 4,从而证明光谱奇异性诊断指数能有效地诊断叶片光谱的奇异性变化及其污染程度,为作物重金属污染监测提供参考依据。     

基于VMD-MSE的玉米铜污染信息提取与预测模型

重金属污染会引起作物光谱畸变,本文通过挖掘光谱信息中微弱的畸变信息诊断玉米受污染程度。将变分模态分解(VMD)运用到高光谱弱信息探测中,并结合多尺度熵(MSE)构建VMD-MSE光谱弱信息探测模型,同时利用模型值VM进行Cu2+含量回归分析与建模。结果表明:对原始光谱数据进行3次VMD分解后,可有效提取光谱奇异特征;计算VMD结果的MSE值,可获取5个尺度的模型值。各尺度模型值VM与玉米叶片中Cu2+含量呈现显著负相关,其中第一尺度模型值(VM1)与叶片中Cu2+相关性最好。对各尺度VM构建的Cu2+含量预测模型应用结果进行比较,证明VM1线性回归模型预测效果最优。表明VMD-MSE模型可为作物污染信息提取、污染诊断及Cu2+含量预测提供思路与方法。     

GIS在国土资源管理中的应用探究

国土资源是确保我国经济平稳快速发展的最重要基础资源,无论是农业、矿产、工业还是服务业,都离不开土地资源的利用。因此,加强国土资源管理,优化土地资源利用效率,是我国当前经济从高速发展向高质量发展的必经之路。在国土资源优化管理工作中,要充分利用先进的网络信息技术。例如,地理信息系统(GIS)就是在国土资源管理中最常用的一种先进的信息化技术,其充分利用计算机技术、自动化技术以及网络信息技术等,提高了国土资源管理工作的效率和实际效果。鉴于此,将总结GIS的特点及主要优势,具体分析GIS技术在国土资源管理中的应用实例,以期为我国国土资源管理提供参考。     

铜胁迫下玉米叶片污染信息监测模型

设置不同浓度铜离子(Cu~(2+))胁迫梯度(0、250、500μg/g)玉米盆栽试验,并测量各胁迫梯度下玉米叶片的光谱数据以及玉米叶片中的Cu~(2+)含量。在谐波处理、包络线去除、离散小波多层分解的基础上,将光谱特征吸收面积与小波能量熵相结合,构建探测玉米叶片Cu~(2+)污染信息的光谱特征吸收面积-小波能量熵(SCA-WEE)模型,并与光谱角、光谱相关系数等常规相似性测度方法和绿峰高度、红边位置、红边最大值等常规污染信息监测方法作比较分析。结果表明,SCA-WEE模型能够明显区分受污染的玉米光谱,与玉米叶片中Cu~(2+)含量的相关系数达到0.985 6,说明该模型能够有效甄别极度相似光谱之间的微小差异并判别玉米叶片的污染程度。最后基于不同时期的检验数据验证了SCA-WEE模型在玉米重金属污染监测方面的可行性和稳健性。     

玉米铜污染实时动态监测的高光谱分形维数模型

重金属Cu~(2+)在玉米植株中过量积累会破坏其组织细胞结构,降低叶绿素含量,使植物代谢紊乱,都将在光谱上表现变化。传统监测污染的方法费时费力,不能满足快速实时监测的需求。农作物污染监测中的高光谱遥感监测应用技术是当前研究的重点。通过设置不同Cu~(2+)浓度的盆栽试验,测得不同Cu~(2+)胁迫浓度下玉米叶片的Cu~(2+)含量、叶绿素含量以及高光谱反射率数据,系统分析玉米叶片光谱曲线的特征以及不同Cu~(2+)胁迫浓度下的光谱分形维数与光谱指数变化的情况,建立玉米叶片Cu~(2+)浓度、光谱分形维数和光谱指数的空间分布,研究Cu~(2+)定性分析中光谱指数与光谱分形维数的关系。结果发现,光谱分形维数比光谱指数能更好地反映Cu~(2+)污染下玉米植株的生理特征的变化,从而可以成为大范围监测玉米Cu~(2+)污染的甄别依据。