基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾,对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段,如可见光波段或红外波段的视频信息进行分析,然而在实际应用过程中,由于森林环境复杂,基于单一波段视频信息检测火灾的结果欠佳。现阶段,基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征,提出了一种基于分数阶微分视频融合的森林烟火检测算法,将分数阶微分理论引入红外视频和可见光视频融合中,利用分数阶微分算子对两个波段视频进行融合,然后利用背景去除法检测融合视频中的异常帧,且对异常帧图像及其与背景帧的差分图像分别进行图像分割,最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明,本文算法的融合视频的融合效果最佳,并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法,说明本文提出的算法具有较好的有效性和准确性,为森林火灾检测提供了有利的新途径。      

阿根廷:研发出监视鱿钓渔船数量新技术

阿根廷国家渔业发展研究所(Inidep)开发出了一套新的软件,借助于美国国防气象卫星计划的线性扫描业务系统(DMSP-OLS)及国家空间活动委员会提供的夜间卫星图像,量化专属经济区外从事阿根廷滑柔鱼(Illex argentinus)生产作业的外国鱿钓船。此项遥感研究是与鱿鱼渔业研究计划合作的一部分。通过此项技术,研究人员就能监控和量化在专属经济区外从事鱿鱼生产的船队数量。鱿钓船产生的高强度灯光能被DMSP-OLS的红外传感器所识别,这样鱿钓船也就能够被DMSP-OLS准确辨别。DMSP-OLS获得的信息由阿根廷渔船上卫星定位系统进行验证。     

不同母质发育土壤的中红外吸收光谱特征

选取湘东丘陵区四种典型母质发育土壤(酸性紫色土、花岗岩红壤、板岩红壤和第四纪红土红壤),采集剖面(深至母岩/母质层)样品,应用傅里叶变换红外光谱仪研究灼烧去除有机质处理、土层深度和母质类型对土壤中红外吸收光谱特征的影响,分析吸收光谱与土壤理化性质的关系。结果表明,去除有机质后,特征区的中红外吸收值升高,反映矿物质对红外吸收谱线的强烈影响。在剖面上,底土(60~80 cm或100~120 cm)的中红外吸收值高于表土(0~20 cm),与土壤有机质含量的剖面分布相反。四种土壤的中红外光谱均属典型的高岭石图谱。砂粒、粘粒含量与红外吸收值的相关性最好,砂粒含量的最大相关系数(0.51)出现在3700、913和720~540 cm~(-1)附近,粘粒含量的最大相关系数(0.54)出现在1100~694 cm~(-1);本研究表明,原土的中红外吸收光谱特征主要受矿物质的支配,可以很好地反映土壤质地的状况,指示土壤质量变化。     

基于可见近红外和中红外近地面光谱数据融合的土壤有机碳含量反演

  目的  以传统的实验室分析方法进行大规模土壤有机碳（SOC）含量调查耗时、费力、成本高昂,以土壤可见近红外（VNIR）、中红外（MIR）光谱或两光谱数据融合手段能够快速预测SOC含量,但预测精度不一、特别是光谱数据融合技术应用于土柱样本的效果尚待考察。  方法  从全球土壤光谱库筛选出同时具有VNIR光谱、MIR光谱和SOC含量的677个土柱共计3755个土样。光谱数据经Savitzky–Golay平滑和一阶微分预处理后,用Kennard–Stone算法进行建模和验证的集合划分,使用偏最小二乘回归与随机森林方法分别建立以VNIR、MIR以及两者融合的VNMIR光谱为自变量的SOC含量预测模型,并对模型精度进行评估。  结果  MIR光谱模型的SOC预测精度优于VNIR光谱模型,VNMIR光谱模型预测精度低于MIR光谱模型但优于VNIR光谱模型。  结论  使用光谱数据融合技术预测SOC含量并非一定比使用单一光谱数据的精度高,就本例而言使用MIR光谱数据构建预测模型的方法是快速、准确预测大尺度时空范围SOC含量的最 佳手段。     

不同来源风化煤腐植酸化学特征与生物活性研究

【目的】探究不同来源风化煤所含腐植酸的生物活性差异及其与风化煤性质特征的关系,为寻找高活性腐植酸风化煤提供依据。【方法】选用山西左权、五台、静乐三地的风化煤,以不同方法处理、进行植物培养试验,采用紫外光谱、红外光谱、根系扫描的方法,比较分析不同风化煤的加工化学特征、产出腐植酸的生物活性。【结果】左权、五台、静乐三地风化煤总腐植酸含量在37.1%～40.9%,但游离腐植酸含量差异较大,分别为1.92%、10.09%和30.62%;总酸性官能团酚羟基含量差异明显,其含量比为1.00∶1.22∶1.83,静乐风化煤的羟基含量和羧基含量最高;钙镁含量比为2.65∶1.25∶1.00;不同风化煤的E4/E6差异较小,但提取出的腐植酸E4/E6差异较大,分别为7.5、6.2和4.39。生物活性研究表明,3地风化煤腐植酸对绿豆再生根均有促进作用,呈现与IAA具有的相同功效的典型激素反应;其腐植酸促生活性依次为静乐>五台>左权,左权和五台腐植酸浓度在0.01%、静乐腐植酸浓度在0.05%时最高。【结论】左权、五台、静乐三地风化煤提出的腐植酸以静乐生物活性最高,五台次之,左权最低;风化煤中的...     

硼酸共沉淀法合成含硼氧化铁的结构状况解析

在水合法制备针铁矿过程中添加HBO3,对合成的样品作红外光谱和比表面积分析.结果表明,共沉淀法合成的样品在1343 cm处有特征吸收峰,说明在针铁矿形成过程中,如果有H3BO3参与,则形成的氧化铁中存在Fe-O-B键结构,可能在氧化铁内部有一种新硼铁化合物生成.比表面积测定表明,含B氧化铁比表面积增加4倍以上,反映了氧化铁与H3BO3并非机械混合物,其表面性质因为Fe与B反应而发生改变,B阻止氧化铁向高聚合态转变.     

施用化肥对土壤腐殖质结构特征的影响

应用红外光谱法和^1H-NMR波谱法初步研究了不同配施化肥处理条件下HA和FA的化学基团组分，并探讨了不同施肥处理对腐殖质化学基团构成的影响。结果表明：不同配施化肥的处理明显影响了土壤腐殖质分子的结构和含量变化。施用化肥有利于HA结构的年轻化、简单化，其影响效果为平衡施化肥（NPK）〉不平衡施化肥（PK）。^1H-NMR研究结果表明不同配施化肥处理FA样品的谱图形态非常相似，出峰位置基本相同。长期平衡施化肥（NPK配施）FA中碳水化合物的H及其它与O、N相连的C上的H的相对含量较高，而长期不施N（施PK）处理FA中烷基链烃中的H相对含量较高。     

无人机热红外遥感反演玉米根域土壤含水率方法研究

为了减少土壤背景带来的干扰,更加准确、高效的获取无人机热红外图像中的玉米冠层温度,进而快速反演玉米地土壤含水率,以4种水分梯度处理的拔节期玉米为研究对象,借助无人机可见光和热红外图像,采用RGRI指数法、Otsu阈值法和不剔除土壤背景3种处理方法提取热红外图像中玉米冠层温度信息,计算作物水分胁迫指数(Crop water stress index,CWSI)并用于反演不同水分梯度处理下玉米地不同深度的土壤含水率,基于3种方法获得的CWSI分别记为CWSIRGRI、CWSIOtsu、CWSIsc.结果表明:①基于RGRI指数法获取的玉米冠层温度与实测冠层温度的相关性最高(R2均大于0.8;RMSE均小于1℃),Otsu方法次之,不剔除土壤背景方法效果最差.②在整个拔节期,CWSIRGRI反演土壤含水率效果最好(R2均大于0.5,P<0.01;效果显著),CWSIOtsu次之、CWSIsc反演效果最差.③选取CWSIRGRI为最优CWSI指标,其在玉米拔节期5个土壤深度内的R2呈现先上升后下降的趋势且都在0～30 cm深度内达到最大值.因此,基于RGRI指数法建立的CWSIRGRI可以作为反演玉米地土壤含水率的有效指标.     

剔除土壤背景的棉花水分胁迫无人机热红外遥感诊断

剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在09:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。     

覆盖度对无人机热红外遥感反演玉米土壤含水率的影响

为提高基于冠层温度信息反演土壤含水率的精度,以不同水分处理的拔节期大田玉米为研究对象,采用无人机热红外和可见光相机获取试验区遥感图像,通过不同图像分类方法剔除土壤背景,提取玉米植被覆盖度(Corn vegetation coverage,Vc)及冠层温度(Canopy temperature,Tc),并计算冠-气温差(Tca)和冠-气温差与覆盖度的比值,分析这两种指数与土壤含水率(Soil moisture content,Smc)之间的关系。结果表明,不同分类方法提取的玉米覆盖度以及冠层温度均存在差异,由灰度分割法、RGRI指数法、GBRI指数法3种分类方法剔除土壤背景后计算的冠-气温差、冠-气温差与覆盖度之比与土壤含水率均呈线性关系,并且冠-气温差、冠-气温差与覆盖度之比两种指数反演0～30 cm玉米根域深度的土壤含水率效果较好;其中,未剔除土壤背景的冠-气温差反演土壤含水率效果较差,GBRI指数分类法剔除土壤背景的冠-气温差反演土壤含水率效果有所提高(0～10 cm、10～20 cm、20～30 cm深度的R2由0. 255、0. 360、0. 131提高至0. 425、0. 538、0. 258);而冠-气温差与覆盖度的比值反演土壤含水率相比于冠-气温差精度明显提高,0～10 cm、10～20 cm、20～30 cm深度建模集R2高达0. 488、0. 600、0. 290,P 0. 001,验证集R2达0. 714、0. 773、0. 446,表明冠-气温差与覆盖度之比是反演玉米根域深度土壤含水率效果更优的指标。