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（0~30 cm）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。     

Yield Estimation Model of Citrus Based on Spectral Data and Agronomic Parameters

With the development of precision agriculture, the research that applies Remote Sensing technology, especially hyperspectral remote sensing, to realize crop management, monitoring and yield estimation, has been concerned. Nowadays, the growth-monitoring and yield-estimating methods in rice, wheat and other annual crops develop rapidly with some achievements having already been put into service. But the yield estimation research on perennial economic crops is few. Taking peren- nial citrus trees as the research object, using ASD spectrometer to collect citrus canopy spectral, this article studied and analyzed the citrus of veget＆tion index and its relationship on yield, synthetically considered the influence of the agriculture pa- rameters on crop yield, and finally constructed the citrus yield estimation model based on the spectral data and agronomic parameters. Through the Significance Test and Samples＇ Test, olutained that the model＇s fitting degree was R=0.631, F= 13.201, P〈0.01 and the error rate of estimating accuracy was controlled in the range 3%-16%, proving that the model has statistical signification and reliability. It concluded that hyperspectral acquired from citrus canopy has substantial potential for citrus yield estimation. This study is an application and exploration of Hyperspectral Remote Sensing technology in the citrus yield estimation.     

天水市不透水表面提取及时空变化分析

不透水表面的发展是城市化进程的重要体现。采用天水市1996、2001、2007年3个时期的LandsatTM遥感影像,使用面向对象的方法,通过构建具有较强适应性的比值不透水表面指数RISI,结合植被指数NDVI、水体指数MNDWl等,从遥感影像中提取了不透水面信息,并对其时空发展变化和驱动力进行了分析。结果表明,天水市不透水表面增加明显,与该地区的自然地理格局和经济社会发展密切相关。     

基于紫外光谱技术的茶叶分类

采用紫外可见分光光度计测定20种茶叶的紫外光谱数据,根据槲皮素对照品最大吸收峰,选取382 nm波长处的吸光度作为吸收特征值,结合聚类分析法对茶叶样本进行聚类分析,分析结果将20种茶叶样本分成3组,且分类结果与实际类别接近,说明聚类分析法能用于茶叶的紫外光谱定性鉴别.     

基于近红外光谱技术的大米掺伪定量判别

针对现在市场上常见的两种大米掺伪现象,利用近红外光谱技术结合化学计量学方法分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。制配不同掺伪比例的大米样品,采集其近红外光谱,并选用标准正态变量变换、最大最小归一化、平滑和一阶导数4种方法对原始光谱进行预处理,分别结合偏最小二乘法建立PLS定量分析模型。通过对比建模结果选出的最优预处理方法是最大最小归一化,建立的掺低档米模型的校正集和预测集相关系数分别为0.9698和0.9845,均方根误差分别为8.66和6.46;掺矿物油米模型的校正集和预测集相关系数分别为0.9739和0.9888,均方根误差分别为0.106和0.0698。模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。     

近红外光谱法测定土壤全氮和碱解氮含量

为探寻采用近红外光谱技术在野外快速测定土壤全氮和碱解氮含量的方法,采集土壤光谱信号,结合偏最小二乘法和主成分分析法,分别建立土壤全氮和碱解氮含量测定的定标模型。结果表明,采用PLS方法建模时,土壤全氮和碱解氮含量测定定标模型的精度较高。为提高模型的预测精度,采用多元散射校正、标准归一化、基线校正、卷积平滑和小波变换5种方法对光谱信号进行预处理,当用小波变换法对光谱信号进行去噪处理,并与PLS方法结合时,模型的预测精度最高,土壤全氮样品校正模型的相关系数为0.838 5,均方根误差为0.153 1,对应验证模型的相关系数为0.754 9,均方根误差为0.184 2,校正集和验证集土壤全氮含量预测值(y)与实测值(x)之间的关系模型分别为y=0.685 8x+0.198 0和y=0.621 4x+0.237 9;土壤碱解氮样品校正模型的相关系数为0.866 5,均方根误差为0.007 7,对应验证模型的相关系数为0.796 1,均方根误差为0.009 4,校正集和验证集土壤碱解氮含量预测值(y)与实测值(x)之间的关系模型分别为y=0.749 8x+0.019 4和y=0.700 7x+0.023 3。综合分析结果表明,应用近红外光谱技术对土壤全氮和碱解氮含量进行定量预测是可行的,且应用小波变换方法对光谱冗余信息进行预处理后,再与偏最小二乘法相结合可有效地提高模型的精度。     

土壤水分状况对猕猴桃叶片蒸腾速率影响研究

针对传统方法在计算猕猴桃叶片蒸腾速率时,存在结果不准确,修正率不高问题,为此,提出一种新参数修正法解决上述问题.基于高光谱传感器对猕猴桃叶面积蒸腾速率动态模拟分析方法,构建蒸腾模型;运用该模型分析各因素对蒸腾速率的影响,通过函数修正方法获得土壤水分状况系数,从而实现猕猴桃叶面积蒸腾速率的准确计算.为了验证方法的有效性,...     

基于小波消噪柑橘内部品质近红外光谱的无损检测

为探讨柑橘内部品质无损检测方法,通过3阶Daubechies小波4级分解,对柑橘近红外光谱进行消噪预处理,并运用偏最小二乘法建立了柑橘贮藏中可溶性固形物、糖度、酸度和维生素C含量的校正预测模型.结果表明:建立的可溶性固形物含量预测模型,其预测值与标准值的相关系数为0.954,预测校正均方差为0.418%,最优光谱波段为6 101.7～4 246.5 cm-1;建立的可溶性总糖含量预测模型,其预测值与标准值的相关系数达0.975,预测校正均方差为0.490%,最优光谱波段为7 507.7～6 097.8 cm-1;建立的总酸含量预测模型,其预测值与标准值的相关系数达0.948,预测校正均方差为0.022%,最优光谱波段为 6 101.7～4 246.5 cm-1;建立的维生素C含量预测模型,其预测值与标准值的相关系数为0.957,预测校正均方差为0.039 mg/g,最优光谱波段为7 501.7～5 449.8 cm-1.     

西北旱区不同覆膜和灌溉水平下的玉米冠层氮含量垂直分布及高光谱反演

为探究不同覆膜和灌溉水平下玉米叶片氮含量垂直分布特征及其遥感反演规律,2020年在甘肃省武威绿洲农业高效用水国家野外科学观测研究站进行大田试验,设置3种灌水量水平(春玉米灌溉需水量的100%(W₁₀₀)、70%(W₇₀)和40%(W₄₀))和3种覆膜处理(不覆膜(M₀)、普通塑料膜(M₁)和生物可降解膜(M₂)),测定春玉米在不同灌水量和覆膜条件下叶片氮含量垂直分布、冠层反射特征和反射率与叶片氮含量等指标,并采用随机森林法构建氮含量估测模型分析垂直分布的叶片氮含量。结果表明,相同灌水处理的玉米冠层叶片中氮含量由高到低为M₀>M₂>M₁,M₀比M₂的上、中、下部位叶片氮含量分别增加6.78%、5.11%、2.55%,M₂比M₁的上、中、下部位叶片氮含量分别增加7.14%、5.24%、5.39%。...     

基于多光谱成像技术快速无损检测紫花苜蓿人工老化种子

种子老化是影响种子生产和储藏的重要因素,给农业生产带来了严重的经济损失,已成为影响种子活力中最具威胁性的因素之一。老化种子的检测以及种子老化后发芽情况的鉴定对种子生产具有重要意义,但目前常用的检测手段都是一次性、破坏性的。因此,一种快速、无损的种子老化和发芽检测方法不仅是研究的需要,也是种子行业进行种子检测分选所急需的。利用多光谱成像技术,采集紫花苜蓿种子的形态和光谱特征数据,利用LDA（线性判别分析）、SVM（支持向量机）和nCDA（归一化标准判别分析）3种多元分析方法,对不同老化程度苜蓿种子及其发芽情况分别进行分类和预测。结果表明,不同老化程度种子平均光谱反射率在470~660 nm处出现了明显的区别。LDA可以区分老化种子和未老化种子（准确度93.0%~97.7%）,也可以区分不同老化程度的种子（准确度75.3%~91.7%）,且均高于SVM的分类结果（准确度分别为92.4%~94.9%和68.7%~78.8%）;nCDA对老化种子进行区分的准确度高达88%~98%。同时,LDA可以准确预测发芽种子和不发芽种子,准确度可达98.7%,高于SVM的92.1%;nCDA预测老化种子发芽准确度达到了90%~99%。本研究证明了多光谱成像与分析技术不仅可以区分老化种子,也可以预测种子的发芽。上述结果证实多光谱成像技术结合多元分析为高效无损检测苜蓿种子活力提供了新途径,具有良好的应用前景。