弓形折流板换热器中折流板对换热器性能的影响

本文采用Bell-Delaware换热器设计方法研究了传统弓形折流板换热器加热轻油时在不同管束排列角度下,改变换热器壳侧折流板间距以及改变折流板的窗口高度对管壳式换热器的壳体内径、换热管数目、壳侧换热系数及壳侧压降的影响.     

中红外大气辐射传输解析模型及遥感成像模拟

为了建立完整的星载高分辨率中红外成像模拟系统,并为航天器载荷设计等相关工作提供有力参考,需要对大气辐射传输这一环节进行重点考虑,设计出切实可行,精度较高的大气辐射传输数值成像模拟方法。针对中红外大气辐射传输具有大气散射和自身发射的特性,将整个大气辐射传输过程进行了合理分解,并利用MODTRAN4对各辐射分量进行求解,以查找表方式实现了大气辐射传输成像模拟。此外,针对大气散射导致的邻近效应进行了分析,将原有PSF模型扩展至中红外波段,并与大气辐射传输解析模型相互耦合共同完成模拟成像。最后对模型进行了初步验证和成像模拟,结果表明：模型具有较好的模拟精度,通过给定观测几何和大气条件,并根据地表输入的温度和发射率等,实现逐像元的大气辐射传输计算。     

棉花单叶黄萎病病情严重度高光谱反演模型研究

对棉花单叶黄萎病病情严重度与原始及一阶微分光谱反射率、高光谱特征参数进行相关分析,构建病情严重度反演模型。结果表明：可见光和短波红外波段光谱反射率随病情严重度增加而增大,且可见光波段光谱反射率差异比短波红外波段更为显著。以红边面积为自变量的线性模型(r=0.669 6)及以波长694 nm处原始光谱反射率为自变量的对数模型(r=0.679 4)均能较好反演病情严重度。通过模型精度检验发现,以714 nm 处一阶微分光谱反射率为自变量的线性模型为病情严重度诊断的最佳模型,即y=-282.3x+3.811 2,该模型具有最大相关系数(拟合r=0.699 2,预测r=0.941 0),最小均方根误差(0.257 1)和相对误差(12.74%)。文章结果对深入研究棉花黄萎病遥感监测机理提供了理论依据,对利用高光谱遥感数据获取病害信息具有重要应用价值。     

冬小麦条锈病严重度不同估算方法对比研究

为了提高遥感监测小麦条锈病病害严重度的准确性,寻找小麦病害的较优反演模型,在国家精准农业示范研究基地基于野外定位调查小麦病情指数及冠层光谱数据,利用与小麦病害发生呈显著关系且有效反映植被生理生长状况的7种高光谱植被指数,尝试分别采用PLS(偏最小二乘回归)、BP神经网络和植被指数经验法三种方法建立小麦条锈病病情反演模型,并进行比较分析。结果表明：三种方法病害严重度预测值与实测值间的R2分别为0.936,0.918,0.767。采用偏最小二乘回归方法监测小麦病情指数效果更好,为探寻不同种类植被指数对模型的贡献,尝试用代表植被绿度的NDVI, GNDVI, MSR和代表水分含量的NDWI和MSI植被指数分别作为PLS模型的输入变量,建立病害反演模型。结果表明：小麦条锈病中,叶片叶绿素含量的变化比冠层水含量的变化对病情指数更为敏感,对病害有更好的解释作用。然而,两模型精度都低于七种植被指数全部参与时的预测结果,即输入变量中采用多种植被指数比用单类指数模拟准确度高。     

日光诱导叶绿素荧光与反射率光谱数据监测小麦条锈病严重度的对比分析

小麦条锈病是影响我国小麦产量的主要病害之一,在小麦受到条锈病菌侵染初期探测到病害信息,对小麦条锈病的防控以及产量和品质的提高具有更为重要的意义。反射率光谱主要反映植被生化组分的浓度信息,而日光诱导叶绿素荧光则对植物光合生理变化响应灵敏。为了更好地实现小麦条锈病病情严重度的遥感探测,尤其是条锈病的早期探测,对日光诱导叶绿素荧光和反射率光谱数据监测小麦条锈病病情严重度的敏感性进行了对比分析。首先利用地物光谱仪测定了不同病情严重度的小麦冠层光谱数据,基于夫琅和费暗线原理利用3FLD(three-band Fraunhofer Line Discrimination)方法提取了小麦条锈病不同病情严重度下的日光诱导叶绿素荧光数据,然后分别利用反射率光谱数据和日光诱导叶绿素荧光数据构建小麦条锈病不同发病状态下的遥感探测模型,并通过保留样本交叉检验方式对预测模型精度进行了评价。结果表明：（1）当小麦条锈病病情指数低于20%时,日光诱导叶绿素荧光对小麦条锈病病害信息的响应比反射率光谱数据更为敏感,以日光诱导叶绿素荧光为自变量构建的小麦条锈病病情严重度预测模型达到了极显著性水平,能够在植被叶绿素含量或叶面积指数发生变化之前探测到植物的胁迫状态,实现作物病害的早期诊断,而反射率光谱数据则难以探测到条锈病病害信息;（2）在小麦条锈病病情严重度处于中度发病(20%＜DI≤45%)状态时,虽然日光诱导叶绿素荧光和反射率光谱数据均能实现小麦条锈病病情严重度的遥感探测,但利用日光诱导叶绿素荧光数据构建的预测模型优于反射率光谱数据;（3）当小麦条锈病病情严重度达到重度水平(DI＞45%)时,利用反射率光谱数据和日光诱导叶绿素荧光数据构建的小麦条锈病病情严重度预测模型均达到了极显著性水平,两种数据均能够较好地实现小麦条锈病病情严重度的遥感探测。该研究结果对提高小麦条锈病的遥感探测精度具有重要的意义,为利用TanSat等卫星的荧光数据进行小麦条锈病的早期探测提供了参考依据。     

小麦生长过程中光能利用率和光化学反射指数的相关性研究

以不同品种的小麦为材料,同时测量小麦生长过程的光谱反射率和光能利用率,研究了小麦整个生长期内光化学反射指数和光能利用率之间的关系变化,讨论二者之间关系的时间效应.实验结果表明,对小麦的整个生长期,光化学反射指数并不能作为估算光能利用率的一个有效指数.由于叶片叶绿素含量和叶面积指数的影响,在小麦的生长初期和末期,光化学反射指数和光能利用率之间的相关性不高,相关系数R2分别为0.222 4和0.210 6.对于小麦生长力旺盛的阶段,光化学反射指数可以作为估算光能利用率的一个可行方法,能够获得一定准确度的光能利用率,相关系数R2分别为0.612 7、0.641 2和0.601 1.     

旋转扫描式成像光谱仪高光谱的几何变形矫正

Offner成像光谱仪是一种线推扫式成像系统,需要光谱仪与物体之间存在相对移动,从而记录整个区域的光谱和形貌信息。在光谱仪镜头前放置一块反射镜进行旋转扫描,也可以对大尺度物体进行高光谱成像,并且相机固定不动。然而旋转扫描时,记录的高光谱图存在较大的几何误差。该工作分析一般情况下Offner成像光谱仪单次拍摄得到的物点和像点的投影关系;根据投影关系,以旋转角为变量,分析物点在成像面上的投影分布,给出图像几何变形的矫正方法。在成像光谱仪上设计并安装了反射镜旋转扫描装置,进行旋转扫描实验,通过矫正算法,得到了清晰的高光谱图。     

病害胁迫下冬小麦冠层叶片色素含量高光谱遥感估测研究

通过人工田间诱发小麦条锈病,在不同生育期测定染病冬小麦冠层光谱和相应叶片的色素含量。把冠层光谱数据、一阶微分数据与相应的叶片色素含量数据分别进行相关分析,采用单变量线性和非线性回归技术,选取部分样本建立小麦的色素含量估测模型,并利用其余的样本对模型进行检验,结果表明绿边内一阶微分总和(SD_g)与红边内一阶微分总和(SD_r) 的归一化值为变量的线性模型是估测色素含量的最佳模型,其估测叶绿素a,叶绿素b和胡萝卜素含量的相对误差分别为17.0％,16.3％和12.4％。该研究表明可用高光谱信息估测冠层叶片色素含量,且估测精度较高。文章的研究结果对利用高光谱遥感监测农作物长势以及病害影响都具有实际应用价值。     

用高光谱微分指数监测冬小麦病害的研究

工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱、生理生化参数以及相应的病情指数。 对小麦冠层一阶微分光谱进行分析,结果表明随病情指数增大,一阶微分光谱在绿边(500～560 nm)内逐渐增大,在红边(680～760 nm)内逐渐降低。红边核心区(725～735 nm)内一阶微分总和(SDr′)与绿边核心区(520～530 nm)内一阶微分总和(SDg′)的比值,与病情指数具有极显著线性负相关性,相关系数r2＝0.921(n＝28),且能够在症状出现前12 d识别出健康作物与病害作物。因此,微分植被指数SDr′/SDg′能够监测并反演作物病害信息。研究结果对利用高光谱遥感获取作物病害信息具有实际应用价值,对提高粮食产量、保证粮食安全具有重要意义。     

估测作物冠层生物量的新植被指数的研究

冠层鲜生物量是指示作物长势状况的重要指标,可用于诊断作物氮素营养状况。但常规测定生物量的方法需要破坏性取样,不利于帮助精准施肥管理决策。遥感技术作为快速分析手段可用于估测作物多种生理、生化参数,特别是借助植被指数。研究表明归一化差值植被指数(normalized difference vegetationindex,NDVI)、最优土壤调节指数(optimization of soil-adjusted vegetation index,OSAVI)等现已构建植被指数可用于准确估测中低生物量信息,但在较高冠层生物量条件下,它们的估测能力显著下降。文章旨在提出更通用的新植被指数用于估测冠层生物量,以提高遥感技术在较高生物量条件下的预测准确度。试验在加拿大魁北克省的St-Jean-sur-Richelieu地区进行,5年(2004~2008)试验中采集了玉米及小麦不同生育期的地面高光谱数据及对应生物量信息,并在2005年获取航空机载高光谱影像一景(compact airborne spectro-graphic imager,CASI)。研究提出了红边三角植被指数(red-edge triangular vegetation index,RTVI),并将其与一些常见植被指数进行比较分析。结果表明RTVI是最好的估测冠层生物量的指数,在较高生物量条件下仍保持其对生物量变化的高敏感性,其与生物量间的决定系数为0.96。基于CASI影像,RTVI预测生物量值与实际测定值间的决定系数(R2)为0.58,预测标准误差为0.44 kg.m-2,取得了较好的结果。