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。     

第四讲：茶叶中重金属元素的原子发射光谱测定法

电感耦合等离子体原子发射光谱法（inductively coupled plasma atomic emission spectrometry,简称ICP-AES）;也有人把它称为电感耦合等离子体光学发射光谱法（inductively coupled plasma optical emission spectrometry,简称ICP-OES）。这是一种以ICP为发射光源的光谱分析方法,可对约70种元素（金属元素及磷、硅、砷、硫、硼等非金属元素）进行定性、半定量和定量分析。     

基于高光谱数据的水体叶绿素a指数反演模型的建立

水体叶绿素a含量是反映水体质量的重要指标之一,利用遥感技术监测其含量具有众多优势。该研究利用2012年7月在广西壮族自治区桂林市漓江流域实地采集的水体高光谱数据和实验室化验分析数据,借鉴陆表植被叶绿素a的遥感反演模型,发展了一种新的水体叶绿素a提取指数(water chlorophyll-a index,WCI)。通过与反射率敏感波段法、波段比值法和半分析方法对比分析发现,新提出的WCI指数使用650、685、696 nm波段,波段稳定,决定系数R2可达0.58,均方根误差最小为0.24,受水体悬浮物影响小,在天津海河区域的验证效果也表明了该模型可以有效地提取水体叶绿素a含量。该方法扩展了水体叶绿素a监测的建模思路,对水体叶绿素a监测建模有一定的指导作用。     

基于遥感光谱的干旱区土地退化评价体系构建

干旱区土地退化(荒漠化)作为全球面临生态环境挑战之一,对粮食安全、环境质量和区域自然资源管理至关重要。土地退化本质是人与自然因素协同作用下土地利用/覆被类型、数量、结构以及功能的改变而引起的生态服务价值降低,核心是土壤和植被的退化。一方面,人与自然共同作用下的土地利用覆被可以表征土地退化状态,另一方面植被-土壤生境时间序列相互作用过程进一步辅助土地退化过程诊断。因此,该文首先从覆被结构、退化类型和退化程度3个层次建立干旱区土地退化状态评价体系。其次,采用GF-1/WFV时间序列遥感影像,基于多端元光谱混合分解模型建立土地利用/覆被精细分类量化表征下垫面质量属性,并进一步利用植被-生境组分互动特征参数进行功能量化,综合评价民勤2015年退化类型和退化程度。最后,结合地面立地景观照片以及采样点实测数据,对土地退化状态评价结果进行绝对定标和交叉验证。结果表明:遥感评价识别土地退化类型和程度的能力分别为87.5%和78.7%。对于民勤旱地系统,沙化过程、沙-盐化过程是主要的土地退化过程,轻度沙化、中度沙化为主导退化程度。该方法为宽波段遥感国产高分1号卫星在旱地系统土地退化状态信息提取和深入应用提供科学依据和实证研究。     

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。     

激光诱导击穿光谱技术检测土壤中的铅和镉含量

为了满足土壤重金属快速准确检测的需求,同时为土壤的重金属污染防治和农业的可持续发展提供理论指导,该研究利用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术结合定标曲线法和化学计量学方法对土壤中重金属铅(Pb)和镉(Cd)元素进行定量分析。在获取LIBS数据之后,结合土壤LIBS发射谱线中Pb和Cd谱峰信息以及美国国家标准与技术研究院(national institute of standards and technology,NIST)的标准原子光谱数据库,选取了Pb和Cd的特征谱线分别为Pb I 405.78和Cd I 361.05 nm。首先对谱线信息进行预处理后,根据谱峰信息和元素的含量,分别建立了基于谱线峰强度、归一化后洛伦兹拟合强度、谱峰积分强度与对应元素浓度之间的关系模型和定标曲线。对于Pb元素的3种定标方法得到的线性关系的决定系数(R2)分别为0.983 85、0.970 97、0.993 21,且模型反演的结果与实际值的相对误差较小;而Cd元素的3种定标方法没有得到明显线性关系。然后运用偏最小二乘回归(partial least-squares regression,PLSR)建立了土壤Pb和Cd元素的定量分析模型,Pb元素PLSR模型的结果与定标曲线法的结果类似,其预测的相关系数(RP)为0.948 5,预测均方根误差(RMSEP)为2.044 mg/g;而Cd元素的PLSR模型的结果比起定标曲线法有较大提升,其预测的相关系数(RP)为0.994 9,预测均方根误差(RMSEP)为97.05μg/g,结果说明PLSR方法在光谱化学分析领域中比定标曲线法进行定量分析有更好的适用性。研究表明,LIBS技术能够实现对土壤重金属Pb和Cd含量的定量检测,为开发实时便携式LIBS土壤重金属检测仪提供了理论基础。     

基于近红外高光谱成像技术鉴别杂交稻品系

种子的筛选和鉴别是农业育种过程中的关键环节。该文基于近红外高光谱成像技术(874~1 734 nm)结合化学计量学方法以及图像处理技术实现杂交稻种的品系鉴别及可视化预测。采集了3类不同品系共2 700粒杂交水稻的高光谱图像,用SPXY算法,按照2∶1的比例划分建模集和预测集。基于水稻样本的光谱特征,采用主成分分析(PCA)方法初步探究3类样本的可分性。采用连续投影算法(SPA),提取出7个特征波长:985.08、1 106、1 203.55、1 399.04、1 463.19、1 601.81、1 645.82 nm。基于特征波长和全波段光谱,建立了偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型。试验结果表明,所建模型判别效果较好,识别正确率均达到了90%以上,其中,SVM模型的判别效果优于PLS-DA模型,基于全谱的判别分析模型结果优于基于特征波长的判别模型。结合SPA-SVM校正模型和图像处理技术,生成样本预测伪彩图,可以直观的鉴别不同品系的水稻种子。结果表明,近红外高光谱成像技术可以实现杂交稻的品系识别及可视化预测,为农业育种过程中种子的快速筛选及鉴定提供了新思路。     

基于微流控和比色光谱法的水产养殖海水氨氮含量检测

为实时、准确地获取水产养殖海水中氨氮含量,以大围网养殖海水中的氨氮为研究对象,在比色光谱法基础上结合微流控技术进行靛酚蓝法比色反应,实现对溶液中氨氮含量的定量检测。建立数据处理后相应的模型,并且对比了不同光谱预处理和不同样本集划分算法对建立预测模型的影响,其中多元散色校正（MSC）后再使用小波平滑的预处理方法结合排序法划分样本集建立的偏最小二乘（PLS）回归模型效果最优,建模集校正标准差（RMSEC）和预测集校正标准差（RMSEP）分别为0.0566mg/L和0.0677mg/L,相对分析误差（RPD）为6.8932;在优化条件下测得方法的线性范围和检测限分别为0.005~1.350mg/L和0.0036mg/L。对海水、自来水和养殖水体进行加标回收实验,平均回收率在94%~109%之间,相对标准偏差在2.3%~5.8%之间。结果表明,实验建模效果良好,操作简单、方便,实验快速、可靠、无污染,表明利用比色光谱法结合微流控技术检测氨氮方法可行。     

生菜叶中磷含量的光谱定量分析

为快速、准确检测生菜叶内的磷含量,提出了应用光谱技术结合化学计量法无损检测生菜叶内磷含量的方法。通过获取不同施磷量下生菜叶片于波长350~2500nm处的反射光谱,对光谱数据进行5点平滑和一阶导数变换后,利用联合区间偏最小二乘算法（siPLS）提取了与生菜叶磷元素相关的4个特征波段,即950~1070nm, 1430~1549nm,1906~2025nm和2144~2263nm。进一步利用连续投影算法（SPA）对全光谱波段和4个特征波段进行特征波长提取,分别筛选出变量63个和25个。分别对4个特征波段、63个和25个特征波长进行主成分降〖JP2〗维,当主成分数分别为7、5和4时,隐含层神经元数分别为7、5和3时,建立了siPLS+BPANN,SPA+BPANN,siPLS+〖JP〗SPA+BPANN生菜叶磷含量检测模型。研究结果表明：siPLS+SPA+BPANN模型的预测结果优于其他模型,验证集相关系数为0.911,验证均方根误差为479mg/kg。     

基于PCA_SVR的油菜氮素光谱特征定量分析模型

研究了采用光谱分析技术对油菜植株全氮进行定量分析的方法.采用逐步回归法对氮素的光谱特征波长进行选择,为克服光谱变量间多重共线性的影响,对变量进行了主成分分析(PCA),为提高模型的拟合优度,应用支持向量机回归(SVR)建立油菜氮素的定量分析模型.对不同氮素水平的油菜冠层光谱数据进行分析,结果表明,406、460、556、634、662、675nm的光谱反射率与油菜含氮量呈极显著相关.植株全氮SVR模型预测值与实测值的相关系数为0.89,模型的检验误差(RMSE)为2.51.