阔叶红松林主要树种光合与光谱反射特性及初级生产力研究

目的  从生理角度探究阔叶红松林不同演替阶段的5个主要树种对光胁迫的适应性差异；揭示不同高度和不同冠层方向是否对叶片的光合特性、光谱反射特性以及相关生理功能性状产生影响；对各树种的有机物积累速率进行评估，为东北地区阔叶红松林初级生产力的研究提供参考。 方法  选取了阔叶红松林林冠层的5个乔木树种（春榆、紫椴、胡桃楸、蒙古栎和红松）进行研究，测定不同取样位置的叶片光合参数、光谱反射参数、比叶面积、元素含量等生理指标，进行方差分析与均值多重比较，建立各生理参数之间的相关关系，利用异速生长方程估算样地春榆、紫椴、胡桃楸、蒙古栎和红松种群的初级生产速率。 结果  （1）光合特性、光谱反射特性、比叶面积、叶片厚度和叶片元素含量等生理特征的种间差异显著（P < 0.05）。红松的表观量子效率最低，暗呼吸速率和光补偿点均比其他树种高，比叶面积最小，叶片厚度最大，氮元素含量和钾元素含量最低；（2）各树种的光合特性、光谱反射特性、比叶面积、叶片厚度和叶片元素含量等生理特征在不同取样位置无显著差异（P > 0.05）；（3）阔叶树种的暗呼吸速率和光补偿点分别与光化学反射指数存在显著的种间负相关（P < 0.05），线性拟合结果表明R2分别高达0.96和0.94；（4）春榆、紫椴、胡桃楸、蒙古栎和红松种群的最大初级生产速率分别为4.806、1.637、1.981、0.350、0.106 kg/s。 结论  不同树种对光胁迫的适应性差异在光合特性和光谱反射特性上都有所表现，叶片光合特性与群落树种的更替密切相关，群落演替后期处于林冠层的植物对光环境的适应性决定了该群落的冠层物种构成；植物在15 m以下的不同高度和冠层方向的差异不足以引起叶片的光合生理特征产生适应性改变；春榆对群落生产力的贡献的最大，红松最小。      

关于光谱反射率和小麦叶面指数之间关系的研究

根据理论分析作出了小麦叶片7种角度分布情况下的光谱植被指数和吸收的光合辐射曲线以及叶面指数和吸收的光合辐射曲线。由实测的小麦光谱反射率数据计算出光谱植被指数,再使用这二套理论曲线可求出小麦的叶面指数。还作出了叶片7种角度分布下,小麦叶面指数计算值和测量值之间的线性回归方程,得出小麦叶片倾角为70°的分布和使用 ND 光谱指数具有最好的结果。     

紫云英翻压还田对稻田土壤团聚体组成及其碳氮的影响

紫云英翻压还田是南方传统稻田土壤培肥增产的主要措施。依托连续12年田间定位试验,通过设置CK（不施化肥,紫云英不还田）、单施化肥（GM0）和4个梯度的紫云英翻压量（GM1-4）处理,分析连续多年紫云英翻压还田对稻田土壤团聚体组分、团聚体中碳氮含量和储量,并通过傅里叶红外光谱测定各粒级有机官能团类型及相对含量,探讨连续多年紫云英翻压还田对土壤团聚体组分及其碳氮分布的影响。结果表明,在该土壤中粒级>2 mm土壤团聚体含量最高,占总量的61.12%～68.53%,其次是2～0.25 mm粒级团聚体。紫云英翻压还田较单施化肥处理提高了>2 mm粒级团聚体所占百分比（5.93%～9.91%）。紫云英翻压还田提高了粒级>0.053 mm团聚体中有机碳含量和各个粒级中全氮含量,其中粒级>0.25 mm团聚体的碳氮含量与紫云英翻压量之间呈现出显著正相关关系。紫云英翻压还田分别显著提高了19.42%～37.09%有机碳和22.31%～40.13%氮的总储量,其中粒级>2 mm团聚体中碳氮储量随着紫云英翻压量的增加而增加。>2 mm粒级团聚体中碳氮的分布也随着紫云英的翻压还田而增加。通过傅里叶红外光谱认为土壤各粒级团聚体中脂肪族有机碳和芳香族有机碳以及N-H官能团含量也随着紫云英翻压还田而增加,其中N-H官能团含量与紫云英翻压量之间呈现出显著的正相关关系。紫云英翻压还田同时提高了各团聚体中1 630/2 850+2 940和1 720/2 850+2 940相对比值,其中>2 mm和2～0.25 mm粒级团聚体中1 630/2 850+2 940相对强度比值与紫云英翻压量之间均呈显著性相关关系。综上,紫云英翻压还田不仅有利于改善稻田土壤团聚体组分,增加有机碳和全氮在土壤团聚体中的储存,还提高了团聚体有机碳的活性和稳定性,从而有助于提升稻田土壤肥力。     

特征优化结合随机森林算法的干旱区植被高光谱遥感分类方法

针对高维光谱纹理特征空间的降维和特征优化算法结果的不确定性问题,该研究在提取多尺度纹理图像构建高维光谱纹理特征空间的基础上,将遗传算法（genetic algorithm,GA）、粒子群优化算法（particle swarm optimization,PSO）等传统特征优化算法和广义正态分布优化算法（generalized normal distribution optimization,GNDO）、原子搜索算法（atom search algorithm,ASO）、海洋捕食者算法（marine predators algorithm,MPA）等特征优化算法与随机森林（random forest,RF）图像分类算法相结合,提出了GA-RF、PSO-RF、GNDO-RF、ASO-RF和MPA-RF算法,并应用于青海省海西蒙古族藏族自治州都兰县宗加镇附近区域资源一号02D（ZY1-02D）高光谱数据的植被类型分类。结果显示,在高光谱反射率数据基础上加入多尺度纹理特征使总体分类精度（overall accuracy,OA）提升了8.02个百分点。与传统RF方法相比,提出算法的植被分类 OA提升了1.32～2.40个百分点,其中MPA-RF方法取得了最高的分类精度,OA和 Kappa系数分别为88.92%和0.86。研究表明从不同窗口大小、窗口移动方向提取的纹理图像有利于区分不同的植被与地物类型,在光谱特征基础上加入多尺度纹理特征能有效提升植被识别精度。以迭代优化的方式将特征优化算法与图像分类算法相结合,缓解了优化算法结果的随机性,克服了高维特征的休斯效应,提高了植被分类精度。该研究为高光谱遥感植被分类中特征提取、特征优化与分类算法选择提供了思路。     

基于三维光谱特征空间的干旱区土壤盐渍化遥感定量研究

土壤盐渍化是干旱半干旱区农业发展的重要制约因素,同时也是干旱区所面临的最主要的生态环境问题之一,因而准确获取土壤的盐渍化信息对于实时掌握其分布范围以及合理地开展盐渍化治理工作具有重要意义。选取渭干河--库车河流域绿洲典型盐渍地作为研究区,以Landsat-TM多光谱遥感影像为基础数据源,首先对影像进行最小噪声分离处理（MNF变换）并计算其像元纯度指数（Pixel Purity Index, PPI）,选取能表征区域特征信息的前三个波段构建MNF三维光谱特征空间,然后在向量空间和单行体理论的指导下,结合实地调查,提出“植被亮点区”概念,并定义“盐渍化距离指数（Soil Salinization Distance Index, SDI）”为多维向量空间中包含于单行体中的盐渍化像元到“植被亮点区”的归一化距离。最后利用不同盐分环境下的实测数据对SDI进行精度验证。结果显示：在低植被覆盖区,即中度、重度盐渍化区,SDI与0~10cm内土壤盐分含量相关性要高于0~20cm,R²＞0.83。在相对高覆盖区,即农田和轻度盐渍化区,SDI与0~20cm内平均盐分含量相关性要高于0~10cm,R²＞0.81。0~10cm层二者总体精度R²=0.81,0~20cm层二者相关性总体精度R²=0.72。研究表明,SDI指数模型简单、易于构建,精度较高,具有一定的应用价值,有利于干旱区区域大尺度盐渍化的定量分析和监测工作。*     

河岸带土壤溶解性有机质垂直分布特征及其性质研究

河岸带有机质（Soil organic matter,SOM）的迁移转化在有机碳从陆地生态系统向水域生态系统中迁移转化及污染物的迁移转化中起到了重要的作用。以崇明岛典型河岸带为研究对象,分析了不同区域河岸带土壤有机碳（Soil organic carbon,SOC）、土壤溶解性有机碳（Soil dissolved organic carbon,SDOC）垂直分布特征和三维荧光光谱（Excitation—Emission matrix,EEM）特征,探讨了河岸带对土壤溶解性有机质（Soil dissolved organic matter,SDOM）性质及其潜在环境影响。结果表明：表层土壤（0—30cm）SOC储量占采样深度土壤SOC的40％左右,SDOC占SOC的5％左右,从陆上区域到缓冲区域表层土壤SDOC呈累积效应。河岸带有机质主要来自河岸带植物残体及其代谢产物,地下水也可能是河岸带土壤DOM的另一来源,河岸带土壤中大部分类腐殖质被表层矿物质所吸附。在土壤系统中,综合应用荧光指纹指数[荧光指数（Fluorescence index,FI）,生源指数（The index of recent autochthonous contribution,BIX）和腐殖化指数（Humification index,HIX）]可以有效地揭示其来源和特性,但在土壤体系中单独应用指纹指数需审慎。     

基于光谱遥感的冬小麦籽粒淀粉积累量的监测

为了建立基于叶绿素密度淀粉积累量的最佳种植密度光谱监测模型,利用遥感技术准确测量小麦淀粉积累量,本试验通过大田试验,根据品种特性和晋中地区推广种植密度分别设置5个种植密度(300万苗.hm 2、450万苗.hm 2、600万苗.hm 2、750万苗.hm 2、900万苗.hm 2),对其冠层光谱、叶绿素密度和淀粉积累量进行了测定,并利用统计学方法对5个种植密度的数据进行分析,对混合密度进行模拟。结果表明,在5个密度梯度和模拟混合密度下所建立的淀粉积累量光谱监测模型中,以密度750万苗.hm 2条件下的NDVI(1 200 nm,670 nm)所建立的光谱模型最好,其精确度可达0.920 6。用2009—2010年的试验数据对模型进行检验,其预测值和实测值的R2也可达0.954 2,表明750万苗.hm 2的种植密度是对冬小麦淀粉积累量进行预测的最佳密度,依此所建立的冬小麦淀粉积累动态监测光谱模型是可行的。同时,所建立模拟混合密度模型的精确度可达0.883 1,验证R2也可达0.905 4,说明该模拟混合密度模型能够较准确地预测不同种植密度条件下的淀粉积累量。因此,模拟混合密度模型在现实应用中具有较好的适用性和普适度。     

基于无人机成像高光谱的棉叶螨为害等级估测模型构建

为快速、实时、准确地了解新疆棉田棉叶螨（优势种为土耳其斯坦叶螨Tetranychus turkestani）的发生情况,利用高光谱图像中的7种植被指数,使用一般线性回归分析方法分别构建不同棉叶螨为害等级棉花冠层叶片叶绿素相对含量（用soil and plant analyzer development（SPAD）值表征）遥感估测模型和棉叶螨为害等级遥感估测模型,实现棉叶螨为害的实时监测。结果显示：不同棉叶螨为害等级对应的棉花冠层光谱反射率存在明显差异,棉叶螨为害等级与棉花冠层叶片SPAD值呈显著负相关关系。在7个不同棉叶螨为害等级对应的棉花冠层叶片SPAD遥感估测模型中,SPAD-红边归一化植被指数估测模型的估测决定系数为0.915,均方根误差为3.451,识别精确度显著高于其他模型。表明利用棉花冠层叶片SPAD遥感估测模型可快速无损地获取棉叶螨为害数据,构建的棉叶螨为害等级估测模型可用于植保人员快速准确获取棉叶螨为害情况。     

基于室内高光谱数据的多种类型土壤有机质估算模型比较

基于高光谱数据的土壤有机质反演是土壤遥感及精准农业的重要研究内容,然而不同的光谱处理及建模方法使得模型的估算能力及精度差异明显,限制了模型之间的通用性。为了构建陕西省土壤有机质含量估算的最优模型,以陕西省9种主要土壤类型的216个土样的光谱反射曲线和土壤有机质含量为数据基础,将光谱反射曲线进行一阶微分d(R)、倒数对数log(1/R)、倒数对数一阶微分d[log(1/R)]和包络线去除N(R)4种变换,结合一元线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种建模方法构建了不同的土壤有机质含量估算模型。结果显示:不同类型土壤的反射光谱曲线总体态势基本一致,吸收特征位置基本相同,且土壤有机质含量与光谱反射率呈负相关态势;基于d [log(1/R)]光谱变换构建的SVR估算模型精度最高,建模集和验证集的判断系数(R~2)分别为0.9210、0.8874,验证均方根误差(RMSE)为2.18,相对分析误差(RPD)达到2.8751,是估算陕西省土壤有机质含量的最优模型,PLSR次之,SLR最差。