摘要：采礦后地區(qū)受到大規(guī)模和嚴(yán)重的干擾，會(huì)對(duì)周?chē)鷳B(tài)系統(tǒng)產(chǎn)生重要的影響。原本的生態(tài)系統(tǒng)被破壞，而植樹(shù)造林可以恢復(fù)這些生態(tài)系統(tǒng)。但其成功和速度取決于所挖出棄土基質(zhì)的特性。熱紅外遙感為棄土基質(zhì)的標(biāo)測(cè)和分類(lèi)帶來(lái)了優(yōu)勢(shì)，從而確定了其特性。棄土基質(zhì)庫(kù)包含光譜發(fā)射率（Designs and Prototypes Model 102便攜式FTIR光譜儀）和化學(xué)性質(zhì)，可以促進(jìn)遙感活動(dòng)。該研究提供了從捷克共和國(guó)褐煤開(kāi)采場(chǎng)提取的棄土基質(zhì)發(fā)射率的光譜庫(kù)。通過(guò)干燥和篩分將提取的樣品均質(zhì)化。每個(gè)樣品的光譜發(fā)射率通過(guò)光譜平滑算法來(lái)確定，該算法適用于傅立葉變換紅外（FTIR）光譜儀測(cè)得的數(shù)據(jù)。同時(shí)測(cè)量了每個(gè)樣品的化學(xué)參數(shù)（pH、電導(dǎo)率、Na、K、Al、Fe、灼燒損失和多酚含量）和毒性。本文中光譜基因庫(kù)以地理坐標(biāo)的形式提供了獲取位置的有價(jià)值的信息，呈現(xiàn)的數(shù)據(jù)本質(zhì)上是唯一的，可以在長(zhǎng)波紅外電磁頻波中為許多遙感活動(dòng)提供服務(wù)。1總結(jié)露天采礦過(guò)程中，煤層上方大量的基質(zhì)被清除并重新堆放，覆蓋了廣闊的區(qū)域，這些從幾百米深處挖出的材料被稱(chēng)為棄土基質(zhì)。其物理和化學(xué)特性會(huì)發(fā)生變化，異質(zhì)性很大程度上受地質(zhì)及采礦和堆放方法的影響，由于這個(gè)原因，基質(zhì)與最近的土壤有很大的不同。它們有極端的pH值，高濃度的重金屬、多酚（即煤分解產(chǎn)物）和鹽含量。這些性質(zhì)會(huì)影響采礦后地區(qū)植被發(fā)展的成功和速度。因此，在土地...
發(fā)布時(shí)間:
2020
-
05
-
28
瀏覽次數(shù)：82
植被冠層的光合特性是基于地球系統(tǒng)模型進(jìn)程的重要參數(shù)，可用于理解全球碳循環(huán)。然而這些地球系統(tǒng)模型缺乏光合特性連續(xù)的時(shí)空信息，導(dǎo)致了很大的不確定性，無(wú)法解釋碳的源和匯以及大氣層與陸地生物圈的交換。此外，光合速率的準(zhǔn)確表征對(duì)于重設(shè)光合作用途徑以提高作物產(chǎn)量至關(guān)重要。選擇新品種需要在給定環(huán)境中將基因型與表型聯(lián)系起來(lái)，但尚未以高通量方式實(shí)現(xiàn)，這成為植物育種的主要瓶頸之一。為此，作為全球糧食安全問(wèn)題解決方案的一部分，迫切需要光合特性高通量表征技術(shù)的進(jìn)步，這對(duì)于深刻理解全球環(huán)境變化至關(guān)重要?；诖?，作者研究了安裝在移動(dòng)平臺(tái)上的高光譜成像相機(jī)是否能解決這些問(wèn)題，重點(diǎn)研究三種主要方法-基于偏最小二乘法回歸（PLSR）的反射光譜，光譜指數(shù)以及數(shù)值模型反演，以從11個(gè)煙草品種冠層高光譜反射率估算光合特性。結(jié)果表明，基于PLSR建立的反射光譜和光譜指數(shù)模型預(yù)測(cè)Vcmax和Jmax的R2為~0.8，高于數(shù)值反演的預(yù)測(cè)結(jié)果（R2為~0.6）。與反射光譜的PLSR相比，光譜指數(shù)的PLSR預(yù)測(cè)Vcmax（R2 = 0.84 ± 0.02, RMSE = 33.8 ± 2.2 μmol m?2 s?1）的結(jié)果更好，預(yù)測(cè)Jmax（R2 = 0.80 ± 0.03, RMSE = 22.6 ± 1.6 μmol m?2 s?1）的結(jié)果相似。...
發(fā)布時(shí)間:
2020
-
05
-
28
瀏覽次數(shù)：240
摘要：本研究旨在理解不同缺水脅迫下10個(gè)水稻基本型的表現(xiàn)。記錄了不同脅迫水平下植物的相對(duì)含水量（RWC）以及在350-2500 nm范圍內(nèi)的高光譜數(shù)據(jù)。通過(guò)光譜指數(shù)，多元技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)確定最佳波段，并建立預(yù)測(cè)模型。建立了新的水敏感光譜指數(shù)，并就RWC評(píng)估了現(xiàn)有的水帶光譜指數(shù)。這些基于指數(shù)的模型可以有效地預(yù)測(cè)RWC，R2值為0.73至0.94。在350-2500 nm范圍內(nèi)的所有可能組合中，使用比率光譜指數(shù)（RSI）和歸一化光譜指數(shù)（NDSI）繪制等高線，并量化與RWC的相關(guān)性以確定最佳指數(shù)。光譜反射率數(shù)據(jù)（ASD Field Spec3 spectroradiometer測(cè)量）還用于建立偏最小二乘回歸（PLSR），然后進(jìn)行多元線性回歸（MLR）和人工神經(jīng)網(wǎng)絡(luò)（ANN），支持向量機(jī)回歸（SVR）和隨機(jī)森林（RF）模型來(lái)計(jì)算植物RWC。在這些多元模型中，PLSR-MLR被認(rèn)為是預(yù)測(cè)RWC的最佳模型，校正和驗(yàn)證的R2分別為0.98和0.97，預(yù)測(cè)的均方根誤差（RMSEP）為5.06。結(jié)果表明，PLSR是鑒定作物缺水脅迫的可靠技術(shù)。盡管PLSR是可靠的技術(shù)，但如果將PLSR提取的最佳波段饋入MLR，則結(jié)果會(huì)得到顯著改善。使用所有光譜反射帶建立了ANN模型。建立的模型未取得令人滿(mǎn)意的結(jié)果。因此，使用PLSR選擇的最佳波段作為獨(dú)立x變量開(kāi)發(fā)了模型，發(fā)現(xiàn)PLSR-ANN模型比單獨(dú)的ANN模型...
發(fā)布時(shí)間:
2020
-
05
-
25
瀏覽次數(shù)：199
土壤有機(jī)碳（SOC）源和匯之間的平衡會(huì)影響溫室氣體以及全球氣候。SOC儲(chǔ)量的微小變化會(huì)影響碳循環(huán)，并可能顯著增加或降低大氣中的碳濃度。土壤碳的變化受氣候和土地利用的影響，并且在不同土壤中也會(huì)發(fā)生變化。為了更好地理解土壤有機(jī)碳的動(dòng)力學(xué)及其驅(qū)動(dòng)因子，作者收集了華北和東北地區(qū)1980年代和2000年代的數(shù)據(jù)，其中2000年代的樣品利用ASD Fieldspec ProFR vis–NIR光譜儀進(jìn)行了漫反射光譜的測(cè)定用于土壤碳的預(yù)測(cè)，并對(duì)各個(gè)時(shí)期土壤有機(jī)碳的空間變化進(jìn)行了數(shù)字土壤制圖。在1980年代，在30公里的方格中采集了585個(gè)土壤樣品，并在2003年和2004年對(duì)該區(qū)域進(jìn)行了重新采樣（1062個(gè)樣品）。該地區(qū)土地利用類(lèi)型主要是農(nóng)田，森林和草地。土地利用，地形因素，植被指數(shù)，可見(jiàn)近紅外光譜和氣候因素作為預(yù)測(cè)因子，使用隨機(jī)森林預(yù)測(cè)土壤有機(jī)碳濃度及其時(shí)間變化。1985年平均土壤有機(jī)碳濃度為10.0 g kg-1，而2004年為12.5 g kg-1。在這兩個(gè)時(shí)期中，土壤有機(jī)碳變化相似且從南到北增加。據(jù)估計(jì)土壤有機(jī)碳儲(chǔ)量在1985年為1.68 Pg，在2004年為1.66 Pg，但是不同土地利用下土壤有機(jī)碳變化是不同的。在過(guò)去的20年中，平均氣溫升高，大面積森林和草原轉(zhuǎn)化為農(nóng)田。農(nóng)田土壤有機(jī)碳增加了0.094 Pg（+9％），而森林和草地土壤有機(jī)碳分別損失了0.089 Pg（?25％）和0....
發(fā)布時(shí)間:
2020
-
05
-
15
瀏覽次數(shù)：79
6372117373571266866723166.pdf
發(fā)布時(shí)間:
2020
-
03
-
30
瀏覽次數(shù)：136
點(diǎn)擊下載：廣州市秋季氣溶膠光學(xué)特性日變化.pdf
發(fā)布時(shí)間:
2020
-
02
-
24
瀏覽次數(shù)：137
ASD 地物光譜儀FieldSpec 4 技術(shù)文獻(xiàn)：不同干旱條件下，夏玉米全生育期冠層吸收光合有效輻射比的高光譜遙感反演 冠層吸收光合有效輻射比(fAPAR)是植被生產(chǎn)力遙感模型的重要參數(shù)，但關(guān)于不同干旱條件下作物全生育期的fAPAR遙感反演研究仍未見(jiàn)報(bào)道。本研究利用2015年夏玉米5個(gè)灌水處理模擬試驗(yàn)的高光譜反射率和fAPAR觀測(cè)資料，分析了不同干旱條件下夏玉米關(guān)鍵生育期fAPAR和高光譜反射率變化特征，探討了fAPAR與反射率、一階導(dǎo)數(shù)光譜反射率和植被指數(shù)的關(guān)系。 輕度水分脅迫和充分供水條件下，fAPAR較高；重度水分脅迫和重度持續(xù)干旱條件下，fAPAR較低。冠層可見(jiàn)光、近紅外光和短波紅外光區(qū)的反射率與fAPAR分別呈負(fù)相關(guān)、正相關(guān)和負(fù)相關(guān)關(guān)系。fAPAR與可見(jiàn)光和短波紅外光區(qū)的383、680和1980 nm附近的反射率的相關(guān)性最強(qiáng)，相關(guān)系數(shù)均達(dá)-0.87。一階導(dǎo)數(shù)光譜反射率與fAPAR相關(guān)性強(qiáng)且穩(wěn)定的波段為580、720和1546 nm，相關(guān)系數(shù)分別為-0.91、0.89和0.88。9個(gè)常用植被指數(shù)與fAPAR呈線性或?qū)?shù)關(guān)系，其中，增強(qiáng)型植被指數(shù)、復(fù)歸一化植被指數(shù)、土壤調(diào)節(jié)植被指數(shù)和修正的土壤調(diào)節(jié)植被指數(shù)與fAPAR的關(guān)系模型最好，決定系數(shù)(R2)均在0.88以上，平均相對(duì)誤差分別為16.6%、16.6%、16.7%和16.2%；基于一階導(dǎo)數(shù)光譜反射率與...
發(fā)布時(shí)間:
2020
-
02
-
07
瀏覽次數(shù)：116
M.K. Maid1*, R.R. Deshmukh21*Department of CS and IT, Dr. B. A. M. U, Aurangabad, India2Department of CS and IT, Dr. B. A. M. U, Aurangabad, India*Corresponding Author: mm915monali@gmail.com Available online at: www.ijcseonline.org Abstract— Remote Sensing has wide range of applications in many different fields. Remote Sensing has been found to be a valuable tool in evaluation, monitoring, and management of land, water and crop resources. The applications of remote sensing techniques in the field of agriculture are wide and varied ranging from crop identification, detection of diseas...
發(fā)布時(shí)間:
2019
-
03
-
19
瀏覽次數(shù)：256
本文旨在利用高光譜數(shù)據(jù)建立一個(gè)準(zhǔn)確、可解釋的植物病害識(shí)別模型。由真菌引起的大豆炭腐病是一種嚴(yán)重影響大豆產(chǎn)量的世界性病害。在383-1032 nm范圍內(nèi)，Resonon高光譜成像儀在240個(gè)不同的波長(zhǎng)處捕獲高光譜圖像。針對(duì)大豆炭腐病，科學(xué)家建立了3D卷積分網(wǎng)絡(luò)模型，模型分類(lèi)精度為95.73%，并利用可視化顯著圖檢驗(yàn)訓(xùn)練模型、敏感像素位置以及分類(lèi)的特征敏感波段，發(fā)現(xiàn)：敏感特征波段為733 nm，這和常用的鑒別植物健康程度的特征波段范圍（700-1000nm）是一致的。 實(shí)驗(yàn)：感染炭腐病的大豆：分別在第3、6、9、12和15天采集健康的和受感染的大豆莖稈樣品，在測(cè)量病害程度之前，實(shí)時(shí)采集健康的和收到感染的莖稈的高光譜圖像。測(cè)量?jī)x器：美國(guó)Resonon高光譜成像儀，型號(hào)：Pika XC（包含安裝支架、移動(dòng)平臺(tái)、操作軟件和2個(gè)70w鹵素?zé)簦㏄ika XC性能：光譜通道數(shù)：240，波段范圍，400-1000 nm，分辨率：2.5 nm。 平臺(tái)系統(tǒng)如下圖（a）所示：（a） 室內(nèi)高光譜成像系統(tǒng)（b） 不同光譜波段的大豆莖稈樣品高光譜圖像（c） 大豆莖稈的內(nèi)部和外部RGB圖像的病害程度比較3D-CNN模型由兩個(gè)連接的卷積分模型組成，其中，一個(gè)小的構(gòu)架用于防止訓(xùn)練...
發(fā)布時(shí)間:
2018
-
10
-
09
瀏覽次數(shù)：682
DOI： 10.5846/stxb201803300694韓東，王浩舟，鄭邦友，王鋒. 基于無(wú)人機(jī)和決策樹(shù)算法的榆樹(shù)疏林草原植被類(lèi)型劃分和覆蓋度生長(zhǎng)季動(dòng)態(tài)估計(jì). 生態(tài)學(xué)報(bào)， 2018， 38（18）：6655-6663 基于無(wú)人機(jī)和決策樹(shù)算法的榆樹(shù)疏林草原植被類(lèi)型劃分和覆蓋度生長(zhǎng)季動(dòng)態(tài)估計(jì) 韓東1，王浩舟1,2，鄭邦友3，王鋒1，*1 中國(guó)林業(yè)科學(xué)院荒漠化研究所，北京 1000912 The Faculty of Forestry & Environmental Management, University of New Brunswick, Fredericton, NB E3B 5A3, Canada3 CSIRO Agriculture and Food, Queensland Biosciences Precinct 306 Carmody Road, St Lucia, 4067, QLD, Australia摘要：植被覆蓋度是評(píng)估生態(tài)環(huán)境質(zhì)量與植被生長(zhǎng)的重要指標(biāo)，也是全球眾多陸面過(guò)程模型和生態(tài)系統(tǒng)模型中表達(dá)植被動(dòng)態(tài)的重要參數(shù)。衛(wèi)星遙感和地面測(cè)量是估算植被覆蓋度的常見(jiàn)方法。然而，如何精確...
發(fā)布時(shí)間:
2018
-
09
-
29
瀏覽次數(shù)：164