基于毛竹叶片理化参数的刚竹毒蛾危害检测研究

虫害检测算法研究是开展虫害快速、准确监测，制定精准森防检疫措施的重要基础。以毛竹叶片为研究尺度，基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结，选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66~898.56 nm值(ρ_{733.66~898.56})、一阶微分光谱的562.95~585.25 nm值(ρ′_{562.95~585.25})与706.18~725.41 nm值(ρ′_{706.18~725.41})等理化参数，随机划分实验组(63组)和验证组(37组)并设计5次重复实验；分别运用Fisher判别分析、BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型，从检测精度、Kappa系数及R2等指标对模型的检测效果予以分析和比较。结果显示，Fisher判别分析、BP神经网络、随机森林的检测精度分别为69.19%，65.41%，83.78%，Kappa系数分别为0.576 9，0.532 4和0.778 8，R2分别为0.722 2，0.582 6和0.870 9，总体而言，三种方法均具备刚竹毒蛾危害的检测能力，随机森林的检测效果最优，Fisher判别分析次之，再次为BP神经网络；从分等级来看，随机森林的检测精度亦优于Fisher判别分析与BP神经网络，但3种方法对中度危害等级的检测精度均有所不足。该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考，并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础。     

松毛虫危害马尾松光谱特征分析与等级检测

以福建省延平区实测51条不同虫害等级的马尾松高光谱数据为基础,对健康、轻度虫害、中度虫害、重度虫害等4个虫害等级光谱反射率及一阶微分光谱特征进行分析,并在建立7个检验参数的基础上,构建了虫害等级的检测模型。结果表明:(1)虫害状态下的马尾松光谱反射率明显较健康状态低,虫害等级越高,反射率越低;(2)随着虫害等级的上升,马尾松光谱反射率曲线"绿峰"和"红谷"渐趋消失,红边被拉平;(3)虫害导致光谱"绿峰"红移、红边位置蓝移,但"红谷"与近红外反射峰位置的变化则较为复杂;(4)CARI,RES,REA,REDVI与松毛虫害等级显著相关,REP,RERVI,RENDVI与虫害等级的相关性较弱;(5)以7个检验参数为自变量的多元线性回归模型可以较为有效地检测松毛虫害等级,检测精度与准确度均达0.85以上。     

高光谱数据的刚竹毒蛾虫害程度检测

刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系,提取冠层光谱中与虫害紧密相关的特征波长、指数以及光谱参数等,利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。分别以原始光谱的400～508,586～693和724～900 nm处的波长、包络线去除光谱的400～756 nm之间的特征波长、9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量,构建判别函数。收集300组毛竹叶片虫害样本数据,随机划分为210组建模集与90组验证集,根据检测精度、Kappa系数以及判定系数R2作为检验标准,对建立的判别函数进行效果评价与对比。结果表明,以原始光谱、去包络线光谱、冠层指数、光谱参数为自变量建立的Fisher判别函数的检验精度分别为：84.4%,81.1%,79.7%,78.7%;Kappa系数分别为：0.79,0.74,0.74,0.76;R2分别为：0.89,0.88,0.88和0.85。由此可知,Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力,而且基于冠层原始光谱建立的判别函数检测效果最佳。根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。检测结果为：上湖两个样区的竹林以健康为主。洋门两个样区虫害程度以中度和重度为主。因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性,该方法可为虫害检测的探究提供参考,为基于冠层遥感虫害检测贡献理论支撑。     

融合SIF和反射光谱的小麦条锈病遥感监测

日光诱导叶绿素荧光(SIF)能够敏感反映作物病害胁迫信息,然而冠层几何结构等因素严重影响了SIF对植被光合功能变化及其受胁迫状况的捕捉能力。为此,将能够敏感反映作物群体生物量的归一化差值植被指数（NDVI）和MERIS陆地叶绿素指数(MTCI)与SIF_P相融合(SIF_P-NDVI,SIF_P-MTCI,SIF_P-NDVI*MTCI),对比分析融合前后SIF对小麦条锈病的遥感监测精度。结果表明：（1）融合反射率光谱指数的SIF_P-NDVI,SIF_P-MTCI和SIF_P-NDVI*MTCI较融合前的SIF_P与病情指数(DI)相关性均有不同程度的提高,其中O₂-B波段提高最为明显,分别提高了23.48%,33.61%和36.49%,O₂-A波段提高量最小,分别提高了2.39%,2.14%和1.51%;（2）以SIF_P-NDVI和SIF_P-MTCI为自变量,基于随机森林回归(RFR)算法构建的小麦条锈病遥感监测模型预测DI值和实测DI值间的R2较SIF_P分别平均提高了1.15%和4.02%,RMSE分别平均降低了2.7%和14.41%;（3）综合利用NDVI和MTCI处理后的SIF_P-NDVI*MTCI为自变量构建的小麦条锈病遥感监测模型精度最优,其预测DI值和实测DI值间的R2较SIF_P平均提高了5.74%,RMSE平均降低了22.52%。研究结果对提高小麦条锈病遥感监测精度具有重要意义,同时亦对其他作物的病害监测具有一定的参考价值。     

基于比值导数法的棉花蚜害无人机成像光谱监测模型研究

蚜虫是棉花的主要害虫之一,我国棉花产量每年因蚜虫危害造成的损失高达5%～10%。田块尺度的棉花蚜害空间分布监测可以辅助精准定量施药,减少环境污染。利用无人机搭载成像光谱仪获取的“图谱合一”的遥感数据因其具有分辨率高、时效性高、成本低等优势,可为作物病虫害监测提供了重要数据源。比值导数法模型简洁,运行效率高,结果精确,可以有效的应用于遥感反射率光谱解混处理,提取对目标信息较为敏感的波段,为构建虫害监测模型提供了有效的手段。因此本研究选择棉花典型生产区新疆库尔勒地区为实验区,开展以下工作: （1）以低空无人机搭载成像光谱仪获取棉花蕾期冠层成像光谱影像,结合地面调查数据,获取76个样点光谱数据及蚜害严重度(包含健康植株16个,蚜害严重度1～4级每级选取15个);(2)分析不同蚜害严重度棉花冠层光谱的特征,并利用比值导数法筛选出对蚜害胁迫敏感的光谱波段,分别为514,566和698 nm波段; (3)构建基于三个敏感波段的光谱反射率、比值导数光谱值的一元线性回归和偏最小二乘法的蚜害严重度估测模型。结果表明：(1)蚜害对棉花冠层的光谱反射率有显著影响。棉株受蚜害胁迫越严重,其在可见光区域的反射率越高,近红外波段反射率越低,发生红边区域“蓝移”;（2）比值导数法可有效提取蚜害棉花冠层光谱敏感波段,所筛选的514,566和698 nm三个波段与相关系数法所筛选的敏感波段一致;(3)利用敏感波段比值导数光谱值所构建的蚜害严重度估测模型精度优于敏感波段光谱反射率所构建的模型, 其中698 nm波段构建的模型精度最佳（R2=0.597, RMSE=0.91）; (4)三个敏感波段的比值导数光谱值所构建的偏最小二乘多元回归模型精度优于单个波段比值导数光谱值所构建的模型（R2=0.612, RMSE=0.89）;(5)基于比值导数法的棉花蚜害无人机成像光谱监测模型可以获取田块尺度的不同严重度蚜害空间分布图,对于精准定量施药有重要的指示意义。     

低空遥感平台下可见光与多光谱传感器在水稻纹枯病病害评估中的效果对比研究

高效无损地评估农作物病害等级,对于实际农业生产和研究都具有重要意义。研究探讨了基于低空无人机遥感平台进行水稻纹枯病病害等级评估的可行性,分析可见光与多光谱传感器的光谱响应差异及其对感病水稻光谱反射率获取的影响,并定量对比两种传感器的病害监测效果。实验研究区由67个不同品种的水稻小区组成,每块小区均分为相接的纹枯病接种区和侵染区。以大疆精灵Phantom 3 Advanced小型消费级无人机作为搭载平台,分别搭载该无人机系统自带的可见光传感器和MicasenseRedEdgeTM多光谱传感器获取遥感影像。同时,通过植保专家现场调查的方式识别病害等级,并利用Trimble公司的手持式NDVI测量仪获取实测NDVI值。基于影像拼接、波段叠合、辐射校正后的预处理结果,对可见光图像的接种区和侵染区共134个小区计算七种可见光植被指数,即NDI（normalized difference index）, ExG（excess green）, ExR（excess red）, ExG-ExR,B*,G*,R*,多光谱图像除上述可见光指数外再计算NDVI（normalized difference vegetation index）, RVI（ratio vegetation index）和NDWI（normalized difference water Index）三种多光谱植被指数。将计算得到的图像植被指数与地面实测NDVI进行相关性分析,以选取两种传感器的最优图像植被指数建立水稻纹枯病病害等级反演模型。相关性分析结果表明,基于多光谱传感器计算的图像NDVI与实测NDVI拟合度最高,接种区R2为0.914,RMSE为0.024,侵染区R2为0.863,RMSE为0.024。对于可见光传感器,NDI与实测NDVI的相关性最好,接种区R2为0.875,RMSE为0.011,侵染区R2为0.703,RMSE为0.014。比较两种传感器两种区域的同一图像植被指数与实测NDVI的一致性,除B*外,NDI,ExR,ExG-ExR,G*,ExG,R*与实测NDVI基本属于高度相关,在病害严重的接种区,两种传感器对水稻纹枯病的监测效果相近,但在病害相对较轻的侵染区,多光谱传感器的监测更为精确灵敏。基于多光谱图像NDVI建立的病害等级反演模型,R2达到0.624,RMSE为0.801,预测精度达到90.04%,模型效果良好。而基于可见光图像NDI建立的反演模型,R2为0.580,RMSE为0.847,预测精度为89.45%,效果稍差。对比分析可见光与多光谱传感器的光谱响应曲线,可见光传感器可获取可见光范围的红、绿、蓝三个波段,波段范围互相重叠,多光谱传感器包含五个成像单元,可独立获取从可见光到近红外的五个窄波光谱波段,提供更加准确的光谱信息。比较传感器获取的接种区和侵染区水稻平均反射率曲线得出,多光谱传感器不仅在可见光波段反映了较可见光传感器更强的差异,在红边和近红外波段差异则更加明显,这说明专业窄波段传感器在病害监测方面较宽波段消费级传感器更有优势。综上所述,基于可见光与多光谱传感器的低空无人机遥感平台进行水稻纹枯病病害等级评估是可行的,多光谱传感器精确灵敏,可用于纹枯病的早期监测,可见光传感器效果稍差但经济易于推广。研究结果为病虫害防治提供决策支持,有助于推动实现精准农业,保障粮食安全。     

基于Sentinel-2卫星数据的水稻叶片叶绿素含量反演研究

叶绿素含量是评价农作物健康状况、生产能力和环境胁迫的重要指标,实时、快速、准确获取农作物叶片叶绿素含量对监测农作物生长状况具有重要意义。遥感是获取区域和全球农作物叶片叶绿素含量的有效途径,但已有的作物叶片叶绿素含量遥感反演研究未充分考虑下垫面背景的干扰,影响了反演精度。为此,以Sentinel-2遥感卫星影像为数据源,结合典型水稻田的观测数据,使用PROSAIL辐射传输模型建立了水稻田叶片叶绿素含量反演查找表,评估了利用绿光波段和不同红边波段构建的叶绿素指数（CI）和两个不同红边波段构建的Zarco and Miller指数（ZM）反演叶片叶绿素含量的差异,引入G（Greenness index）指数减小背景干扰对叶片叶绿含量反演的影响。研究结果表明：（1）基于不同波段构建的光谱指数反演的叶片叶绿素含量精度存在差异,其中CI₇₄₀(R2=0.79, RMSE=9.02 μg·cm-2) 反演精度最高,其次为ZM(R2=0.71, RMSE=10.53 μg·cm-2)、CI₇₀₅(R2=0.69, RMSE=9.17 μg·cm-2) 和CI₇₈₃(R2=0.67, RMSE=10.84 μg·cm-2);（2）水稻叶片叶绿素含量反演结果受背景影响明显,特别在水稻生长早期,由于背景干扰较大,反演结果明显偏低[平均相对误差（MRE）为-18.87%~-31.94%];（3）引入G指数构建的CI/G和ZM/G可以有效消除背景的影响,提高水稻叶片叶绿素含量反演精度（MRE为8.11%~18.11%）。结果对提高水稻不同叶面积指数水平下的叶片叶绿素含量遥感反演精度具有重要参考意义。     

基于时序NDVI与光谱微分变换的森林优势树种识别

基于遥感光谱特征准确识别优势树种类型对于区域林业资源的监测和经营具有重要意义,也是当前亟待解决的重要科学问题。伴随遥感技术的发展,利用时间序列高分影像能够有效获取林分树种不同物候期生长特性及其冠层光谱动态信息,有利于克服区域森林类型精细识别中普遍存在的异物同谱难题。以中国东北地区赤峰市旺业甸国有林场为试验区,采用覆盖完整自然年的共36景高分一号（GF-1）WFV时间序列数据（16 m）,提取包含不同优势树种生长阶段特征的林分冠层光谱归一化植被指数（NDVI）,结合支持向量机（SVM）模型对研究区内5种典型优势树种：油松、落叶松、山杨、白桦和蒙古栎,进行不同时间尺度下（单季相、全季相、逐月和逐旬）的光谱识别研究。同时,分别基于原始时序光谱及其一阶、二阶和三阶微分变换结果,探讨了不同分辨率时序NDVI光谱及其3种微分变换结果对区域森林优势树种的识别效果。结果显示,基于不同尺度的时间序列数据能够获得比不同季节单时相数据更好的树种识别结果（p＜0.05）,其中采用全季相数据的树种总分类精度相比于春、夏和秋不同季节的单季相数据结果,分别提高了7.67%,6.64%和3.6%,表明时间序列影像中所包含的植被物候信息对于区分不同森林树种类型十分重要,同时秋季是采用单时相数据的最佳识别季节（p＜0.05）;在不同时间序列数据中,基于逐旬的NDVI数据显著优于基于逐月和全季相数据的光谱识别结果（p＜0.05）,而基于全季相数据的光谱识别结果最低（p＜0.05）,表明更密集的时序光谱信息有利于区域树种类型识别精度的提升。此外,结合光谱微分变换后的树种识别结果比仅采用原始NDVI时间序列的识别结果精度更高（p＜0.05）,其中基于逐旬和逐月时间分辨率数据的最高识别精度能够达到82.1%和78.74%,分别提升了3.38%和2.95%。研究表明采用基于全年逐旬或逐月尺度的时序光谱数据,并结合相应的微分变换方法,可以有效提高区域尺度优势树种的识别精度,为相关多光谱森林植被精细识别研究提供参考。     

基于近地遥感系统的小麦玉米冠层RVI和NDVI获取影响因素分析

以大型喷灌机为平台的近地遥感技术可有效观测作物的生长状态,对田间生产管理和作物水肥需求特性等研究具有十分重要的意义。由于在遥感观测过程中,作物冠层具有二向反射特性,因此不同观测方式会影响遥感观测结果。通过自行搭建的近地遥感系统模拟大型喷灌机平台的实地观测条件,使用双通道光谱传感器获取小麦与玉米冠层的光谱反射率信息,引入变异系数CV对由冠层二向反射特性引起的信息数据变幅进行量化,并采用影响因素权重W分析各观测参数对数据变幅的影响程度。通过获取2019年冬小麦返青期至灌浆期、夏玉米V7-V14生育期的冠层近红外波段（810 nm）和红光波段（650 nm）的反射率数据,分析多种观测因素对比值植被指数（RVI）数据和植被归一化指数（NDVI）数据的影响。结果表明,观测高度（0.5~2.5 m）、观测频率（2~60次·min-1）和移动速度（0~4 m·min-1）与观测结果无显著相关关系（p＞0.05）,观测时刻（8:00-18:00）、观测天顶角（-60°~60°）和观测方位角（0°~180°）与观测结果相关关系极为显著（p＜0.01）;小麦和玉米的冠层RVI、NDVI数据获取结果主要取决于冠层覆盖程度,在相同叶面积指数（LAI）情况下观测结果也会因观测时刻、观测方位角和观测天顶角的差异而受到不同程度的影响;冠层光谱反射率信息二向反射特性明显,小麦冠层RVI和NDVI变异系数分别为15%~50%和2%~50%,玉米冠层RVI和NDVI变异系数分别为10%~33%和18%~39%;进行观测时,应尽量选择在太阳天顶角较稳定的12:00-14:00时段,并尽量缩短观测时长,还应选择固定的观测角度,注意阴影效应与热点效应的影响;此外,在小麦返青至拔节期、抽穗至扬花期获取RVI和NDVI时,还应分别注意观测天顶角、观测时刻对测量精度的干扰。研究结果可为快速获取高精度的小麦、玉米冠层光谱反射率数据提供技术支撑。     

基于高斯回归分析的水稻氮素敏感波段筛选及含量估算

水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一。以2018年-2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据,利用单波段原始光谱和一阶导数光谱的相关性分析、高斯过程回归（GPR）等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段。针对敏感波段,利用单波段回归分析、随机森林（RF）、支持向量回归（SVR）、高斯过程回归-随机森林（GPR-RF）、高斯过程回归-支持向量回归（GPR-SVR）和GPR构建水稻氮素监测模型,并进行精度对比,以确定水稻叶片在各生育期的氮素估算最佳模型。结果表明：GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律。相同条件下,叶片模型精度整体高于冠层模型。相关性分析模型中,叶片尺度原始光谱模型更好,冠层尺度刚好相反,冠层一阶导数光谱可以减弱稻田背景噪声的影响。其中,叶片最佳模型建模集R2为0.79,验证集R2为0.84;冠层最佳模型建模集R2为0.80,验证集R2为0.77。与相关性回归分析模型相比,机器学习模型受生育期影响小（R2>0.80,NRMSE<10%）。其中,RF比SVR更适合对GPR敏感波段建模,GPR-RF模型可以用1.5%左右的波段达到RF模型使用全部波段的精度。五种方法中,GPR模型对生育期敏感度最低、叶片及冠层尺度效果都很好(R2>0.94,NRMSE<6%)。且与其他四种机器学习方法相比,GPR模型可有效提高冠层氮素含量估算的精度和稳定性（R2增加0.02,NRMSE降低1.2%）。GPR方法可为筛选作物氮素高光谱敏感波段、反演各生育期叶片及冠层氮素含量提供方法参考。     

等离子体压强对Line-tied扭曲不稳定性增长率和本征函数的影响

应用半解析方法,研究了直圆柱位形下等离子体压强P0分别为P0=0、P0=常数和P0=f(r)时Line-tied扭曲不稳定性的增长率和二维径向本征函数的演化规律。结果表明,P0=0和P0=常数时的轴向波数k的范围相同,但P0=常数时的增长率比P0=0时的小。P0=f(r)时的轴向波数k的范围和增长率则都比P0=0时的大,同时磁流体的速度变化也较大。因此,P0=f(r)更接近实际的物理模型(例如日冕的喷射问题)。     

纳米氧化锌对细叶蜈蚣草(Egeria najas)光合作用的影响

采用细叶蜈蚣草(Egeria najas)作为受试植物,分别用不同浓度的ZnO NPs处理细叶蜈蚣草六天,通过OJIP荧光动力学曲线和脉冲瞬态荧光动力学曲线评估暴露在不同浓度的ZnO NPs悬浮液中的细叶蜈蚣草的光合性能。当细叶蜈蚣草暴露在ZnO NPs悬浮液中,光系统Ⅱ关闭的净速率（M_O）、J点的相对可变荧光强度（V_J）和单位反应中心用于热能耗散的能量（DI₀/RC）有明显的下降趋势（p<0.05）,最大光化学量子效率（Φ_P0）、捕获的激子中用来推动电子传递的效率（Ψ₀）、电子传递的量子产额（Φ_E0）、实际光化学量子效率（′_PSⅡ）有上升的趋势（p<0.05）。表明ZnO NPs增强了光系统Ⅱ反应中心之间的连通性、促进了光系统Ⅱ受体侧的电子传递和光能的利用,即ZnO NPs在某些方面促进了细叶蜈蚣草的光合作用。用相应浓度的Zn2+溶液来处理细叶蜈蚣草,当细叶蜈蚣草暴露在Zn2+溶液中,光系统Ⅱ关闭的净速率、J点的相对可变荧光强度和单位反应中心用于热能耗散的能量有明显的上升趋势（p<0.05）,最大光化学量子效率、捕获的激子中用来推动电子传递的效率、电子传递的量子产额、实际光化学量子效率有下降的趋势（p<0.05）,单位反应中心吸收的光能（ABS/RC）、捕获的光能（TR₀/RC）和非调节性能量耗散量子产量（′_NO）有明显的上升趋势（p<0.05）,即Zn2+降低了光系统Ⅱ反应中心之间的连通性、抑制了光系统Ⅱ受体侧的电子传递和光能的利用并使反应中心失活,即Zn2+抑制了细叶蜈蚣草的光合作用。在ZnO NPs处理细叶蜈蚣草的实验中并没有发现光合作用受抑制情况,表明ZnO NPs的促进作用强于其释放的游离Zn2+的抑制作用。     

碳碳双键法研究萝卜不同部位的β-胡萝卜素含量分布

β-胡萝卜素广泛存在于植物体中,是典型的线性多稀分子,具有重要的生物功能。由于β-胡萝卜素是碳碳单、双键(C-C,C=C)交替的短链共轭多稀分子,含有大量离域的π电子,具有重要的光电特性。根据Andreas等对拉曼散射强度的研究,当激发光波长落在分子的电子吸收带时,会产生共振拉曼效应,能使拉曼光谱强度提高106倍。利用共振拉曼光谱技术,测量了β胡萝卜素分子及胡萝卜、青萝卜、白萝卜肉质直根不同部位其拉曼光谱,发现含β-胡萝卜素较高的胡萝卜的拉曼光谱与β-胡萝卜素的吻合很好。Gellerman等研究表明,样品浓度与拉曼峰强成正比关系,从拉曼光谱中容易发现三种萝卜的光谱强度纵向根头到主根及横向表皮到根芯逐渐降低,且青萝卜和白萝卜拉曼光谱强度都很低,并在碳碳单键的振动峰处发生峰劈裂。分别计算了碳碳单键和碳碳双键与碳氢键拉曼强度比,三种萝卜的I_CC/I_C-H随着测量部位(横向和纵向)的不同变化幅度接近：胡萝卜的表皮和根芯纵向的变化率分别为A₁=0.213 3和A₂=0.215 9,青萝卜表皮外和里的变化率分别为B₁=0.219 1和B₂=0.211 4,白萝卜表皮外和里分别为D₁=0.223 9和D₂=0.224 1;而对于I_C-C/I_C-H随着测量部位不同其变化率相差很大：胡萝卜的变化率a₁=0.212 1和a₂=0.232 4,青萝卜的变化率b₁=0.263 5和b₂=0.268 7,白萝卜的变化率d₁=0.369 0和d₂=0.304 9。对比发现三种萝卜的碳碳单键与碳氢键振动强度比随着测量部位的不同变化幅度相差很大,而从碳碳双键与碳氢键振动强度比发现三种萝卜中不同部位的β胡萝卜含量有相似的分布。这是由于青萝卜和白萝卜中β-胡萝卜素的含量少, 随着测量部位的不同C-C伸缩振动峰发生峰劈裂, 即在1 130和1 156 cm-1处出现两个振动峰, 经过计算和分析这两个峰都属于碳碳单键的伸缩振动峰, 且随着β-胡萝卜素含量的减少C-C整体的强度降低, 劈裂的新峰峰强度却有增加的趋势, 这使得原峰位的峰强度大幅度降低, 这与计算I_C-C/I_C-H的结果一致,不同品种的萝卜中β-胡萝卜素含量随测量部位的不同变化幅度截然不同。因此, 当样品中β-胡萝卜含量较少时,利用C=C振动峰峰强度同时分析样品不同部位的β-胡萝卜素含量分布变化会更准确。同时,研究和了解萝卜中不同部位β-胡萝卜素的含量为日常消费和膳食营养提供了很好的理论依据。     

D介子衰变中的奇异轴矢介子(英文)

目前,奇异轴矢介子的性质并没有被很好地理解,而这类介子是可以在D介子衰变中得到更多的研究。将窄宽近似下的等式关系和强衰变中CP守恒应用到四体衰变D0 → K+K-π+π-中的D0 → K±K₁?（1270）（→ρK or K*π）的实验数据中,可以发现实验数据与理论存在矛盾,然而,当考虑更多K₁（1270）的衰变过程后,可以发现,B（D0 → K-K₁+（1270）（→ K*0π+））的实验数据很可能被高估了一个量级。考虑共振态K₁（1400）的贡献,利用因子化方法计算相应的衰变过程的分支比,可以发现,B（D0 → K-K₁+（1400）（→ K*0π+））的分支比与使用等式关系得到的B（D0 → K-K₁+（1270）（→ K*0π+））的分支比在量级上是相同的。另外,对于含有奇异轴矢介子的D介子衰变实验数据的合理性,实验可以通过测量K₁（1270）→ ρK和K*π分支比的比值来检验,或者通过验证D介子衰变中的等式关系来检验。     

不同水文情形下巢湖有色可溶性有机物来源及分布特征

于2018年1月(枯水)、4月(平水)、7月(丰水)对巢湖开展野外观测,探讨不同水文条件下有色可溶性有机物(CDOM)的光谱组成结构及分布特征。结果表明丰水期巢湖溶解性有机碳(DOC)均值(3.90±0.40) mg·L-1与枯水期均值(3.89±0.19) mg·L-1无显著差异(t-test, p>0.05),丰水期S_275～295均值(21.48±1.56) μm-1显著大于枯水期均值(19.24±0.98) μm-1(t-test, p<0.001)。平行因子分析得到了4个荧光组分,分别为短波类腐殖质组分C1、类色氨酸组分C2、类酪氨酸组分C3和长波类腐殖质组分C4。TP,TN,Chl-a和DOC浓度与短波类腐殖质组分C1、长波类腐殖质组分C4都呈显著正相关(p<0.01);DOC与类色氨酸组分C2也存在一定正相关(p<0.05)。此外巢湖CDOM的组成与来源有明显的季节差异性,丰水期陆源类腐殖酸输入是巢湖西部湖区CDOM库主要贡献源;平水期湖泊藻类生物降解为重要贡献源。为有效保护巢湖水质,应对十五里河及南淝河流域实施一定的管控措施。     

铜原子单激发态3d104p 2P1/2的光电离(英文)

铜原子能级结构的理论计算具有非常大的挑战性。本文基于多组态Dirac-Hartree-Fock（MCDHF）方法和相对论组态相互作用（RCI）方法,通过三个大规模的关联模型计算了单激发态3d104p 2P_1/2、双激发态3d94s（3D）5s4D_3/2,1/2,3d94s（3D）5s 2D_3/2,3d94s（1D）5s 2D_3/2以及离子态3d10 1S₀能级和波函数。结果表明,铜原子能级结构对有限组态空间的选择极其敏感,双激发态3d94s（3D）5s 4D_3/2,1/2,3d94s（3D）5s 2D_3/2,3d94s（1D）5s 2D_3/2和离子态3d10 1S₀与单激发态之间的能量差相对于已有实验结果均存在大约-0.4 eV的偏差,而计算得到的共振电子能量与实验结果符合得较好。此外,根据辐射跃迁矩阵元和非辐射跃迁矩阵元计算了双激发态的Fano参数q,并基于Fano理论得到了铜单激发态3d104p 2P_1/2的总光电离截面,该理论考虑了直接光电离与光激发自电离之间的干涉效应,即共振3d94s（3D）5s 4D_3/2,1/2、3d94s（3D）5s 2D_3/2和3d94s（1D）5s 2D_3/2具有明显的非对称的Fano轮廓,表明光电离过程与光激发自电离过程之间的干涉对双激发态共振附近的光电离截面轮廓有着极其重要的影响。     

刚竹毒蛾胁迫下毛竹叶绿素与叶光谱特征的关系及其变化

叶绿素是反映绿色植被健康状态的重要生理参数,虫害胁迫下叶绿素与叶光谱的变化机制较为复杂,深入剖析二者关系对于虫害检测有重要意义。以福建省南平市顺昌县为试验区,测定不同受害情景下毛竹叶叶绿素含量(SPAD)与叶光谱,采用Pearson相关法筛选叶光谱特征指标,建立叶SPAD的多元线性回归、岭回归、随机森林与XGBoost估测模型。通过比较光谱特征指标筛选结果及模型估测效果,分析刚竹毒蛾胁迫下毛竹叶绿素与叶光谱特征的关系及其变化。结果表明：（1）随着虫害程度上升,毛竹叶SPAD呈下降趋势;（2）较之于未受害状态,刚竹毒蛾胁迫下毛竹叶光谱特征发生明显变化,“绿峰”和“红谷”趋于消失,“红边”斜率减小,近红外波长反射率降低;（3）基于全样本拟合叶SPAD的最优光谱特征指标为VOG₂,R₅₁₅/R₅₇₀,CI_red,PRI与NDVI₇₀₅,最佳估测模型为多元线性回归模型（R2=0.753 7,RMSE=3.015 0）;（4）基于不同受害程度样本拟合毛竹叶SPAD,最优光谱特征指标分别为健康：CI_red,VOG₂,ARVI,R₅₁₅/R₅₇₀,DVI;轻度：RENDVI,RERVI,REDVI;中度：RENDVI,RERVI,REDVI;重度：VOG₂,CI_red,NDVI₇₀₅,PRI;小年：PRI,NDVI₇₀₅,VOG₁,CI_red。最佳估测模型为多元线性回归模型,模型精度分别为健康（R2=0.882 3;RMSE=1.638 8）;轻度（R2=0.180 2;RMSE=3.335 4）;中度（R2=0.360 4;RMSE=3.886 7）;重度（R2=0.467 7;RMSE=2.601 8）;小年（R2=0.732 4;RMSE=2.375 4）。由此发现,随着虫害等级上升,毛竹叶光谱特征指标也随之改变,关系模型估测精度呈现先急剧下降后缓慢抬升的态势,模型对健康与小年叶SPAD估测效果较好,对轻—中—重度危害叶SPAD估测效果较差;当毛竹叶SPAD与叶光谱特征的关系趋向紊乱时,预示可能有刚竹毒蛾危害发生。