基于植物根系仿生的土壤热湿迁移数值模拟

以实验数据为依据,把土壤中的水分含量和水分梯度分布作为影响植物根系生长的环境因子,结合非饱和多孔介质中传热传质的数学模型,对冬小麦的根系生长进行仿生模拟,分析根系吸水对非饱和土壤湿分与热量传递的影响。在相同环境条件下,对裸土和有作物覆盖的土壤床中的热、湿迁移也进行了模拟比较。     

作物覆盖条件下土壤中水热分布的稳态数值比较

本文应用非饱和多孔介质中传热传质的数学模型,考虑到作物根系和冠层的影响,对稳态情况下圆柱形士壤床中的水热分布进行了数值计算模拟。在不同环境条件下对土壤中的水热分布也进行了模拟计算。同时,在相同环境条件下对有作物覆盖的土壤床和无作物覆盖的土壤床中的水热分布也进行了模拟比较。文中数值模拟的结果较好地反映了实际情况。     

土壤表层湿度影响下冬小麦晚霜冻害及冠层光谱检测

为探究土壤表层湿度影响下冬小麦冠层光谱反射率响应晚霜冻害的特征,并检验敏感光谱波段预测小麦产量变化的能力,于2013和2014年小麦拔节期,分别设置了表层土壤含水量为10%(干)、10%~20%(中)和20%(湿)的三个湿度处理的冻前试验,并在低温室内进行降温处理。分析了不同土壤表层湿度下受冻冬小麦的穗数、穗粒数、千粒重、单株产量、冠层光谱反射率及其一阶微分值的差异,对冬小麦冻害产量变化率和高光谱特征参量进行了相关分析和一元线性拟合。结果表明:冬小麦穗粒数和单株产量总体上均随土壤表层湿度的降低而呈减少态势,在土壤表层干处理条件下冻害对冬小麦产量造成的影响最为显著(p0.05);在绿峰(523nm附近)、黄边(571nm附近)、红边(732nm附近)和近红外台的两个水分吸收带(952和1 145nm附近),干+冻害处理冬小麦冠层反射率的一阶微分值与中+冻害、湿+冻害处理的差值明显;剥离了土壤表层湿度对光谱的影响后,冬小麦冠层反射率一阶微分差值在以570nm为中心的黄边区域和以710nm为中心的红边区域对干、中和湿梯度处理下晚霜冻害响应的差异明显;两年试验中的黄边面积(SDy)和570nm处一阶微分值(d570)均与冻害产量变化率达到显著正相关(p0.05),说明黄边区域的高光谱特征参量可用于检测土壤表层湿度影响下的冬小麦晚霜冻害程度。本研究可为土壤表层湿度和晚霜冻害叠加影响下冬小麦产量变化预测方法的探讨提供参考。     

用数值模拟对循环流化床颗粒分离特性的研究

针对循环流化床铁矿粉烧结技术中的关键问题,用离散颗粒数值模拟方法对不同密度床科颗粒在床内的分布进行了数值模拟。数值模拟将气相场和离散颗粒场分别用欧拉方法和拉格朗日方法进行处理,在每一时间步长内对气相场和离散颗粒场的相互作用进行耦合,得出了石英砂和铁矿粉混合床料在循环流化床内的分离规律。数值模拟结果与国外相同研究的实验结果进行了对比,验证结果表明本文所得到的模拟结果具有较高的准确性。     

压力循环流化床中的传热研究

本文从理论与试验上研究压力循环流化床中床－壁面传热系数的变化规律。对常压循环流化床中的传热模型进行修正，发展了压力循环流化床中的传热模型。试验测试了床内传热系数随床内固体颗粒浓度、颗粒径和运行风速的变化规律。提出计算床－壁面传热系数的无量纲经验公式。     

密封舱室内氧气再生过程的模拟计算

建立了封闭舱室内氧气再生与二氧化碳降浓的数学模型,采用S-系统在对数空间内对模型进行了数值解析,通过计算机模拟计算,讨论了系统中氧气和二氧化碳浓度随时间的变化情况,以及小球藻的液相培植对气相中氧气浓度的影响。计算结果表明通过培植小球藻来再生氧气并减少二氧化碳,维持密封舱内生命生存是可能的。     

喷动床气固流动特性的三维CFD-DEM数值模拟

开展了柱锥形气固流动特性的CFD-DEM耦合三维数值模拟研究。气相场采用基于欧拉坐标体系的k-ε双方程湍流模型,固相场采用基于拉格朗日坐标体系的DEM直接数值模拟方法,跟踪离散颗粒场的每一个颗粒,考虑颗粒与颗粒(壁面)之间的碰撞力、曳力、重力、Magnus升力、saffman升力。颗粒之间的碰撞采用Hertz-Mindlin无滑移模型计算。模拟对象为柱锥形喷动床,其直径为0.152 m,喷口直径为0.019 m,模拟颗粒数22万,探讨了喷动床中射流随时间的发展,不同气速下床内气固流动结构,以及颗粒速度与颗粒浓度的分布,并与实验数据进行了对比。     

循环流化床高氧气浓度下的煤燃烧试验

在燃烧室高度6000 mm、直径140 mm、热功率0 15 MW的循环流化床燃烧试验系统上,研究煤在40%以上氧气浓度中的燃烧特性。试验结果表明,循环流化床在O2/N2气氛下、平均氧气浓度48.8%～52.3%范围内,可以实现普通烟煤的稳定燃烧;通过优化试验参数,煤的燃烧效率达到95.6%;物料循环量为404 kg/h,循环倍率为17.6。     

微流燃料电池空气阴极物质传输孔隙尺度模拟

采用格子Boltzmann方法研究了微流燃料电池空气阴极多孔扩散层内多组分物质传输特性。随机重构了扩散层,获得渗透率及有效扩散系数。建立了耦合边界电化学反应的二维模型,研究了过电位、孔隙率对氧气、水蒸气浓度分布及局部反应速率的影响。结果表明,常用的Bruggeman经验关联式会高估氧气有效扩散系数;扩散层孔隙结构对物质传输有重要影响,孔隙率减小使得传质阻力增大,导致局部氧气浓度降低,局部反应速率降低,而水蒸气浓度增大,当孔隙率从0.83降至0.7,催化界面平均氧气浓度从8.472降至8.466 mol·m^-3。     

可在线校准的大气CO_2浓度光声光谱监测系统研究

Fs光声光谱系统的谐振频率和池常数通常在实验室由标准气体标定得到,但在实际应用中,由于标准气体本身的不确定度以及与被测气体成分的不同、环境温湿度的变化,使得现场测量中谐振频率和池常数与实验室标定结果有偏差,从而导致测量结果不准确。为了解决以上问题,提出了基于大气中氧气的在线校准技术,并将该技术用于检测大气中二氧化碳浓度的光声光谱系统。大气中氧气浓度恒定为20.964%,通过探测氧气在763.73nm附近的扫频信号及峰值信号,实现共振频率和池常数的在线校准。该系统中光声池为直径6mm,长度100mm的一阶纵向共振模式结构。理论上分析了环境温湿度、气体成分对光声池性能的影响,同时给出了用标准气体、室内空气和室外空气标定的谐振频率和池常数,在标定结果的基础上,测量得到室内和室外的二氧化碳浓度值。实验结果显示,与校准过的气体分析仪的测量值相比,用被测大气中的氧气标定的谐振频率和池常数计算的二氧化碳浓度更准确,相对误差小于1%,远小于实验室标准气体标定计算的浓度相对误差。创新处在于,直接利用大气中的氧气对光声池的池常数和共振频率进行在线校准,有效的减小了标准气体标定带来的误差,以及环境变化带来系统漂移,提高光声系统在线监测的准确性和可靠性。     

基于无人机高光谱遥感的冬小麦全氮含量反演

氮素是作物生长发育必需的营养元素之一,作物的全氮含量是表征其氮素状况的主要指标。田块尺度的冬小麦全氮含量空间分布监测可以辅助其精准定量追肥,减少环境污染。无人机高光谱遥感具有分辨率高、时效性高、成本低等优势,可为作物长势信息反演提供重要数据源。XGBoost（extreme gradient boosting）作为一种新兴集成学习算法,运行效率高,泛化能力强,可以有效的应用于构建冬小麦全氮含量遥感反演模型,预测田块尺度冬小麦全氮含量空间分布。以农业部蒙城砂姜黑土生态环境站内拔节期冬小麦为研究对象,开展以下工作: （1）以低空无人机搭载高光谱成像仪获取冬小麦拔节期冠层成像光谱影像,结合地面采样数据,获取126个样点全氮含量数据;（2）分析拔节期冬小麦冠层光谱特征,并根据Person相关系数分析176个波段的光谱反射率与全氮含量之间的相关性;（3）构建基于XGBoost算法的不同土壤肥力条件下拔节期冬小麦全氮含量无人机高光谱反演模型。结果表明: （1）176个波段（400~1 000 nm）的光谱反射率与冬小麦全氮含量之间具有较强的相关性,除了735.5 nm外其他波段光谱反射率与全氮含量之间的相关系数均大于0.5;（2）基于XGBoost算法构建的拔节期冬小麦全氮含量无人机高光谱遥感反演模型具有较高的反演精度（R2=0.76,RMSE=2.68）;（3）基于XGBoost算法的冬小麦全氮含量反演模型可以获取不同土壤肥力条件下田块尺度的全氮含量空间分布图,总体上呈现较为显著的空间差异。该研究可为冬小麦精准定量追肥提供一定的科学依据,也为发展无人机高光谱遥感的精准农业应用提供了参考。     

基于可见光谱与轻量级卷积神经网络的冬小麦分蘖数估算

分蘖数是表征冬小麦生长的关键性参数,对于冬小麦苗情监测、产量预估具有重要意义。针对目前冬小麦分蘖数估算方法存在的数据获取繁复和估算模型体量大的问题,提出一种基于可见光图像和轻量级卷积神经网络的冬小麦分蘖数估算方法,以期实现冬小麦分蘖数无损快速估算,并且可嵌入移动终端设备。可见光图像具有获取便捷,处理简单的特点,利用数码相机连续采集2017年—2018年和2018年—2019年两个生长季的冬小麦冠层可见光图像。利用该数据图像,分别构建基于轻量级卷积神经网络MobileNetV2,SqueezeNett,ShuffleNet的冬小麦分蘖数估算模型进行比较试验,并与基于非轻量级卷积神经网络AlexNet和ResNet系列构建的估算模型进行对比试验。开展冬小麦分蘖数估算模型针对不同植株密度数据的鲁棒性以及针对不同生长季数据的泛化能力的验证试验。结果表明,基于MobileNetV2构建的冬小麦分蘖数估算模型的决定系数（R2）为0.7,归一化均方根误差（NRMSE）为0.2,在三个轻量级卷积神经网络中具有最优表现;基于非轻量级卷积神经网络构建的冬小麦分蘖数估算模型体积是基于MobileNetV2构建的冬小麦分蘖数估算模型的2.3~16.1倍。与非轻量级卷积神经网络相比较,基于MobileNetV2构建的估算模型在具有较好R2的同时有较小的体量,适宜嵌入移动终端设备;针对120,270和420 株·m-2三个不同植株密度的可见光图像数据集,基于MobileNetV2构建的冬小麦分蘖数估算模型的R2分别为0.8,0.8和0.7,表现鲁棒;针对两个生长季的可见光图像,基于MobileNetV2构建的冬小麦分蘖数估算模型通过迁移学习将R2提升了2倍,NRMSE下降了7.6%,表现出对数据季节性差异较好的适应性,体现了模型的泛化能力。利用可见光图像,基于MobileNetV2构建的估算模型能够满足冬小麦分蘖数估算需求,为冬小麦生长观测以及田间农艺措施管理决策提供了一个准确、鲁棒、可嵌入移动终端设备的工具。     

冬小麦冻害胁迫高光谱分析与冻害严重度反演

对冬小麦冻害严重度的精确反演是及时采取补救措施降低损失的关键,同时及时预测产量损失对政府职能部门也具有积极意义。针对冬小麦冻害群体严重度评估方法在经典统计反演模型存在估算效果不理想的情况下,以冬小麦为试验对象,首先对冬小麦冠层光谱反射率数据进行重采样平滑处理,再用主成分分析(PCA)技术对高光谱数据进行分析,进一步实现综合原始光谱主成分信息作为自变量参与冬小麦冻害严重度反演过程,最后采用决定系数R2、均方根误差RMSE、准确度Accuracy三种模型精度验证方法对模型进行评价。结果显示,基于主成分分析法建立冬小麦冻害严重度模型精度分别达0.697 5,0.184 2和0.697 5;同时对反演模型进行验证,其精度也分别达到0.630 9,0.350 3和1.339 6。因此,该方法能有效地对冬小麦冻害严重度进行快速、精确的反演。     

监测小麦叶片氮积累量的新高光谱特征波段及比值植被指数

实时、快速、无损监测作物氮素状况对于精确氮肥管理具有重要意义。传统的氮素估测方法在时间或空间上难以满足要求,新兴的高光谱遥感技术为作物氮素监测提供了有效手段和技术途径。本研究的目的是基于三个田间试验的系统观测资料,探索可用于小麦叶片氮素监测的新的高光谱敏感波段及比值指数。利用减量精细采样法,系统构建了350～2 500 nm范围内所有两两波段形成的比值光谱指数RSI(ratio spectral index),综合分析了小麦叶片氮积累量LNA(leaf nitrogen accumulation)(g N·m-2)与RSI的定量关系,发现了监测叶片氮积累量的新高光谱特征波段(990, 720)和光谱指数RSI(990, 720),建立了相应的监测模型y=5.095x-6.040,模型的决定系数(R2)为0.814。利用独立试验资料检验模型,决定系数(R2)为0.847,相对根均方差(RRMSE)为24.70%,表明模型预测值与观察值之间的符合度较高。因此,利用高光谱比值指数RSI(990, 720)来估算小麦叶片氮积累量是精确可行的。该结果为便携式小麦氮素监测仪的研制开发及遥感信息的快速提取提供了适用可行的波段选择与技术依据。     

遥感植被指数和CASA模型估算山东省冬小麦单产

准确估算区域尺度冬小麦单产对明确区域农业生产现状与保证国家粮食安全有重要意义。光能利用率模型是作物单产估算的常用模型之一,模型中最大光能利用率（ξ_max）是准确估算作物单产的关键参数,作物的ξ_max是否随时间发生变化需要深入探讨。首先使用Savitzky-Golay（S-G）对中分辨率成像光谱仪（MODIS）时序植被指数数据进行滤波,采用差分法结合光谱突变法提取了山东省2000年-2015年冬小麦种植面积,并使用市级尺度年鉴统计面积对提取面积进行验证,然后使用固定ξ_max和变化ξ_max分别驱动光能利用率模型（CASA）,结合作物收获指数与冬小麦种植面积获取山东省2000年-2016年冬小麦单产时空分布特征,探讨最大光能利用率对作物单产模拟的影响。结果表明,滤波后的时序植被指数数据能够反映冬小麦生长的光谱特征,差分法与光谱突变法结合提取冬小麦面积具有较好的普适性,提取的多年冬小麦种植面积与年鉴统计冬小麦播种面积之间的决定系数（R2）达0.71;变化ξ_max情景下模拟的多年冬小麦单产与统计单产之间的决定系数更高,说明冬小麦ξ_max是随时间变化的,可能与冬小麦品种更替有关。基于统计与模拟的结果均显示山东省冬小麦单产在2000年-2016年间呈现增加趋势,两者表现出来的增加速率分别为93.12和149.79 kg·hm-2·a-1。在空间上,山东省冬小麦单产呈现西部高于东部的分布特征。     

基于无人机多光谱影像的冬小麦返青期变量施氮决策模型研究

氮素是影响冬小麦生长的重要元素,如何根据冬小麦需求适时变量施用氮肥是现代农业精准施肥研究需要解决的关键问题之一。无人机遥感技术在冬小麦生长情况监测中具有高分辨率、高时效性、低成本等优势,为解决施肥需求监测问题提供了重要数据源。因此研究无人机多光谱影像数据,构建其与冬小麦产量与施肥量之间的关系模型对于精准施肥研究十分重要。选择冬小麦典型生产区山东省桓台县为实验区,布置4种不同施氮水平的田间实验。利用无人机搭载Sequoia多光谱传感器,采集实验区不同氮素施肥水平的冬小麦返青初期多光谱影像,同时测得冬小麦冠层叶绿素含量（soil and plant analyzer development,SPAD）数据及产量数据。通过多光谱影像数据计算获得归一化植被指数（normalized difference vegetation index,NDVI）、叶绿素吸收指数（modified chlorophyll absorption ratio index,MCARI2）等6种形式植被指数,建立无人机多光谱影像植被指数与小麦冠层SPAD值的线性、二阶多项式、对数、指数和幂函数模型,优选地面氮素状况最优植被指数模型,反演冬小麦不同施氮水平的状况,进而根据不同施氮水平与敏感植被指数和冬小麦产量的关系,构建了基于植被指数指标的氮肥变量施肥模型,并将模型应用于同时期小麦多光谱影像。结果如下：（1）地面实测的SPAD值能较好的反映冬小麦施氮水平及生长状况。无人机多光谱数据分区统计结果表明不同施氮水平冬小麦冠层反射率有较大差异性。（2）结构性植被指数与SPAD拟合效果优于其他类型指数。MCARI2的二阶多项式模型精度最优（R2=0.790,RMSE=0.22）,其能较好的移除冬小麦返青初期土壤背景等因素的影响,为氮肥敏感植被指数。（3）基于产量-施氮量模型和产量-敏感植被指数模型,构建敏感植被指数的氮肥变量施肥模型为N_r=10 707.63×MCARI22-5 992.36×MCARI2+715.27。通过模型应用生成了实验区冬小麦氮肥变量施肥图,与实际情况具有较高一致性。该研究提出了利用无人机多光谱数据进行冬小麦施氮决策的模型及方法,为冬小麦精准施肥的进一步研究提供了依据。     

MODIS EVI时间序列数据和光谱角聚类的冬小麦遥感估产分区方法研究

农作物遥感估产区划是农作物遥感估产的基础,它为估产研究和实践提供了重要的科学依据。以冬小麦生育期内的MODIS EVI时间序列作为分区数据,选择江苏省为试验区,探讨了一种改进的光谱角制图和K均值聚类相结合(光谱角聚类)的分区方法,并在冬小麦遥感估产中进行了试验。结果表明：光谱角聚类分区方法充分利用了MODIS时间序列数据所反映的农作物生长进程,可以充分体现气候差异所带来的冬小麦区域差异;与传统分区相比,基于光谱角聚类分区方法所得到的遥感估产结果具有较高的决定系数R2(0.702 6比0.624 8)和较低的均方根误差RMSE(343.34比381.34 kg·hm-2),体现了该分区方法在冬小麦遥感估产中的优势。光谱角聚类分区方法仅以获取便利的低分辨率时间序列遥感数据为分区数据,且能很好的将冬小麦划分为特征性质一致的区域,所得遥感估产模型的精度和稳定性也较好,为冬小麦遥感估产分区提供了一种有效方法,有利于进行冬小麦遥感估产研究。     

N2O concentration and isotope signature along profiles provide deeper insight into the fate of N2O in soils†

Nitrous oxide is an important greenhouse gas and its origin and fate are thus of broad interest. Most studies on emissions of nitrous oxide from soils focused on fluxes between soil and atmosphere and hence represent an integration of physical and biological processes at different depths of a soil profile. Analysis of N₂O concentration and isotope signature along soil profiles was suggested to improve the localisation of sources and sinks in soils as well as underlying processes and could therefore extend our knowledge on processes affecting surface N₂O fluxes. Such a mechanistic understanding would be desirable to improve N₂O mitigation strategies and global N₂O budgets. To investigate N₂O dynamics within soil profiles of two contrasting (semi)natural ecosystem types (a temperate acidic fen and a Norway spruce forest), soil gas samplers were constructed to meet the different requirements of a water-saturated and an unsaturated soil, respectively. The samplers were installed in three replicates and allowed soil gas sampling from six different soil depths. We analysed soil air for N₂O concentration and isotope composition and calculated N₂O net turnover using a mass balance approach and considering diffusive fluxes. At the fen site, N₂O was mainly produced in 30–50 cm soil depth. Diffusion to adjacent layers above and below indicated N₂O consumption. Values of δ¹⁵N and δ¹⁸O of N₂O in the fen soil were always linearly correlated and their qualitative changes within the profile corresponded with the calculated turnover processes, suggesting further reduction of N₂O. In the spruce forest, highest N₂O production occurred in the topsoil, but there was also notable production occurring in the subsoil at a depth of 70 cm. Changes in N₂O isotope composition as to be expected from local production and consumption processes within the soil profile did hardly occur, though. This was presumably caused by high diffusive fluxes and comparatively low net turnover, as isotope signatures approached values measured for ambient N₂O towards the topsoil. Our results demonstrate a highly variable influence of diffusive versus production/consumption processes on N₂O concentration and isotope composition, depending on the type of ecosystem. This finding indicates the necessity of further N₂O concentration and isotope profile investigations in different types of natural and anthropogenic ecosystems in order to generalise our mechanistic understanding of N₂O exchange between soil and atmosphere.     

近红外光谱小波分析在土壤参数预测中的应用

从田间采集了150个田间土壤样本,在分析了所有样本的土壤参数统计特征之后,对原始近红外光谱数据进行了聚类分析,分别得到了50个土壤全氮和50个土壤有机质的等价样本及其对应光谱。对样本光谱曲线进行8层Biorthogonal小波包分解,分解得到的最低低频[80]结点对应着土壤水分以及土壤质地的光谱变化趋势,最高高频[8 255]结点对应着土壤粒度、光谱仪精度等引起的高频震荡。对以上两个结点进行重构并从样本光谱曲线中剔除以上影响成分,得到了对应的土壤参数特征光谱。基于特征光谱建立了土壤参数偏最小二乘回归模型：全氮偏最小二乘预测模型的预测系数r_c达到了0.960,验证系数r_v达到了0.920;有机质偏最小二乘预测模型的预测系数r_c达到0.922,验证系数r_v达到0.883。模型精度明显提高,满足实际生产的需要。     

基于可见光光谱和随机森林算法的冬小麦冠层图像分割

数字图像分析技术因其高效、快速等特点,已被广泛应用于作物长势和氮素营养状况的无损监测领域。获取作物冠层覆盖度及可见光光谱亮度值及其衍生的色彩指数,需要从作物冠层图像中准确分割出作物图像。研究以冬小麦与背景(土壤)在可见光波段反射率的差异为依据,利用基于CIEL*a*b*色彩空间a*分量的最大类间方差法和基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法对冬小麦冠层图像进行了分割,并比较了图像分割精度。结果表明,三种方法均具有较高的分割精度,其中基于随机森林算法的图像分割效果明显好于最大类间方差法,而基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法的图像分割效果差异较小。研究结果表明,随机森林算法可直接利用冠层图像可见光波段的三个色彩分量(R,G和B)分割冬小麦冠层图像。