氯化原位接枝制备无甲醛胶合板黏合剂

采用氯化原位接枝法将顺丁烯二酸酐(MAH)接枝到聚乙烯(PE)主链上,制备的酐基化PE(PE-cg-MAH),可对单板进行粘合,是一种不含甲醛和其他挥发性有机有毒物质的胶黏剂.以FT-IR、接枝率等手段对PE-cg-MAH结构进行了表征,探讨了PE-cg-MAH与木材间的反应过程,并测定了PE-cg-MAH与单板粘合材料的性能.结果表明,胶合板有较高的耐水性,其胶合强度可达国家Ⅰ类板标准;     

基于HYDRUS模型筛选滴灌模式下适宜灌水上下限的研究

通过开展不同土壤初始含水率和不同滴头流量的沙壤土室内滴灌试验,率定了土壤水动力学参数,验证了HYDRUS模型的适用性;利用HYDRUS模型模拟不同灌水上下限点源滴灌土壤水分运移过程,分析了不同灌水上下限对实际湿润体与计划湿润体间差异的影响规律。结果表明,以田间持水量为灌水上限时,实际土壤湿润体体积均大于计划湿润体体积,较小的灌水下限有利于将灌溉水控制在计划湿润体内;以50%θFC、60%θFC及70%θFC为灌水下限时控制实际湿润体体积对应的灌水上限分别为81%θFC、85%θFC及86.5%θFC。经模拟验证,适宜灌水上下限滴灌结束时,没有灌溉水分运移到计划湿润体外。     

光谱指数筛选方法与统计回归算法结合的水稻估产模型对比

为了探寻高效的水稻产量估算方法,在获取2019年黑龙江省三江平原别拉洪河流域内水稻产量数据和MOD09A1遥感数据基础上,对比不同指数筛选方法和统计回归算法结合的建模估产效果,以得到其中最佳的产量估算模型。通过相关系数分析（correlation coefficient,r）法、变量投影重要性分析（Variable Importance in Projection,VIP）法和袋外数据重要性（Out-Of-Bag data importance,OOB）分析法分析水稻4个生育期（分蘖期、抽穗期、孕穗期和乳熟期）的不同波段和光谱指数对于水稻产量的敏感性,筛选出特征波段和指数,再结合随机森林（Random Forest,RF）、支持向量机（Support Vector Machine,SVM）和偏最小二乘（Partial Least Squares,PLS）3种统计回归方法,构建了9种水稻产量估算模型：r-RF、r-SVM、r-PLS、VIP-RF、VIP-SVM、VIP-PLS、OOB-RF、OOB-SVM、OOB-PLS。结果表明：同一指数筛选方法对不同模型的契合程度不同,OOB与RF更为契合,VIP和r与PLS更为契合,r与SVM更为契合;在3种建模方法中偏最小二乘模型和支持向量机模型有较好的效果,随机森林模型效果最好,其中OOB-RF模型最优,其模型验证决定系数为0.742,均方根误差为206 kg/hm2。这为水稻产量估算模型研究提供了关于在指数筛选和回归算法耦合之间的参考,具有一定的理论意义。     

基于高光谱定量反演模型的污水综合水质评价

为改善高光谱遥感对污水水质信息状况定量反演模型的预测评价效果,以陕西某污水处理厂采集的污水样品为研究对象,采用主成分分析法（Principal component analysis,PCA）对污水水质进行综合评价,获取水质评价的综合评价因子,同时利用ASD FieldSpec 3型高光谱仪获取污水的原始光谱,经过数据预处理和不同数学变换后,共获取了4种光谱指标：平滑后光谱反射率（SG）、倒数之对数（LR）、标准正态化（SNV）和去包络线（CR）。分别采用偏最小二乘回归法（Partial least squares regression,PLSR）、逐步回归法(Stepwise regression,SR)、极限学习机法（Extreme learning machine,ELM）构建了基于水质综合评价因子的高光谱水质反演模型,并对反演结果进行精度验证与比较。结果表明,本组水样的平滑后光谱数据和经过标准正态化变换的光谱数据建模具有较好的建模效果,其建模的预测RPD均在2.5以上;在3种模型中,PLSR模型和ELM模型均具备很好的建模预测效果;逐步回归法的建模效果较PLSR模型和ELM模型有所下降,但是其SG-SR、SNV-SR模型的R2c均在0.8以上、R2p均在0.85以上,RPD均在3.0以上,证明其仍拥有很好的反演预测效果,且进行了特征波段的优选,实现了对模型的优化;SNV-SR-ELM（R2c=0.956,R2p=0.954,RMSE=0.500,RPD=4.651）为最佳模型,SNV-SR-ELM模型的建立为高光谱反演水质模型的优化、污水水质的快速监测和综合评价提供了途径。