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。     

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。     

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。     

基于地表高光谱与OLI影像的土壤含盐量和pH值估测

针对宁夏银北地区大面积土壤盐碱化监测的需要,利用实测植被冠层光谱与Landsat 8 OLI影像相结合进行土壤含盐量和pH值估测研究.对实测植被冠层高光谱与影像多光谱反射率进行倒数、对数、三角函数及其一阶微分等一系列变换,确定最佳光谱变换形式,筛选敏感植被指数和敏感波段,分别建立基于实测植被光谱与Landsat 8 O...     

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SD-SVD-Burg的玉米叶片铜铅污染甄别与程度诊断

为研究一种快速甄别作物受重金属污染的元素类别和所受污染程度的方法,于2017年设置不同梯度铜(Cu)、铅(Pb)胁迫下的玉米盆栽实验,对玉米的紫谷、绿峰和红边3个光谱特征区间的高光谱数据进行光谱一阶微分和奇异值分解处理,并结合Burg算法绘制功率谱密度曲线,同时利用2014年采集的光谱数据作为验证组检验该模型的稳定性。结果表明:健康玉米叶片与不同浓度Cu、Pb胁迫下玉米叶片光谱信号的功率谱密度曲线的波峰数及波峰坡度均不相同。功率谱曲线平均功率和玉米叶片中Cu、Pb含量的相关系数最高可达0.9958,证明该方法在对玉米进行污染元素种类辨别和污染程度诊断方面具有可行性,不同年份Cu与Pb胁迫下绿峰功率谱曲线平均功率与玉米叶片中Cu、Pb含量的相关系数分别为0.9213和0.9915,进一步验证该算法在玉米Cu、Pb污染诊断方面具有稳定性与普适性。     

Color vision, spectral sensitivity, accommodation, and visual acuity in juvenile masu salmon Oncorhynchus masou masou

ABSTRACT:   Color vision, spectral sensitivity, accommodation, and visual acuity were examined in juvenile masu salmon Oncorhynchus masou masou to obtain fundamental information about the visual system. Two types of S-potentials were recorded from 415 horizontal cells in isolated retinas from 34 cultured freshwater masu salmon (114–219 mm standard length, SL). Although horizontal cells recording S-potentials were not identified, the horizontal cells were confirmed because their responses were maintained while the stimulus remained. The variety of chromaticity (C)-type S-potentials indicated well-developed color vision. The analysis of the luminosity (L)-type S-potentials indicated that the peak spectral sensitivity was at 522 nm. S-potentials were also recorded in response to ultraviolet light. The direction and extent of lens movement induced by electrical stimulation was measured in 12 cultured masu salmon (99.0–142.5 mm SL). The results indicated that the visual axis was upward and forward, and that the range of accommodation was from 0.79 × SL in front of the eye to infinity. In histological analysis of the retinas of five wild smolts (100–118 mm SL), the maximum cone densities (276–345 cones/0.01 mm²) were detected in the ventral to temporal regions. The visual acuities assessed by histological methods were 0.069–0.075.     

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI（Normalized Difference Water Index)、NDVI（Normalized Difference Vegetation Index）、SBL（Soil Background Level）等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质（SL;岩石和土壤）、植被（GV;光合作用叶片）和暗色物质（DA;阴影和水）3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2）融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3）具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。     

利用无人机多光谱估算小麦叶面积指数和叶绿素含量

利用无人机遥感的方式进行农作物长势监测是目前精准农业、智慧农业发展的重要方向,为了探究无人机多光谱反演小麦叶面积指数(Leaf Area Index,LAI)和叶绿素含量的模型估算潜力,该研究在3个飞行高度(30、60、120 m)采集多光谱影像,通过使用全波段差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)、归一化光谱指数(Normalized Spectral Index,NDSI)和经验植被指数与地面实测数据进行相关性分析,获得不同高度下的光谱指数与LAI和叶绿素含量的关系模型及其决定系数,以决定系数为依据分别构建多元逐步回归、偏最小二乘回归和人工神经网络模型,分析不同飞行高度无人机多光谱反演小麦冠层LAI和叶绿素含量SPAD(Soil and Plant Analyzer Development)值的精度。结果表明:1)30 m高度下,绿-红比值光谱指数与小麦LAI的相关性最高,相关系数为0.84;60 m高度下,红-蓝比值光谱指数与小麦叶绿素含量的相关性最高,相关系数为0.68;2)在60 m高度下,经验植被指数与小麦LAI和叶绿素含量的相关性较好,最大相关系数分别为0.77和0.50;3)利用偏最小二乘回归反演小麦LAI的精度最高,决定系数为0.732,均方根误差为0.055;利用人工神经网络模型反演小麦叶绿素含量的精度最高,决定系数为0.804,均方根误差0.135。该研究成果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机多光谱波段实现作物长势参数快速估测提供应用参考。