基于无人机遥感的灌区土地利用与覆被分类方法

为研究无人机可见光遥感技术在灌区土地利用和覆被分类中的有效性,以河套灌区五原县塔尔湖镇为试验区域,用TEZ固定翼无人机搭载索尼A5100型相机进行航拍试验。应用Agisoft Photo Scan软件对无人机遥感系统获取的可见光高分辨率原始单张影像数据进行拼接处理。除目视提取的特殊用地与水域及水利设施用地外,通过试误法确定分割尺度300、形状权重0.4、紧致度权重0.5为无人机遥感影像数据的最佳分割参数。通过对剩余各地物在光谱、形状、纹理特征参量中表现的特异性,分别建立决策树、支持向量机、K-最近邻分类规则集提取土地利用类型试验。结果表明,支持向量机能较准确地提取各地物的特征,总体精度为82.20%,Kappa系数为0.765 9;决策树分类方法的总体精度为74.00%,Kappa系数为0.667 5;K-最近邻分类方法的总体精度为71.40%,Kappa系数为0.610 7。采用支持向量机结合决策树分类法创建的决策树模型,可以将总体精度提高到84.20%,Kappa系数达到0.790 0。因此无人机可见光遥感技术可以用于提取灌区土地利用类型,但存在农、毛渠错分为交通运输用地的情况,渠系的提取还需进一步研究。     

一株灵菌红素产生菌的分离及其色素分析

[目的]从土壤中筛选出灵菌红素产生菌,并对其色素组成进行分析。[方法]利用平板筛选土壤中产红色素细菌,通过生理生化试验进行初步鉴定,摇瓶发酵后提取色素,色素组分经柱色谱与薄层色谱分离纯化后以紫外-可见光吸收光谱（UV-Vis）与液质联用（LC/MS）技术进行分析。[结果]从南昌地区土壤中分离得到1株产红色素的细菌NS-17,生理生化特征与粘质沙雷氏菌（Serratia marc-escens）吻合,从发酵后的菌体中分离得到2个具有相似UV-Vis与LC/MS特征的色素组分,组分1分析结果与已报道的灵菌红素一致,组分2具有未见报道的碱性条件下特异性UV-Vis图谱。[结论]分离得到1株产灵菌红素的粘质沙雷氏菌NS-17,并从该菌中分离得到2个色素组分。     

基于可见光-近红外图像的幼龄檀香全磷含量诊断

目的檀香是一种典型珍贵树种,在幼龄期时,不合理的田间施肥会影响其正常生长,降低存活率。因此,本文提出了一种基于可见光-近红外图像的幼龄檀香全磷营养诊断方法,为实时监测珍贵树种生长状态及养分需求提供参考。方法通过将野外获取的檀香图像转换到HSI颜色空间,提取S和Ⅰ通道,利用二者在使用Otsu分割后产生的优势互补,并结合形态学运算,从复杂背景中提取出檀香。计算出形状、纹理和光谱及植被指数特征后,分别使用显著性分析(ST)和平均影响值(MIV)方法进行变量筛选,并使用遗传算法(GA)初始化BP神经网络的权值和阈值,最终得到预测结果。结果(1) 复杂背景下的檀香分割中,S通道和Ⅰ通道相结合可以将大部分背景(天空、土壤、其他绿色植物)与目标檀香分割开,同时结合7×7中值滤波、形态学运算和超G因子,将其他毛刺去除。与常用的支持向量机相比,本文提出的分割算法结果更接近于目视解译,像素数和颜色误差更小。(2)对不同施磷水平下各特征进行分析发现,适当增加施磷量有利于促进叶绿素的形成,使得纹理更均匀清晰,加快叶片生长;当过量时则会破坏叶绿体,造成叶片组织出现变化,导致叶片黄化,叶片出现网状脉纹,增加了纹理复杂程度。(3)ST与MIV筛选出的变量差异较大,通过GA-BPNN训练结果可知,MIV方法筛选出的变量对全磷含量的影响更大,预测集得到的决定系数达到0.801,平均残差为0.032 g/kg,均方根误差为0.666 g/kg。结论通过处理可见光-近红外图像,实现了幼龄檀香的全磷含量诊断,有效提高了磷肥利用率,同时也可以减小过量施肥引起的地下水污染等生态问题。      

基于高分辨率无人机影像的喷药除草效果评估

针对快速检测农药喷洒效果和农药利用率问题,通过设计1组喷药对比试验,分析不同区域杂草的颜色特征(RGB)、颜色空间转换特征(HLS、HSV)、纹理特征(mean、variance等)、可见光波段植被指数(EXG、EXR、VDVI等),比较各个特征及指数在喷药和对照区的差异,筛选出最优特征或指数进行阈值分割;在此基础上,计算喷药前后杂草像元数评估无人机喷药的除草效果。试验结果表明,利用归一化过红、过绿植被指数之差(EXG-EXR)可有效检测喷药除草效果,该方法能够为提高农田喷药效果提供技术支持。     

室内可见光音频传输系统设计

本文阐述了一种以MOS管为主驱动器件,运算放大器为主要信号放大芯片,系统由LED发射电路模块、稳压模块以及光接收器模块构成的室内可见光音频传输系统。给LED发射电路接上信号,模拟信号通过LED光变化的方式传输出去。利用硅光电池作为信号接收主器件,来将音频信号还原出来。室内可光音频传输可以让百姓在室内照明时享受着音乐带给人的身心愉悦。     

基于无人机图像的草地植被盖度估算方法比较

植被盖度是反映植被基本情况的客观指标和重要参数.本研究在对比8种常用的可见光植被指数计算草地盖度精度的基础上,发现这些植被指数对荒漠草地的植被盖度估测效果较差,因此提出一种适用于荒漠草地植被盖度估测的荒漠植被指数(DVI),并评价了不同植被指数对不同草地类型的植被盖度估测效果,分析了不同草地类型阈值取值的变化情况.结果...     

竹材木质素在细胞壁中的微区分布

对12个月的毛竹和茶秆竹进行了木质素微区分布的研究,实验运用光学显微镜和激光共聚焦扫描显微镜鉴定了木质素的存在,并且利用组织化学染色方法及其可见光显微分光光度计半定量测定竹材纤维?薄壁组织和导管的细胞壁各微区木质素含量。毛竹竹茎各组织细胞壁各微区的木质素含量均大于茶秆竹相应部位的。木质素在各组织中均有分布,其含量因组织类型及其细胞壁不同微区而有差异,其结构中存在愈创木基(G)和紫丁香基(S)两种木质素组成单元。竹壁径向和纤维帽不同位置的木质素含量未有明显的规律性变化。纤维次生壁具有薄厚层交替的多层结构,薄层的木质素含量大于厚层的。     

基于无人机多源图谱融合的水稻稻穗表型监测

稻穗表型是表征水稻生长状况和产量品质的关键参数,稻穗表型的准确监测对于大田精准管理和水稻智慧育种具有重要意义。无人机图谱数据已被广泛用于水稻生长监测,然而大部分研究主要集中在水稻的营养生长阶段,针对抽穗期和成熟期稻穗表型监测方面的研究非常有限。因此,该研究利用无人机多源图谱数据进行水稻稻穗表型监测研究,分析了不同氮肥梯度和生长时期对稻穗表型的影响,构建了稻穗覆盖度、生物量以及倒伏等监测模型。结果表明,不同生长时期和氮肥梯度的稻穗表型呈现显著差异,稻穗覆盖度与图像特征高度相关。利用粒子群优化算法（Particle Swarm Optimization,PSO）和支持向量机（Support Vector Machine,SVM）回归模型能够从可见光图像中准确识别稻穗,计算的穗覆盖度与实际标记值高度相关,决定系数（coefficient of determination,R2）为0.87,将此结果与多光谱图像反射率融合,利用随机森林（Random Forest,RF）回归模型可以提高稻穗覆盖度的评估精度,R2为0.93,相对均方根误差（relative Root Mean Square Error,rRMSE）为9.47%。融合可见光图像的颜色和纹理以及多光谱图像的光谱反射率改善了穗生物量的评估精度,R2高达0.84,rRMSE为8.68%,此模型能够在不同种植年间迁移,进一步利用模型更新添加10%新样本能够改善模型迁移能力。基于PSO-SVM分类模型,联合可见光图像的颜色和纹理以及多光谱图像的光谱反射率也准确地识别稻穗倒伏,准确率达99.87%。上述研究结果证明了无人机遥感用于水稻稻穗表型监测的可行性,可为作物精准管理和智慧育种提供决策支持。     

光催化转化氮氧化物的研究进展

对光催化转化氮氧化物的研究进展进行了综述.首先介绍了氮氧化物的危害及传统处理方法的缺点以及光催化反应的机理;随后着重介绍了以TiO2为催化剂对NOx去除的研究进展,并对其他用于分解氮氧化物新型光催化进行了介绍;最后对应用前景作出展望.光催化转化氮氧化物的研究分为光催化氧化和光催化还原2种,反应器则主要为固定床反应器和流化床反应器.N原子的搀杂、氧空穴的产生以及表面负载Pt均能有效地利用可见光,炭(AC)、沸石、氧化钙、ZrO2、高岭土等载体也可明显地提高光催化转化氮氧化物的效率.此外,植入过渡金属离子沸石,也可有效地转化氮氧化物.     

有机物料添加后滨海盐渍土壤溶解性有机碳变化 及其紫外-可见光谱特征

利用紫外-可见光谱技术研究不同盐分水平(低盐、高盐)土壤中添加不同有机物料后土壤DOC的紫外-可见光(UV-Vis)光谱特征变化,探究盐渍土壤碳库的稳定性.结果显示,添加有机物料能显著增加DOC含量,与生物炭和有机肥相比,秸秆处理后的土壤DOC含量更高.在200～800 nm波长范围内,两种盐分土壤DOC溶液的吸光值随着波长增加均呈降低趋势,在230～280 nm内出现吸收平台.低盐土壤,DOC含量和紫外-可见光谱特征区域面积积分比值均对应地高于高盐土壤的值,而A250/A365及A240/A420比值则低于高盐.相关性分析表明,土壤DOC含量与254 nm处吸光值呈显著线性相关(R2＞0.9,P＜0.05),用于表征DOC特征的紫外光谱特征参数之间的相关性在高盐、低盐土壤上并不完全一致.由此说明,有机物料处理后,低盐土壤的DOC腐殖化程度、芳香性、相对分子量和团聚化程度都对应的比高盐土壤的更高.在高盐土壤上,添加不同物料的土壤DOC各项紫外特征参数之间无显著差异;在低盐土壤上,秸秆处理后土壤DOC的芳香性及疏水性与其他处理有显著差异.DOC结构复杂且受环境影响较大,需要结合多种参数判断其结构特征.