大豆叶面积指数的高光谱估算方法比较

叶面积指数(leaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义。通过分析大量实测数据,选用归一化植被指数(normalized difference vegetation index,NDVI)和比值植被指数(ratio vegetation index,RVI)、主成分分析(principcal component analysis, PCA)、神经网络(neural network NN)三种方法对大豆使LAI进行了估算,比较分析了三种方法的估算结果。研究结果表明,植被指数法(NDVI,RVI),主成分分析,神经网络方法LAI都取得了较为理想的结果,验证模型的确定性系数分别达0.758和0.753, 0.954, 0.899,其中主成分分析方法和神经网络方法精度较高,主成分分析方法验证模型的稳定性更好,其验证模型的RMSE为0.267,明显低于两个植被指数(NDVI和RVI的RMSE分别为0.594和0.616)和神经网络(RMSE=0.413)。当叶面积指数较小时,植被指数能够较好地去除土壤、大气等条件影响,并精确估算LAI;当叶面积指数较大时,主成分分析能够弥补植被指数饱和的缺陷,得到很好的LAI估算效果。神经网络受LAI大小的影响效果居中,其对叶面积指数较小和较大时具有一致的估算效果,具有较好的应用潜力。     

Keggin型钨锗酸联咪唑盐催化合成环己酮乙二醇缩酮

设计合成了Keggin型钨锗酸联咪唑盐(H4biim)[H2GeW12O40]·18H2O(1b,H2biim=2,2′-联咪唑), 并将其用于催化合成环己酮乙二醇缩酮反应。 通过X射线单晶衍射、红外光谱(FT-IR)、紫外光谱(UV)、热重-差热(TG-DTA)、粉末衍射(XRD)等技术手段对催化剂1b进行了表征。 较系统地研究了反应物料比、催化剂用量、反应时间等因素对催化反应的影响。 在n(环己酮)∶n(乙二醇)=1∶1.4,n(1b,以W计)∶n(环己酮)=1∶260,反应2 h的优化反应条件下,目标化合物产率达90%,催化剂可循环使用,表现出良好的催化稳定性。     

高叶绿素水体荧光峰位置变化响应关系研究

水体反射光谱红光区荧光峰是叶绿素特有的光谱特征,研究其位置变化与叶绿素的响应关系有助于内陆水体叶绿素含量的定量反演。通过2004～2006年13次长春南湖水体反射光谱和水质参数实测数据,分析了不同光谱分辨率下荧光峰位置变化与叶绿素a含量的响应关系,结果表明,两者呈现指数函数关系,即Peak position=a(Chl-a)b,不同光谱分辨率下,a在686.11～686.29,b在0.006 2～0.006 5间变化,且光谱分辨率越高,响应关系越好;荧光峰平均波长位置与叶绿素平均含量高度相关(R2>0.81),荧光峰位置变化适合用于反演叶绿素含量分布较为均匀的水体。这为今后利用成像光谱仪监测内陆水体叶绿素含量提供了实验和工作基础。     

近红外波段二类水体悬浮物生物光学反演模型研究

通过野外高光谱仪对二类混浊水体进行光谱测量,分析了400～1 200 nm范围内的水体光谱特性。显示高浓度悬浮物含量对水体总的反射率贡献较大,在近红外波段处的808和1 067 nm存在较为明显的悬浮物反射峰。基于对水体固有光学特性参数在近红外波段范围内的简化条件,建立了反演悬浮物浓度的生物光学模型经验公式,并通过与线性和指数反演公式的对比,进行了模型反演精度评价。分析结果表明,基于近红外波段的生物光学模型反演精度较高,可有效地提取二类混浊水体的悬浮物浓度信息。     

基于反射率模拟模型的黑土有机质含量估测

定量分析了黑龙江省黑土室内高光谱反射率曲线特征,确定了影响反射光谱曲线的主要特征控制点,建立了黑土光谱反射率模拟模型并对其进行评价,分析比较反射率数据、模拟后的光谱数据与土壤有机质含量的关系,建立了土壤有机质含量光谱预测模型。结果如下：有机质是小于1 000 nm范围黑土反射光谱特征的决定因素,随有机质含量变化,黑土光谱反射率在该范围呈现单/双吸收谷特征;黑土反射光谱曲线在450～930 nm范围内有５个主要特征控制点;黑土反射率模拟模型能较准确地描述黑土反射光谱曲线,直线模型的模拟效果更好;以反射率模拟模型系数为自变量的有机质含量预测模型优于基于反射率及其一阶微分的模型,说明反射率模拟模型的曲线控制点选择合理且有代表性,反射率曲线模拟方法能够准确描述黑土的实际光谱反射率。     

基于反射光谱特性的土壤分类研究

选取中国松嫩平原吉林省农安县主要土壤(黑土、黑钙土、草甸土、风砂土、冲积土)室内光谱反射率作为研究对象,利用去包络线方法提取反射光谱特征指标,作为输入变量建立BP神经网络模型,进行土壤分类研究,探索利用表层土壤反射光谱特性进行土壤分类的可行性。结果表明:(1)包络线去除后的曲线使土壤可见光近红外波段的吸收特征显著增强;农安县不同土壤在400～2500nm范围内主要有5个光谱吸收谷,前2个吸收谷主要是由于土壤有机质、铁及土壤机械组成引起的,后3个是土壤水分吸收光谱能量引起的;不同土壤类型反射光谱的差异主要表现在前2个吸收谷。(2)由于输入变量的选取客观准确,基于前2个吸收谷形状特征的BP神经网络模型的土壤分类精度显著优于以反射率或5个吸收谷形状特征为输入变量的模型,可以用于土壤分类。