基于卫星波段的马铃薯植株氮素含量估测

植株氮素浓度是反应作物氮素营养状况的关键指标,对作物的产量与品质具有重要的影响。作物大面积氮素营养的实时监测不仅对区域上氮肥投入提供决策,而且还对区域上氮素循环的估算提供依据。传统的地面传感器虽然有较高的精度,但很难在区域尺度上大面积获取数据,且目前存在的高光谱卫星影像如MODIS,Hyperion的空间分辨率普遍不高。随着卫星遥感的发展,近些年来高空间分辨率的多通道卫星逐渐发射升空,这些高分辨率的卫星遥感数据将对大尺度上植被生理生化指标反演提供可能。该研究从2014年-2016年在内蒙古阴山北麓武川县进行了三年不同氮水平的马铃薯田间试验,借助地面马铃薯冠层高光谱实测数据,模拟近几年发射的具有红边波段的多通道卫星WorldView-2和VENμS不同宽度波段,并构建多种光谱指数,建立光谱指数与马铃薯地上部植株氮素浓度的估测模型,进行马铃薯关键生育期冠层氮素营养的实时监测。结果表明,波段宽度和波段位置的选择决定着光谱指数对氮素浓度的响应程度,基于红边波段的光谱指数具有更高的灵敏性。生育时期显著影响光谱指数对马铃薯地上部氮素浓度的估测能力,苗期土壤背景对光谱反射率具有显著干扰,马铃薯块茎形成期后植株氮素浓度的预测效果最佳。基于WorldView-2和VENμS卫星红光、红边和近红外特定波段构成的融合光谱指数NDRE/NDVI相对其他指数来说在马铃薯植株氮素浓度估测上更具优势,与不同生育时期马铃薯植株氮素浓度都具有较高的相关性,相关系数r在0.63～0.81之间。其中,生殖生长期基于VENμS卫星红光、红边和近红外通道构成的融合光谱指数VENμS-NDRE/NDVI与马铃薯植株氮素浓度相关性最高（r=0.81）,模型验证结果的决定系数为0.56,且验证误差较小,RMSE和RE%分别为0.38%,10.45%,模型估测值与实测值的验证斜率最接近1,为0.82;WorldView-2-NDRE/NDVI与马铃薯植株氮素浓度也具有较高的相关性（r=0.74）,模型验证结果的决定系数为0.49,验证误差RMSE和RE%分别为0.41%和11.12%,模型估测值与实测值的验证斜率为0.78。多通道卫星模拟的结果证明,基于红边宽波段的融合光谱指数能用来进行马铃薯植株氮浓度的监测。     

优化光谱指数的露天煤矿区土壤重金属含量估算

光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。可见光和近红外反射光谱（Vis-NIR）为研究土壤重金属污染提供了一个有用的工具。于新疆准东露天煤矿区采集51个0～10 cm深度的土壤样品，在实验室中分别测定样品的有机质（SOM）含量、重金属砷（As）含量与高光谱；使用基于JAVA语言自主开发的两波段组合软件V1.0（No: 2018R11S177501）计算不同高光谱数据变换形式（原始反射率（R），倒数（1/R），对数（lgR）和平方根（）下Vis-NIR区域（400~2 400 nm）所有两波段组合得到的优化光谱指数（NPDI）与As的相关性，在最优光谱指数（|r|≥0.73和p=0.001）中通过变量重要性准则（VIP）进一步筛选VIP≥1的指数作为模型自变量，基于地理加权回归（GWR）模型估算As含量并使用四个交叉验证度量标准：相对分析误差（RPD），决定系数（R2），均方根误差（RMSE）和最小信息准则（ACI）评价模型精度，从而探讨优化光谱指数方法应用于高光谱检测露天煤矿区土壤重金属砷含量的可行性。结果表明：(1）研究区As含量离散度较高，所有样品中SOM含量均小于2％，且As含量与SOM含量在0.01的显著性水平上无显著相关性（|r|=0.113）。（2）As含量与单波段光谱反射率的相关性很低（|r|≤0.228），而通过R，1/R，lgR，计算的NPDIs与As含量的相关性在近红外（NIR，780~1 100 nm）和短波红外（SWIR，1 100~1 935 nm）光谱中发现最高的相关系数和最低的p值（|r|≥0.73和p=0.001），在长波近红外（LW-NIR）区域基于R形成的NPDIs与As含量相关性最高（|r|=0.74）。（3）VIP方法分别筛选NPDI_{R（1 417/1 246）}，NPDI_{1/R（799/953，825/947）}、NPDI_{sqrt-R（1 023/1 257，1 008/1 249，1 021/1 250，1 020/1 247）}和NPDI_{lgR（801/953，811/953，817/951，825/947，828/945）}为GWR模型自变量。(4）从4个预测模型的表现可以看出，Model-a（R）与其他三个模型（Model-b（1/R），Model-c（）和Model-d（lgR））相比，它具有最高的验证系数（R2=0.831，RMSE=4.912 μg·g-1，RPD=2.321）和最低的最小信息准则值（AIC=179.96）。优化光谱指数NPDI_{R(1 417/1 246)}有助于快速准确地估算As含量，为进一步获取地表土壤重金属污染分布信息提供理论支持和应用参考，促进露天煤矿区环境污染快速有效调查和生态可持续发展。     

太原市城区大气PM2.5中元素污染特征及其来源解析

为了解2017年-2018年非采暖季、采暖季PM_2.5污染较轻时期和采暖季PM_2.5污染较重时期太原市城区大气PM_2.5及其附着的15种金属及类金属元素（铝、砷、钙、镉、铬、铜、铁、钾、镁、锰、钠、镍、铅、钒和锌）的分布特征及主要来源,在太原市城区的尖草坪区解放北路、迎泽区新建南路和双塔寺街三个监测点使用中流量颗粒物采样器连续采集6 d且每天不少于20 h的大气PM_2.5滤膜样品。PM_2.5滤膜样品用微波消解法进行前处理后,使用电感耦合等离子体质谱（ICP-MS）检测其中15种金属及类金属元素的含量。通过描述性统计方法分析和比较三个监测点大气PM_2.5及其附着的15种金属及类金属元素日均浓度在时间和空间上分布的差异,进一步采用富集因子法和主成分分析法分析其聚集特征和主要来源。结果发现各采样点大气PM_2.5及其附着的15种金属及类金属元素的日均浓度在整体上呈现的趋势为：采暖季污染较重时期＞采暖季污染较轻时期＞非采暖季;各监测期大气中PM_2.5及其附着的大多数金属及类金属元素的日均浓度在3个监测点间无显著性差异（p＜0.01）;PM_2.5上附着的15种金属及类金属元素的主要来源在非采暖季是土壤扬尘、建筑扬尘和冶金工业,其贡献率分别为32.03%,30.52%和18.26%,在采暖期污染较轻时,主要来源是建筑、土壤和冶金工业的混合源、建筑和生物质燃烧混合源以及土壤,其贡献率分别为37.98%,37.05%和16.55%,在采暖期污染较重时,主要来源是建筑和生物质燃烧混合源,建筑、土壤和冶金工业的混合源以及土壤,其贡献率分别为40.62%,35.52%和13.96%。与往年的相关研究结果相比,虽然近年来太原市对PM_2.5的污染源如冶金工业、机动车和燃煤等的污染物排放控制有所成效,但还应进一步加强对生物质燃烧、土壤扬尘、建筑扬尘和冶金工业污染源的管控措施。     

基于双视场激光雷达的气溶胶水平分布观测

在自主研制的便携式双视场米散射气溶胶激光雷达（DFOV激光雷达）基础上,探索双视场激光雷达信号拼接思路,利用“斜率-Fernald”方法反演了气溶胶水平消光系数,进而获取了DFOV激光雷达对气溶胶水平消光系数的扫描分布。首先,对雷达回波信号分段运用斜率法,求解最优的气溶胶消光系数、后向散射系数以及相对应的参考距离,然后将该参考点处的后向散射系数代入“Fernald方法”的前后向积分解中,进而得到整条廓线的消光系数。该方法有效避免了“斜率法”中大气均匀的前提假设和消光系数负值的问题,也有效避免了“Fernald方法”对参考点的限制和要求。在获取水平消光系数后,通过拟合近地面空气质量监测点位过顶时刻DFOV激光雷达测量的气溶胶消光系数与PM₁₀质量浓度ρ(PM₁₀)之间的关系,相关性达到0.91。将此定量关系传递至激光雷达扫描的消光系数结果中,可得到气溶胶质量浓度的水平分布,定量反演大气中颗粒物的分布,用于研究近地面大气污染成因、机理和污染来源分析,为DFOV激光雷达进一步应用于城市区域大气污染定量评价和区域空气质量三维模式同化分析研究提供定量的数据支撑。     

鞍山式铁矿SiO2含量的热红外光谱分析方法

SiO₂含量是铁矿石质量控制的主要技术指标,亦是衡量铁矿石品质好坏的关键指标之一,对选矿方法、配矿流程的确定具有重要意义。传统的SiO₂含量测定法虽然准确度高,但工作量大,操作繁琐,花费时间长,难以快速、高效确定铁矿石中SiO₂含量。采用红外光谱辐射计Turbo FT对辽宁省鞍钢集团鞍千矿业有限责任公司的“鞍山式”铁矿样品进行热红外光谱测试,分析了光谱特征,构建了比值指数(RI)、差值指数(DI)和归一化指数(NDI),并确定光谱指数与样品SiO₂含量相关性最显著的敏感波段及对应的相关系数值;优选出与样品SiO₂含量相关性最显著的归一化指数(NDI),构建样品SiO₂含量的定量反演模型,并进行了验证。结果表明,三种光谱指数与样品SiO₂含量的敏感波段均位于余辉带特征(RF)的左边界8.06与8.2 μm处,相关系数均达到0.9以上,其中NDI与样品SiO₂含量的相关性最高;基于NDI构建了实验样品SiO₂含量的二次函数反演模型,预测误差为3.57%。该方法相对于传统的研磨化验法,具有工作强度小、便捷、快速、高效、无污染的优点,对遥感找矿也具有一定指导意义。     

智能手机的主要叶类蔬菜品质和新鲜度指标的光谱检测

蔬菜品质和新鲜度的高低不仅影响食用时的口感,而且营养程度也不一样。作为蔬菜品质和新鲜度重要参考指标之一的叶绿素和含水量的检测,已经越来越受到国内外学者的重视。相比于传统的肉眼目视判断的检验方法,可见-近红外光谱分析具有快速高效、无损、非接触等独特的优势,更加适合蔬菜的实时检测。目前相关研究主要集中在生长中植被叶绿素和含水量的反演,对市场上成品蔬菜的研究较少,或者研究对象单一,缺乏市场普适性。此外,光谱数据的获取需要专业的光谱仪采集,费时费力,各种生理生化指标的研究离实用化还有很长的距离。为了与实际相结合,基于智能手机光谱系统（SCSS)建立了快速、准确、普适性强的反演蔬菜叶绿素和含水量的模型,并通过地面光谱仪SVC数据验证了该系统的可靠性。选取市场典型的五种蔬菜（菠菜、小油菜、油麦菜、生菜和娃娃菜）作为实验样本,分别进行常温保存和冷藏保存来模拟现实中菜市场和超市的蔬菜储存环境。每隔24 h进行一次数据采集。对获取的原始光谱数据进行波段选择和小波变换去噪的预处理。构建蔬菜叶绿素反演指数(VCRI_{（m, n）})和蔬菜含水量反演指数(VWRI_{(i, j)}),分别提取该两个指数与叶绿素和含水量实测值的相关系数R作为权重系数,最终建立了叶绿素和含水量的加权平均反演模型。实验结果表明,SVC仪器和SCSS两者数据针对蔬菜叶绿素和含水量的敏感波段基本一致,叶绿素反演的敏感波段在730~980 nm之间,反演精度R2分别为0.863和0.808 1,标准差为8.679 5和8.892 5;含水量反演的敏感波段在水汽吸收波段950~1 000 nm之间,反演精度R2分别为0.742 9和0.712 9,标准差为8.789 9%和8.861 4%。SVC实验数据跟SCSS实验数据结果十分接近,验证了新型智能手机光谱系统实时监测蔬菜叶绿素和含水量的有效性。智能手机光谱系统具有体积小、价格便宜的优势,结合网络云端服务和实时数据反馈的特点,能够实现蔬菜品质和新鲜度指标的智能检测,让光谱分析真正应用于人们日常生活中。     

基于多角度多光谱Stokes参数Q和U测量反演气溶胶偏振相函数

偏振相函数是气溶胶重要的光学参数之一,它对气溶胶复折射指数、粒子尺度和形状都十分敏感。多角度多光谱偏振遥感可以有效获取气溶胶偏振相函数信息。新一代CIMEL太阳-天空偏振辐射计CE318-DP作为高精度地基气溶胶偏振遥感仪器已被引入全球气溶胶自动观测网AERONET(AErosol RObotic NETwork),并作为扩展多波长偏振测量的太阳-天空辐射计观测网SONET(Sun/sky-radiometer Observation NETwork)的主要仪器,已在不同类型气溶胶观测站点积累了多年的偏振数据。但目前偏振反演仅能利用线偏振度或偏振辐亮度。与线偏振度和偏振辐亮度相比,Stokes参数Q和U不仅包含天空光线偏振强度信息还包含偏振方向信息。利用CE318-DP多光谱多角度测量的天空光Stokes参数Q和U反演气溶胶偏振相函数的方法。针对CE318-DP标准主平面偏振观测模式PPP(Polarized Principal Plane)下Stokes参数U对气溶胶特性变化不敏感、信息难以利用的不足,测试了新的平纬圈偏振扫描模式ALMP(ALMucantar Polarization)获取Stokes参数Q和U,并成功应用于偏振相函数的反演。系统分析了340～1 640 nm多光谱通道上典型生物质燃烧型气溶胶和水溶性气溶胶的-P₁₂/P₁₁反演结果并测试了反演方法在晴朗和灰霾不同大气条件下的适用性。无论在主平面还是平纬圈观测几何下,反演结果在可见光和近红外通道上均与真实值具有较好的一致性。进一步讨论了模型中基于气溶胶参数初始值和大气气溶胶参数真实值计算的“大气单次散射/大气散射”的比值近似相等的假设条件在短波通道不能很好地满足是造成紫外波段反演结果偏差较大的原因之一。后续有待进一步提高反演模型在短波通道的适用性,为利用不同光谱通道上-P₁₂/P₁₁的变化特征改进气溶胶微物理参数反演奠定了基础。     

基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究

为探究遥感监测水稻冠层叶片氮素含量的较优高光谱反演模型,以水稻小区试验为基础,获取了不同生长期水稻冠层高光谱数据。在综合比较一阶导数变换(1-Der)、标准正态变量变换(SNV)和SG滤波法等处理方法基础上,提出一种将SNV与一阶导数变换的SG滤波法相结合的光谱处理方法(SNV-FDSGF),并将处理后的数据经无信息变量消除法(UVE)与竞争自适应重加权采样法（CARS）选出不同生长期的敏感波段。将各生长期的敏感波段两两随机组合,并构建与水稻叶片含氮量相关性较高的差值光谱植被指数(DSI)、比值光谱植被指数(RSI)、归一化光谱植被指数(NDSI)。其中分蘖、拔节和抽穗3个时期的最优植被指数和决定系数R2分别为：DSI(R₈₅₇, R₆₂₃), 0.704; DSI(R₆₇₀, R₅₇₈), 0.786; DSI(R₉₉₅, R₅₀₈), 0.754。以各生长期内的较优的三种植被指数作为输入分别构建自适应差分优化的极限学习机(SaDE-ELM)、径向基神经网络(RBF-NN)以及粒子群优化的BP神经网络(PSO-BPNN)反演模型。结果表明：SaDE-ELM建模效果最好,在模型稳定性和预测能力上比RBF-NN和PSO-BPNN都有了明显提高,各生长期反演模型的训练集和验证集决定系数R2均在0.810以上,RMSE均在0.400以下,可为东北水粳稻冠层叶片含氮量的检测与评估提供科学和技术依据。     

基于最优光谱指数的大豆叶片叶绿素含量反演模型研究

叶绿素含量的准确获取及预测可为作物种植的精准化管理提供理论依据。利用最优光谱指数建立大豆叶绿素含量反演模型,以大豆花芽分化期叶片为研究对象,获取高光谱和叶绿素含量数据。首先构建了7种与叶绿素含量相关的典型光谱指数,分别为比值指数（RI）、差值指数（DI）、归一化差值植被指数（NDVI）、修正简单比值指数（mSR）、修正归一化差值指数（mNDI）、土壤调节植被指数（SAVI）和三角形植被指数（TVI）,并对原始高光谱进行一阶微分（FD）处理,随后分别对原始和一阶微分高光谱在全光谱波长范围内两两组合所有波长,进行14个光谱指数的计算。再采用相关矩阵法进行最优光谱指数的提取,将所有波长组合计算出的光谱指数与叶绿素含量进行相关性分析,以相关系数最大值为指标,提取出14组最优的波长组合,并进行对应光谱指数值的计算作为最优光谱指数。最后将最优光谱指数划分为3组模型输入变量,分别与偏最小二乘回归（PLS）、最小二乘支持向量机回归（LSSVM）和套索算法LASSO回归3种方法组合建模并对比分析,以决定系数R2_c,R2_p和均方根误差RMSEC,RMSEP作为模型评价指标,最终优选出精度最高的大豆叶片绿素含量反演模型。结果表明：14组最优光谱指数波长组合分别为RI（728,727）,DI（735,732）,NDVI（728,727）,mSR（728,727）,mNDI（728,727）,SAVI（728,727）,TVI（1 007,708）,FDRI（727,708）,FDDI（727,788）,FDNDVI（726,705）,FDmSR（726,705）,FDmNDI（726,705）,FDSAVI（727,788）和FDTVI（760,698）,相关系数最大值r_max均大于0.8。建立最优模型的方法为输入变量为一阶微分光谱指数（组合2）与LSSVM组合的建模方法,所建模型的R2_c=0.751 8,R2_p=0.836 0,RMSEC=1.361 2,RMSEP=1.220 4,表明模型精度较高,可为大面积监测大豆的生长状态提供参考。     

重金属铜胁迫下玉米的光谱特征及监测研究

农作物重金属污染监测是当今高光谱遥感研究的重要内容之一,旨在设计一种新的窄带植被指数,以实现不同培育期的两种玉米品种的重金属铜胁迫监测。研究设计了不同浓度的铜污染实验,采用SVCHR-1024I型高性能地物光谱仪测量不同浓度铜离子（Cu2+）胁迫下玉米叶片的光谱反射率,并同步获取了玉米叶片中Cu2+含量数据。首先,对玉米叶片原始光谱数据进行一阶差分处理,并计算一阶差分反射率与叶片中Cu2+含量的相关系数（r）,筛选对铜胁迫敏感的波段。计算结果显示,489~497,632和677 nm波长附近的一阶差分反射率与叶片中Cu2+含量显著相关,可将其视为敏感波段。其次,根据以上3个敏感波段,建立基于一阶差分反射率的铜胁迫植被指数（dVI）。对所有可能的dVIs和Cu2+含量进行一元回归分析,并采用决定系数（R2）和均方根误差（RMSE）对回归结果进行评估,以筛选最佳指数。最后,采用不同生长年份的玉米实验数据对敏感波段的稳定性及dVI的适用性进行了验证评估;同时,通过与归一化植被指数（NDVI）、红边叶绿素指数（CI_red-edge）、红边位置（REP）、光化学反射指数(PRI)等常规重金属胁迫植被指数进行应用比较,证明dVI更具有优越性。结果表明：一阶差分处理后,在450~500,630~680和677 nm波长处的叶片反射率与Cu2+含量的相关系数明显增大。基于一阶差分反射率的特征波段具有稳定性,对于不同生长年份的玉米叶片数据,特征波段的波长位置不变。一元回归分析结果表明,结合497,632和677 nm波长的一阶差分反射率的指数与Cu2+含量具有显著的相关性,对于不同生长年份的2种玉米品种数据集,R2都高达0.75以上。另外,与常规植被指数比较结果表明,该研究所提出的dVI具有更好的鲁棒性及有效性,可为冠层尺度的重金属胁迫监测提供理论基础。     

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)。     

基于光谱分析的大气混合层高度测量研究

基于地基主动和被动差分光学吸收光谱(DOAS)分析方法,在2015年5月至2016年5月期间对上海近地面NO₂浓度(c_NO2)及对流层NO₂的垂直柱浓度(NO₂ VCD_trop)进行了观测。主动长光程差分光学吸收光谱系统(long-path DOAS, LP-DOAS)观测得的c_NO2小时均值与上海市全市空气质量c_NO2小时均值呈正相关,相关系数为0.81。被动多轴差分光学吸收光谱系统(multi-axis DOAS, MAX-DOAS)观测得的NO₂ VCD_trop与GOME-2和OMI卫星传感器测得的NO₂ VCD_trop也均呈正相关,相关系数分别为0.89和0.88。大气污染物的输送、扩散、稀释和沉降等过程主要发生在边界层中,白天混合层占到边界层的大部分,混合层高度(MLH)以上的自由对流层中污染物浓度较小,混合层内NO₂接近均匀混合时,利用地基主、被动DOAS观测得到的NO₂数据可以快速计算大气混合层高度。计算得的MLH与GDAS气象数据库中的边界层高度(PBLH)明显相关,相关系数达0.93,二者结果大小均在0.1～2 km之间。实验观测期间,MLH与PBLH日变化趋势均呈单峰形,MLH高值出现在12:00-15:00,由于PBLH时间分辨率低,最高值出现在14:00,同时二者月均变化趋势一致,2015年9月和2016年2月数值较高,2015年7月和2016年3月数值较低,另外求得MLH约为PBLH的0.98±0.59倍,符合狭义MLH与PBLH的关系。计算得的MLH与同点位激光雷达测得的PBLH_Lidar也具有较高的相关性,相关系数达0.75,PBLH_Lidar略大于MLH,但是二者在早晨5和6时和下午5和6时大小趋于相同,符合大气发展规律。说明该算法具有较高的可行性。     

铜铅离子胁迫下玉米污染程度的光谱识别

重金属铜离子(Cu2+)与铅离子(Pb2+)污染对玉米叶片光谱的影响微弱、隐蔽而难于探测。研究中设置不同浓度Cu2+, Pb2+胁迫的玉米盆栽实验,测定了玉米叶片光谱、叶片中Cu2+, Pb2+含量与叶绿素相对含量,分析了Cu2+, Pb2+污染胁迫下玉米叶片光谱响应特征,并选取480～670与670～750 nm范围来进行分析,在光谱维中定义了光谱微分差信息熵指数与在频率域中通过谐波分析提取了前三次谐波振幅(c₁, c₂与c₃)指数,并用所定义的指数探测分别受Cu2+, Pb2+胁迫玉米叶片光谱微弱差异。实验结果表明,在480～670与670～750 nm范围内,玉米叶片中重金属离子浓度越大,其光谱微分差信息熵就越大;在480～670 nm波段,谐波分解后第一谐波振幅c₁与第二谐波振幅c₂可用于识别Cu2+, Pb2+污染程度;在670～750 nm波段,第一谐波振幅c₁、第二谐波振幅c₂与第三谐波振幅c₃可用于识别Cu2+污染程度,而c₂则可以识别Pb2+污染程度,污染胁迫越大振幅越大。在480～670与670～750 nm波段内,光谱微分差信息熵与前三次谐波振幅可作为识别玉米受Cu2+, Pb2+污染胁迫程度的指数,从光谱维与频率域两种维度来识别玉米受Cu2+, Pb2+胁迫程度的方法可行,文中定义的两类指数可稳健、可靠地探测与识别玉米受Cu2+, Pb2+影响所产生的光谱微弱差异,研究结果对利用高光谱来探测植被受重金属污染胁迫程度具有一定的参考价值。     

基于太赫兹光谱-统计分析的大气PM2.5监测研究

应用太赫兹技术对大气中动力学直径小于2.5 μm(PM_2.5)的细颗粒物进行了定量研究。PM_2.5质量和太赫兹吸光度之间存在线性关系,相关系数为0.86。应用主成分分析的方法,可证明随着PM_2.5质量的增加,与吸收系数存在相似的趋势。为了提高预测精度,采用偏最小二乘,支持向量机和反向传播人工神经网络对PM_2.5进行定量研究。与单一的线性模型相比,统计模型具有较大的预测相关性和较小的误差。对于神经网络模型,训练集与预测集的相关系数和均方根误差分别达到0.999和0.016 mg,0.912和0.207 mg。因此,THz技术和统计学方法的结合可提供较高精度的预测,作为一种监测PM_2.5的有效手段。     

卫星遥感中不同偏振量对气溶胶反演的影响分析

偏振探测是提高气溶胶卫星遥感能力的重要途径。作为目前全球重要的偏振数据源,我国高分五号卫星搭载的多角度偏振探测仪（DPC）能够测量不同的偏振量,包括Stokes矢量偏振分量、偏振辐亮度（L_ｐ）和线偏振度（DOLP）。各偏振量所包含的有效信息和测量误差不同,进而影响气溶胶参数的反演精度。针对此,在最优估计反演框架下,利用信号自由度（DFS）和后验误差定量化分析了各偏振量对气溶胶参数反演的影响,为后续DPC气溶胶算法开发提供参考。研究结果表明：Stokes矢量包含的信息量最高,其次是线偏振度和偏振辐亮度,相应的气溶胶总DFS分别为7.5,6.1和5.2;采用不包含偏振方向信息的L_P反演时,复折射指数虚部和粒子谱有效方差的信息量比采用Stokes矢量和DOLP反演时显著下降,表明这两个参数对偏振方向和测量误差敏感,增加偏振方向信息和降低测量误差能够有效提高这两个参数的可反演性;偏振方向的探测对提高气溶胶遥感能力有重要价值,采用L_P和DOLP反演时,气溶胶各参数的后验误差比采用Stokes矢量反演分别增加67.6%和65.5%,其中细模态体积柱浓度和粒子谱有效半径受到的影响最大;在全部气溶胶参数中,复折射指数实部后验误差最小,虚部的反演不确定性最大。总体来说,细模态气溶胶的三个参数（体积柱浓度、复折射指数实部和粒子谱分布有效半径）在三种偏振量反演情况下平均DFS均大于0.85,能够较好的通过DPC观测反演得到,而粗模态气溶胶反演与气溶胶类型有关,参数反演不确定性较大。