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.     

基于高光谱特征参数的冬小麦氮营养指数估算

为了实现快速高精度获取冬小麦氮营养指数的高光谱监测技术，利用美国SVC HR-1024I型野外光谱辐射仪对2017-2019年关中地区的冬小麦进行遥感监测，获取“三边”参数、任意两波段光谱指数和植被指数，通过相关性分析和逐步回归分析方法筛选冬小麦氮营养指数的敏感光谱参数，结合偏最小二乘回归(PLSR)、随机森林算法(RFR)、支持向量机回归(SVR)和梯度增强回归(GBDT)建立冬小麦氮营养指数模型，并对模型估算精度进行验证。结果表明，从拔节期到灌浆期，各时期的氮营养指数与任意两波段光谱指数均呈极显著相关，其中拔节期氮营养指数与任意两波段光谱指数相关性均高于其他时期，且基于一阶导数光谱的归一化光谱指数和比值光谱指数与氮营养指数的相关系数最大，为0.66。拔节期基于梯度增强回归的冬小麦氮营养指数预测模型的决定系数(r²)和均方根误差(RMSE)分别为0.96和0.05,模型验证的r²、RMSE和相对预测偏差(RPD)分别为0.95、0.12和2.12,模型预测精度最高。因此，拔节期基于梯度增强回归的冬小麦氮营养指数估算模型可用于冬小麦氮营养监测...     

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。     

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。     

黄连及黄连须、黄连茎叶体外抗氧化活性的谱效关系研究

测定黄连与黄连须、黄连茎叶主要生物碱含量并建立高效液相(HPLC)指纹图谱,分析其抗氧化活性的谱效关系。采用HPLC分析比较黄连及黄连须、黄连茎叶中小檗碱、表小檗碱、药根碱、黄连碱、巴马汀含量差异并建立指纹图谱,通过羟自由基(·OH)、1,1-二苯基-2-三硝基苯肼(DPPH)自由基、2,2-联氮基双(3-乙基苯并噻唑啉-6-磺酸)(ABTS)自由基体外清除试验与总还原力试验评价其体外抗氧化活性差异,应用Pearson相关系数法分析HPLC指纹图谱与抗氧化活性的谱效关系。结果发现小檗碱、巴马汀含量为黄连>黄连茎叶>黄连须;药根碱、黄连碱和表小檗碱含量为黄连>黄连须>黄连茎叶;总还原力为黄连>黄连茎叶>黄连须,·OH、DPPH、ABTS·+自由基清除力为黄连茎叶>黄连>黄连须;总还原力与各峰均有较强相关性,·OH、DPPH、ABTS·+自由基清除力与4号峰相关性较强。说明黄连茎叶体外抗氧化活性较强,黄连须与黄连茎叶均有一定药用开发价值。     

基于随机森林的高寒草地地上生物量高光谱估算

草地地上生物量（Aboveground biomass,AGB）是衡量草地生产力的关键因素,准确测定草地AGB具有重要意义。高光谱因具有时效性强、不破坏草地等特点被广泛用于草地生理生态指标的测定。本研究提取和计算了海北试验站高寒草地冠层的原始光谱（Original spectrum,OR）反射率、一阶微分光谱（First derivative spectrum,FD）反射率、光谱位置面积参数（Spectral parameters of spectral position and area,PA）和植被指数（Vegetation indices,VI）4种不同类型的特征变量,使用连续投影算法（Successive projections algorithm,SPA）和递归特征消除算法（Recursive feature elimination,RFE）进行特征选择,采用随机森林算法（Random forest,RF）构建草地AGB估测模型。结果表明：在由4种特征变量分别构建的草地AGB估测模型中,基于VI的RF模型精度最高（测试集R²=0.70,RMSE=557.87 kg·ha^-1）,实测AGB与估测AGB的线性R²达到0.72;不同类型特征变量组合构建的草地AGB估测模型中,PA+VI组合的RF模型精度最高（R²=0.71,RMSE=548.97 kg·ha^-1）,实测AGB和估测AGB的线性R²达到0.73。     

干旱胁迫对3种冷季型草坪草光谱反射率及生理特征的影响

为探讨高光谱分析技术在草坪草水分监测上的应用,以草地早熟禾、高羊茅、多年生黑麦草为试验材料,测定了干旱胁迫下3种冷季型草坪草生理指标及光谱反射率。结果表明:随着干旱胁迫程度的加深,供试草坪草叶片相对含水量和叶绿素含量显著下降(P0.05),丙二醛含量、脯氨酸含量及敏感波段的(550和760 nm)的光谱反射率显著上升(P0.05),3种草坪草抗旱性能的强弱顺序为:高羊茅多年生黑麦草草地早熟禾。3种草坪草敏感波段光谱反射率(R_(550 nm),R_(760 nm))及高光谱参数(Rg,R0,GNDVI)与生理指标间呈显著或极显著相关,以R_(550 nm)与生理指标间的相关系数绝对值最大。同时R_(550 nm)构建了供试草坪草生理指标的估测模型,经检验,模型估测值与实测值相关性达显著或极显著水平。     

油桃外部缺陷的高光谱成像检测

采用高光谱(420~1 000 nm)成像技术对"中油9号"油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本(4种外部缺陷样本和完好样本)运用偏最小二乘回归(PLSR)从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。     

基于多源数据融合的盐分遥感反演与季节差异性研究

为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36. 83%,春季反射率比秋季平均高23. 78%。利用模型中最优变量-特征光谱指数对多光谱模型与高光谱模型进行融合,高-多光谱融合反演模型训练集和验证集R2平均值分别为0. 651和0. 635,RMSE平均值分别为2. 44 g/kg和2. 49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36. 19%和35. 64%,RMSE平均值分别降低了34. 28%和41. 72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6. 03%、6. 05%和4. 40%,验证集R2平均值分别提高了19. 07%、12. 21%和1. 75%。构建的高-多光谱融合模型反演灌域春秋两季平均盐分含量分别为6. 05、5. 97 g/kg,平均相对误差分别为9. 65%和10. 68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。     

Reflectance-based assessment of spider mite “bio-response” to maize leaves and plant potassium content in different irrigation regimes

It is widely accepted that pest infestations elicit a change in plant physiology, which cause detectable changes in crop leaf reflectance. In this study, we test the hypothesis that crop leaf reflectance may also be used to forecast the risk of pest infestation before they actually occur. We collected reflectance data in 160 spectral bands from 405 to 907 nm from excised leaf pieces from field grown maize plants under 3 irrigation regimes. Leaf material was collected at weekly intervals in two growing seasons. The same leaf pieces were used in choice bioassays with carmine spider mites to assess attractiveness to mites (spider mite “bio-response”) across irrigation regimes. In one growing season, we also obtained nutritional element data (lipid, protein, soluble sugar, starch, lignin, Ca, P, Mg, K, S, and Cl) from whole maize plants. Principal component analysis showed that potassium content (K) was highly negatively correlated with spider mite bio-response. Relative reflectance at 740 nm showed a highly significant and positive trend across spider mite bio-response classes, and that potassium content showed a highly significant and negative trend across the same classes. Thus, we argue that relative reflectance at 740 nm may be used to predict both potassium content and risk of spider mite infestation. Based on extensive reviews, potassium leaf content is known to reduce susceptibility of crops to pests. The results presented provide encouraging support for remotely sensed risk assessment of pest infestations through reflectance-based monitoring of maize leaf attractiveness and highlight that reflectance based monitoring of crop susceptibility may be possible through careful management of macro element crop properties, such as potassium content.