添加有机肥和葡萄糖对铜毒害旱地红壤微生物生物量的影响

在预培红壤中加入定量的有机肥和葡萄糖及不同浓度的Cu,25℃培养14d，测定了土壤微生物生物量C（Cmic),N(Nmic)。结果表明，存在有机肥和葡萄糖时，土壤中Cmic和Nmic随着Cu浓度的增加而降低；Cmic/Nmic随着Cu浓度的增加而增大。施加有机肥和葡萄糖的土壤中，在所有Cu处理浓度下，土壤中Cmic和Nmic均比未加有机物质处理高，特别是有机肥处理中土壤Cmic和Nmic均比其它处理高得多，说明有机肥可明显减轻Cu对土壤微生物生物量的毒性，同时也说明有机肥可提供微生物N源。不含Cu时，加入有机肥和葡萄糖导致土壤中Cmic和Nmic增加，其中有机肥明显。     

山西五台山地区早元古代白云岩碳同位素演化及意义

本文首次较系统地研究了早元古代白云岩的碳同位素组成。样品采自山西五台山地区滹沱群。平均采样间距8m,分析的样品总数484个。碳同位素结果表明:早元古代白云岩δ~(13)C值随时间有明显的变化,但又具有相对的稳定。与显生宙中白垩—第三系、二叠—三叠系等界线上碳酸盐岩碳同位素突变类似,在早元古代中也有碳同位素的快速变化。     

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。     

小球藻、球等鞭金藻和螺旋藻生物量高光谱成像的可视化研究

微藻高效培养是微藻生物能源开发利用的关键和前提,而在营养充足的培养条件下生长迅速但较易受到环境污染和影响,因此微藻生长过程中对其生长状况进行监测意义重大。高光谱成像技术同时拥有丰富物质品质信号的优点和图像包含丰富品质分布空间信息的优点,可为微藻的快速无损检测提供新的方法和手段。分别采集小球藻、球等鞭金藻和螺旋藻三种微藻各45个样本的高光谱图像,并提取样本感兴趣区域(ROI)的平均光谱。利用连续投影算法(SPA)波长优选之后,取30个建模集样本的光谱数据与其相应的生物量建立多元线性回归(MLR)模型,对15个预测集样本的生物量进行预测,小球藻、球等鞭金藻和螺旋藻预测相关系数(r)分别为0.950,0.969和0.961,预测均方根误差(RMSEP)为0.010 2,0.010 7和0.017 1,获得了较好的预测精度。最后,用所建MLR模型对预测集图像上每个像素点的生物量加以预测,采用Matlab图像编程处理将不同的生物量用不同的颜色表示,最终以伪彩图的形式实现藻液生物量的可视化。研究结果表明,高光谱成像技术对小球藻和螺旋藻藻液生物量的可视化效果较好,对球等鞭金藻的预测效果还需要进一步改进。本研究为实现微藻生长信息的快速获取和进一步开展微藻生物质能源利用奠定了一定的研究基础。     

不同碳源对产甲烷生物阴极性能的影响

以"H"型电池为主体装置,考察和比较了有机和无机碳源对产甲烷生物阴极启动期和稳定运行期性能的影响.结果表明,有机碳源可以加速产甲烷生物阴极的形成,并使其在稳定运行期维持较高的运行性能;有机碳源条件下所形成的产甲烷生物阴极具有较好的电化学活性,当阴极电势为-0.75 V(vs.SHE)时,其电流密度可达(2.34±0.15)A/m2;通过投加有机碳源,可以实现CO2(或HCO-3)的原位供给,与无机碳源直接供给方式相比,可在一定程度上缓解气液传质限制,提高微生物的生长速率,最终使产甲烷生物阴极表面生物量是无机碳源培养下的4倍多.从微生物分析角度解释了有机碳源提高产甲烷生物阴极性能的原因.     

基于无人机高光谱特征参数和株高估算马铃薯地上生物量

地上生物量（above-ground biomass, AGB）是评价作物长势及其产量估测的重要指标,对指导农业管理具有重要的作用。因此,快速准确地获取生物量信息,对于监测马铃薯生长状况,提高产量具有重要的意义。于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期获取成像高光谱影像、实测株高（heigh, H）、地上生物量和地面控制点（ground control point, GCP）的三维空间坐标。首先基于无人机高光谱灰度影像结合GCP生成试验田的DSM（digital surface model, DSM）,利用DSM提取马铃薯的株高（H_dsm）;然后利用无人机高光谱影像计算一阶微分光谱、植被指数和绿边参数,进而分析高光谱特征参数（hyperspectral characteristic parameters, HCPs）和绿边参数(green edge parameters, GEPs)与马铃薯AGB的相关性,每个生育期筛选出相关性较高的前7个高光谱特征参数和最优绿边参数(optimal green edge parameters, OGEPs);最后基于HCPs,HCPs加入OGEPs,HCPs加入OGEPs和H_dsm的组合利用偏最小二乘回归（partial least square regression, PLSR）和随机森林（random forest, RF）估算不同生育期的AGB。结果表明：（1）提取的H_dsm与实测株高H高度拟合（R2=0.84,RMSE=6.85 cm,NRMSE=15.67%）;（2）每个生育期得到的最优绿边参数不完全相同,现蕾期、块茎增长期和淀粉积累期OGEPs为R_sum,块茎形成期和成熟期OGEPs分别为Dr_min和SDr;（3）与仅使用HCPs估算AGB相比,使用HCPs加入OGEPs,HCPs加入OGEPs和H_dsm在马铃薯不同生育期可以提高AGB估算精度,且以后者为自变量提高精度的幅度更大;（4）每个生育期利用PLSR和RF估算AGB的建模和验证R2从现蕾期到块茎增长期呈上升趋势,随后开始降低,整体上R2呈先上升后下降的趋势,通过PLSR方法构建的估算AGB模型效果优于RF方法,其中块茎增长期表现效果最好。因此,高光谱特征参数中结合最优绿边参数和株高,并使用PLSR方法可以改善马铃薯AGB的估算效果。     

基于小波分析的马铃薯地上生物量估算

地上生物量（AGB）是作物长势评价及产量预测的重要指标,因此快速准确地估算AGB至关重要。由于传统植被指数（VIs）估算多生育期的AGB存在饱和现象,因此,利用VIs结合基于离散小波转换（DWT）的影像小波分解（IWD）技术提取的高频信息和连续小波转换（CWT）技术提取的小波系数,探究VIs,VIs+IWD和VIs+CWT对于AGB的估算能力。首先,基于无人机平台分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期的数码影像和成像高光谱影像以及地面实测的AGB数据。其次,利用数码影像通过IWD技术提取3种高频信息和利用高光谱反射率数据通过CWT技术提取小波系数以及构建6种高光谱植被指数。然后,将植被指数、高频信息和小波系数分别与AGB进行相关性分析,并挑选出不同尺度下相关系数绝对值较高的前10波段。最后,以VIs,VIs+IWD和VIs+CWT这3种变量分别使用偏最小二乘回归（PLSR）方法构建AGB估算模型,并对比不同模型估算AGB的效果。结果表明: （1）每个生育期选取的6种植被指数、3种高频信息和10种小波系数与AGB的相关性均达到0.01显著水平,整个生育期相关性均呈现先升高后降低的趋势,其中以小波系数得到的相关性最高、高频信息次之,植被指数最低。（2）对比分析每个生育期的3种估算模型,以VIs+CWT为输入变量的估算效果最好,VIs+IWD的估算效果次之,而VIs的估算效果最差,说明基于小波分析构建的模型适用性较广、稳定性较强。（3）每个生育期分别以3种变量利用PLSR方法构建的AGB估算模型均在块茎增长期达到最高精度（VIs：建模R2=0.70,RMSE=98.88 kg·hm-12,NRMSE=11.63%;VIs+IWD：建模R2=0.78,RMSE=86.45 kg·hm-12,NRMSE=10.17%;VIs+CWT：建模R2=0.85,RMSE=74.25 kg·hm-12,NRMSE=9.27%）。通过VIs分别结合IWD和CWT技术利用PLSR建模方法,可以提高AGB估算精度,为农业指导管理提供可靠参考。     

基于优化光谱指数的牧草生物量估算

牧草生物量是天然和人工草场产出的一个重要指标,能直接反映牧草的长势,它的实时监测是制定合理的草地管理和放牧制度的前提。然而,传统的样方法费时、费力很难满足草地生物量监测的实时性要求。近年来,随着高光谱遥感的发展,为草地的快速、无损的监测提供了可能。通过对内蒙古天然和人工草地生物量及其冠层光谱数据分析,探讨了不同类型光谱指数在估算牧草生物量的鲁棒性。研究表明,由于冠层结构和生物量的影响,不同类型草地冠层的光谱反射存在巨大的差异,从而使现有光谱指数对天然草地和不同品种人工草地牧草生物量的预测能力存在显著的差异(R2=0.00～0.65)。在荒漠草原低生物量的条件下,受土壤背景影响不同光谱指数预测能力较小,而在青贮玉米高生物量条件下,基于红光的光谱指数容易发生饱和失去敏感性。把不同草地类型的数据结合后进行简单比率和归一化窄波段光谱指数的波段优化,与出版的光谱指数相比优化后的归一化光谱指数(normalized difference spectral index, NDSI）显著提高了牧草生物量的预测能力,预测生物量模型的决定系数最高(R2=0.72)。敏感性分析进一步证明了基于波段优化算法的优化光谱指数NDSI,(ration spectral index, RSI）有最低的噪声,从而能更好的预测牧草生物量。波段优化算法可以有效提高遥感估算草地牧草生物量的精度,光谱指数及其优化波段的选择会直接影响模型的预测能力。     

基于天宫一号高光谱数据的荒漠化地区稀疏植被参量估测

为了精准地估测荒漠化地区的稀疏植被信息,选取内蒙古苏尼特右旗为研究区,以天宫一号高光谱数据为数据源,结合野外实地调查数据,通过归一化植被指数(normalized difference vegetation index, NDVI)和土壤调节植被指数(soil adjusted vegetation index, SAVI)对研究区内的植被覆盖度和生物量进行反演,并对比两种植被指数的优劣。首先,分析了每种波段组合下的植被指数与覆盖度、生物量的相关性,确定了最大相关的波段组合。覆盖度和生物量与NDVI的最大相关系数可达0.7左右,而与SAVI的最大相关系数可达0.8左右。NDVI的最佳波段组合的红光波段中心波长为630 nm,近红外波段的中心波长为910 nm,而SAVI的组合为620和920 nm。其次,分别构建了两种植被指数与覆盖度、生物量之间的线性回归模型,所建模型的R2均能达到0.5以上。SAVI所建模型R2要比NDVI略高,其中植被覆盖度的反演模型R2高达0.59。经留一交叉验证,SAVI所建模型的均方根误差RMSE也比基于NDVI的模型小。结果表明：天宫一号高光谱数据丰富的光谱信息能有效地反映地表植被的真实情况,并且SAVI比NDVI更能较为精准地估测荒漠化地区的稀疏植被信息。     

基于TSAVI的OLI模拟数据翅碱蓬生物量反演研究

翅碱蓬是辽东湾北部滨海湿地一种典型的植被,其生物量的评估对了解滨海湿地生态系统生产力,生态系统机构和功能的形成具有十分重要的作用。而翅碱蓬覆盖度不均一,特别是自然状态下的覆盖度较低,土壤背景影响严重。将基于模拟Landsat 8 OLI数据的转换型土壤调整指数(transformed soil adjusted vegetation index,TSAVI)作为自变量,与地面实测生物量进行回归分析,构建了翅碱蓬群落生物量反演模型。结果表明：TSAVI(红光600～687 nm,近红外820～880 nm)与生物量的相关性显著,相关系数在0.9左右,最高相关系数可达0.92;线性、二次多项式优于对数、指数和幂模型,模型拟合优度r2都为0.83,再结合模型的F值和运算效率,认为线性模型是反演成熟翅碱蓬生物量的最优模型。最后,实现了研究区域Landsat 8 OLI卫星遥感数据翅碱蓬群落生物量反演及模型验证,估算值和实测值的相关系数r为0.962,平均相对误差为0.106,翅碱蓬覆盖度越大,相对误差越低,覆盖度低的翅碱蓬生物量反演的相对误差在0.18左右,表明所建立的线性反演模型在高、低覆盖度时均具有良好的反演精度;此外,还人为地将模型中土壤线系数a和b引入±5%扰动,扰动后的反演结果平均相对误差比较稳定,相关系数有所降低,但都在0.9以上,表明所建立反演模型具有较好的稳定性。