土壤金属元素近红外光谱定量校正模型适应性初步研究

为研究土壤金属元素近红外光谱定量校正模型适应性,采用近红外光谱结合偏最小二乘算法,针对风干土壤中的K,As,Hg,Cu,Zn,Pb,Cr,Cd元素,在剔除异常值后,建立定量校正模型;并对风干、烘干处理的外部验证集样品分别预测上述元素含量。结果表明,风干外部验证集样品的预测值-参考值相关系数皆大于相应烘干外部验证集样品的预测值-参考值相关系数;风干外部验证集各元素的预测值-参考值均具有显著的相关关系,烘干外部验证集中K,Hg,Cr的预测值-参考值之间不具有显著的相关关系。对土壤金属元素近红外光谱定量校正模型的适应性进行了初步研究,可为土壤中金属元素快速定量监测方法以及农产品产地环境监测等提供一定的参考。     

UPLC-MS/MS法同时测定土壤中3种磺酰脲类除草剂残留

建立了QuEChERS法–超高效液相色谱–串联质谱法(UPLC-MS/MS)快速测定土壤中噻吩磺隆、苯磺隆、氯嘧磺隆3种磺酰脲类除草剂的方法。采用振荡提取、QuEChERS法净化方法处理土壤样品,利用UPLC-MS/MS分析,在多反应监测(MRM)模式下以0.1%甲酸水和乙腈为流动相梯度洗脱。3种除草剂在0.5~500μg/L的质量浓度范围内线性关系良好,相关系数为:0.996~0.999。在10,50μg/kg水平下进行加标回收实验,平均回收率为81.4%~92.9%,RSD为5.5%~10.6%,方法检出限(S/N=3)为0.12~0.16μg/kg。方法可用于大量实际土壤样品中3种除草剂的检测。     

基于CASI高光谱数据的作物叶面积指数估算

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和"红边"植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析。结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p0.01);对于"红边"植被指数,由于CIred edge充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI(569.00,654.80)和RSI(597.6,654.80)对LAI估算的效果要优于NDVI与CIred edge,其中,NDSI(569.00,654.80)主要利用了植被光谱"绿峰"和"红谷"附近的波段,模型估算的精度R2可达0.77(p0.000 1);根据LAI与NDSI(569.00,654.80)之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料。研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持。     

基于小波变换的便携式X射线荧光光谱仪检测模型的建立与改进

应用便携式X射线荧光光谱仪对土壤中Cr,Cu,Zn,As,Pb等重金属含量进行检测,每个样品扫描检测3次,利用小波阈值滤噪的方法对所测谱线进行光滑去噪处理后,根据土壤重金属的标准值和相应的计数率(取三次处理后检测谱线的平均值)建立各重金属的标准曲线。运用小波阈值滤噪方法时,为确定最佳的小波基和小波分解层数,以信噪比(SNR),均方根误差(MSE)和信息熵(H)作为评估指标评价降噪效果。为验证仪器的稳定性,根据土壤样品中重金属浓度的不同挑选部分样品并同时选用H3BO3(空白对照)进行重测。结果表明:运用小波变换方法时,选取coif3小波基对谱线进行三层分解,取得了最佳的去噪效果;建立好模型后,仪器的决定系数R2范围是0.990~0.996,表明在0~1 500mg·kg-1范围内,土壤样品中各重金属元素含量与X射线荧光光谱特征峰强度之间的线性关系良好;经过重复检测和计算得知仪器的检出限均低于国家一级土壤标准。将小波变换的方法实际运用到X射线荧光光谱仪检测模型的建立与改进中,有效的提高了模型的准确性,同时经验证,仪器具有良好的精密度,可运用于实际土壤重金属污染的现场快速筛查。     

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。     

近红外光谱法测定紫花苜蓿青贮鲜样的营养价值

应用近红外光谱技术(NIRS)直接分析新鲜饲草的营养价值,如饲草中干物质(DM),粗蛋白(CP),中性洗涤纤维(NDF),酸性洗涤纤维(ADF)含量,对畜牧业生产具有重要意义.鲜草中由于含有较多的水分,不易制备均一的样品和进行光谱中有用信息的提取,因此难于进行近红外光谱分析.本试验应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合于不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中DM,CP,NDF,ADF的模型,以期对NIRS在测定紫花苜蓿青贮鲜样品这些成分测定的可行性进行分析.所建DM,CP,NDF和ADF模型的交叉检验决定系数(R2cv)为0.884 6～0.989 8,交叉检验标准误(RMSECV)为3.9～9.7 g·kg-1鲜重.用50个样品对模型进行外部检验,预测相关系数(r)为0.939 7～0.994 9,预测标准误为1.9～8.3 g·kg-1鲜重.结果表明:采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮鲜样的营养价值评定.     

应用高光谱仪探测叶片反射光谱中的荧光

介绍了一种利用光谱仪进行荧光测量的方法。采用LI 1800_12S积分球,耦合ASD地物光谱仪,在光源前面分别加载长波通、短波通截止滤光片,按照不同算法提取叶片表观反射光谱中的荧光。结果表明利用长波通滤光片测得的表观反射率差值光谱可以代表荧光光谱,在红光区和远红光区表现为明显的双峰特征,不同截止波长滤光片提取的荧光强度不同。采用短波通滤光片可直接获得荧光光谱,不同植物种类荧光光谱差异明显。此法对于植物被动荧光遥感探测及叶绿素荧光仪的研制和开发具有一定参考价值。     

基于6S模型的遥感影像逐像元大气纠正算法

大气纠正的目的是从遥感影像中去除大气影响,并反演获取地物真实反射率。介绍了一种逐像元对遥感影像进行大气纠正的算法,该算法基于6S(Second Simulation of the Satellite Signal in the Solar Spectrum)大气辐射传输模型计算建立的查找表(look-up table),并利用地面暗目标(dark object)进行陆地气溶胶光学厚度的自动反演,由于气溶胶的分布具有空间连续性,在获取地面暗目标气溶胶光学厚度值后,通过空间插值的方法计算影像中非暗目标像元的气溶胶光学厚度值,经过查找表二次插值计算,逐像元进行大气纠正并获取像元地表反射率值。以Landsat5遥感影像为例,介绍了算法流程,展示了大气纠正的结果。结果显示,利用查找表逐像元大气纠正的算法,能够在一定程度上去除云雾对影像的影响,更加精确的对遥感影像进行大气纠正并获取地物的真实反射率。     

基于灰度关联分析的冬小麦叶片含水量高光谱估测

尝试应用灰色关联分析方法(GRA)分析典型的水分植被指数(WVI)和水分含量(LWC)间的关联度,然后选择对冬小麦叶片水含量敏感的指数,比较SRM-PLS(逐步回归-偏最小二乘)方法和PLS方法估算LWC的精度.首先,对冬小麦WVI与LWC进行灰色关联分析,筛选出对冬小麦LWC敏感的WVI;其次,利用筛选出的敏感WVI,分别用PLS-SRM方法和PLS两种方式估算冬小麦LWC;然后对两种方式进行比较,选择最高决定系数(R2)和最小均方根误差(RMSE)的LWC估算模型来估算冬小麦LWC.结果表明:在整个生育期用PLS和PLS-SRM方法估算LWC,R2和RMSE分别为0.605和0.575,4.75％和7.35％.研究表明:先使用GRA对WVI和LWC进行关联度分析,再用PLS或PLS-SRM方法可以提高冬小麦的LWC估算精度.     

应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算

当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。