欢迎莅临·太阳成集团-www.tyc522cc.com|品牌公司

菜单

首页
产品中心
新闻资讯
安装案例
技术文章
测样服务
下载中心
tyc522cc太阳成集团欢迎莅临

ASD应用

ASD | 融合SIF与PRI的深度学习模型精准估算水分胁迫下冬小麦蒸散

研究背景在陆地生态系统的水循环中，蒸散是连接地表与大气水分和能量交换的关键途径。尤其对于农田生态系统而言，准确估算作物的实际蒸散量，不仅有助于理解作物水分利用效率，还能为农业水资源管理和干旱应对提供科学依据。然而，现有的估算方法却面临诸多挑战：（1）传统气象模型：理论基础扎实，但依赖完整的气象数据，且难以捕捉植被光合作用的生理过程；（2）遥感指标局限性：太阳诱导叶绿素荧光（SIF）虽能直接反映光合活性，但在水分胁迫下存在响应滞后；光化学反射指数（PRI）能灵敏跟踪短期胁迫响应，但鲜少被纳入机器学习模型中；因此，如何融合多源数据，利用深度学习挖掘气象与生理指标的协同价值，成为了提高实际蒸散量（ETc act）估算精度的新途径。近期，西北农林科技大学蔡焕杰老师的团队联合沈阳大学和石河子大学的团队在《Agricultural Water Management》期刊发表最新研究成果，该研究通过融合SIF、PRI与气象要素，结合时间卷积网络和SHAP可解释性分析，系统揭示了多源数据在水分胁迫下对作物实际蒸散量的协同作用机制。该成果不仅为精准估算农田蒸散提供了新的技术路径，也为理解作物在水分胁迫下的生理响应机制、优化农业水资源管理提供了科学支撑。图1.杨凌野外试验基地概况。注：(a) 显示了杨凌研究基地在中国西北部的具体位置。(b-f) 展示了本研究中使用的光合速率相关指标、通量和气象数据的测量系统。研究方法研究区域：2021年10月15日至2024年6月8日，以陕西省西北农林科技大学农业水土工程重点实验室的冬小麦农田为研究区域，开展了为期三年的冬小麦田间实验；监测指标：连续测量水通量、CO2浓度、水汽密度、净辐射（Rn）、气温（Tair）、相对湿度（RH）、风速（WS）及不同深度土壤含水量（SWC）、SIF等指标，并通过冠层反射率计算光化学反射指数（PRI）；为了补充SIF和PRI测量，使用ASD FieldSpec 4地物光谱仪同时记录冠层反射率；光谱性能：光谱范围：3502500 nm；光谱分辨率：3 nm@700 nm，6 nm@1400 nm和2100 nm；光谱通道数：2151 nm；最后，对数据进行预处理，构建随机森林（RF）、支持向量回归（SVM）等机器学习模型，以及LSTM、时间卷积网络（TCN）等深度学习模型，结合交叉验证优化超参数。并引入SHAP方法对最...

2026 - 03 - 09
ASD | 基于光谱技术的甘蔗叶片NPK含量预测：样品制备对预测精度的影响

研究背景甘蔗是全球生物经济的基石，其高产高效依赖于精准的养分管理。传统的营养评估方法依赖于实验室化学分析，但这些方法不仅具有破坏性，还非常耗时且成本高昂，难以满足精准农业对高频、原位监测的需求。可见光-近红外-短波红外（Vis-NIR-SWIR）光谱技术因快速、无损等优势，已成为农业科学中的一种强大分析工具。然而，叶片样品制备方式（鲜样原位测量和烘干磨碎测量）对光谱预测性能的影响仍存争议。尽管新鲜样品在光谱研究中被广泛使用，但在甘蔗NPK综合估算中，系统地评估样品干燥对预测性能的影响，特别是与先进的机器学习算法相结合时，仍然是一个有待探索的问题。近期，巴西巴拉那联邦科技大学的研究团队领衔，联合米纳斯吉拉斯州立大学和马林加州立大学的研究团队，以甘蔗叶片为研究对象，系统评估了不同样品制备方式对Vis-NIR-SWIR光谱预测N、P、K含量的影响。相关研究成果发表于《Measurement》期刊。该团队通过对比鲜叶与干叶光谱，结合不同机器学习算法，系统分析了模型性能、特征波长及养分-光谱关联机制。结果表明，干燥处理显著提升了N的预测精度，而新鲜叶片对P和K的预测表现更优。该研究为甘蔗无损营养诊断中样品制备策略的差异化选择提供了关键数据支撑，并为精准农业中光谱技术的作物特异性应用奠定了方法学基础。图1. 实验区的地理位置。研究方法研究区域：研究团队在巴西巴拉那州帕拉纳瓦伊市一块2000平方米的区域内进行，在该实验区种植甘蔗，设置12种不同梯度的施肥处理。选择两个时间点（种后7个月、14个月）采集叶片，并对其进行不同条件的测量：鲜样组：ASD FieldSpec 地物光谱仪直接在田间测叶片反射率；干样组：叶片在65℃下烘干、研磨后，在实验室进行光谱测量；光谱性能光谱范围：350–2500 nm；光谱分辨率：350–1000 nm范围内为3 nm；1000–2500 nm范围内为30 nm；在进行光谱反射率测量后，采用化学方法精确测定N、P、K的真实含量。随后，使用随机森林（RF）、支持向量回归（SVR）和偏最小二乘回归（PLS）三种算法，通过五折交叉验证优化超参数，并通过R²、RMSE、RPD和偏差（bias）等指标评估模型性能；图2.数据采集实验装置：（a）采集田间甘蔗叶片的可见光-近红外-短波红外光谱反射率；（b）通过标准化学分析测定参考N、P、K的实验室程...

2026 - 03 - 04
ASD丨融合环境因子与Vis-NIR光谱：显著提升干旱区棉田土壤全氮估算精度

土壤全氮（TN）是土壤肥力的关键决定因素，在支持棉花生长、产量和纤维品质方面起着至关重要的作用。然而，当前棉田氮肥利用率普遍不足50%，过量投入导致严重的面源污染、土壤酸化及温室气体排放。在全球追求可持续氮素管理与减排增效的背景下，构建高效、高精度的土壤氮素定量估算模型已成为行业迫切需求。可见光-近红外（Vis-NIR）高光谱遥感以其非破坏性、高通量的优势被广泛应用，但在干旱绿洲区，由于土壤空间异质性对光谱估计的潜在干扰，以及低氮背景下光谱特征响应较弱等问题，使得传统的单一预测模型普遍面临泛化能力弱、精度受限等瓶颈。为了克服这一问题，塔里木大学彭杰教授团队联合浙江大学、武汉大学等多所高校，以新疆塔里木河流域的棉田为研究对象，开展了一项实验研究。该研究成果发表在《Industrial Crops & Products》期刊。文章提出了一种融合可见近红外光谱技术与多类环境协变量的方法，结合SCORPAN框架和卷积神经网络模型，成功实现了对土壤全氮含量的高精度估算，为干旱区棉田的精准氮肥管理提供了可靠的技术支持。图1. 研究流程示意图。注：在母质图例中，UF代表未固结河流沉积物，UF2代表未固结河流沉积物（类型2），UL代表未固结湖泊沉积物，WR代表风化残积物/风化岩石。为什么选择塔里木河？l 典型性：塔里木河流域极端干旱，是研究土壤缺氮的典型区域；l 重要性：产棉核心区，精准估氮是提质增产的关键；l 复杂性：自然与人为干扰导致土壤异质性强，估算难度大；l 应用性：优化氮肥管理，助力干旱区可持续农业与减排；图2.研究区和验证区的地理位置及土壤采样点的空间分布。图3.棉田种植年限。研究方法（1）研究区域：研究区：塔里木河流域，核心作物以棉花为主，采用地膜覆盖技术，3月下旬播种，10月底采收；验证区：叶尔羌河流域，环境条件与研究区相似；（2）数据采集：分别于2019年和2023年10月通过复合采样法采集土壤样本495个（建模300个，验证195个）。基于SCORPAN框架，收集了61项环境协变量，包括植被指数、地表温度、地形因子、种植年限等。（3）光谱测量与建模：实验采用ASD FieldSpec 4地物光谱仪及接触式探头获取土样光谱。测量时每15 min进行一次白板校正，每样重复10次取均值。l 光谱性能：光谱通道高：2151个；光谱分辨率：3 nm@700 ...

2026 - 03 - 04
ASD | 水体颜色，如何指示水质异常？

海洋与沿海生态系统正面临来自自然和人为的双重压力。联合国可持续发展目标中明确提到“水下生命”，要求减少海洋污染、保护海洋和沿海栖息地。因此，沿海和内陆水域的有效监测对缓解有害藻华和缺氧等问题至关重要。传统的水质评估方法通常依赖于耗时费力的实地测量，难以应对大范围水域和长期监测的需求。相比之下，遥感技术在水质监测中具有显著优势，不仅能够提供大范围、高频率的数据采集，还能帮助构建水质分布及其潜在环境影响的模型。近期，澳大利亚西悉尼大学等团队在《Marine Pollution Bulletin》上发表了一项研究，以土耳其马尔马拉海东部的伊兹密特湾为研究对象，提出一种基于色相角分析的水质遥感监测方法。该研究通过融合卫星影像与现场光谱及水质数据，构建了水体色相角与Chl-a、透明度等关键参数的关联模型。该方法在复杂的近岸水域中保持了较高的反演精度，能够有效识别水质异常及其时空变化规律，为海岸水质监测提供了可靠的新方案。图1.伊兹密特湾地图，显示了东部、中部和西部盆地的主要淡水输入源和污水处理厂，沿着有东西向深度剖面。为什么选择伊兹密特湾？伊兹米特湾位于土耳其马尔马拉海以东，是一个敏感的沿海生态系统，因其以下特点成为实验的理想选择。▶ 高污染水平；▶ 生态系统脆弱；▶ 光学特性复杂，适合方法验证；▶ 政策和生态恢复；伊兹密特湾是一个典型的“受人类活动强烈干扰的复杂海岸带生态系统”，在此进行实验不仅能够验证实验方法在真实复杂环境中的适用性，还能够为全球面临类似压力的沿海水域提供可推广的监测方案。图2. 伊兹密特湾的采样地点（13个点-2021年10月21日和16个点-2022年10月26日）。研究方法研究团队在 2021 年和 2022 年两个时段开展同步观测：利用 Sentinel-2 卫星获取水体反射率数据在现场采集 Chl-a、透明度（Secchi 盘深度）、电导率、硅酸盐等水质参数使用 ASD FieldSpec 4 地物光谱仪进行水面光谱测量，其工作光谱范围为325–1075 nm。为保障测量精度，每次光谱数据采集前均采用白色参考面板对仪器进行校准，确保光谱反射率数据的可靠性与可比性。其结果对卫星反演结果进行验证。在此基础上，计算不同年份的色相角分布，并分析其与关键水质参数之间的相关关系。为进一步验证方法的区域适用性，本研究还选取环境特征相似的盖姆利克湾作为...

2026 - 03 - 03
ASD | 用“光”看见土壤里的水：可见–近红外光谱如何追踪土壤蒸发？

土壤水分是精准农业与水文学研究的核心参数，其动态演变直接影响农田灌溉优化、水文过程模拟等关键应用。然而，传统测量多基于浅层土样的静态湿度，难以真实反映自然环境下土壤逐渐变干的动态过程。近日，刊发在《Geoderma》的一项研究，带来了一种全新的视角：研究人员利用可见-近红外光谱，如同为土壤表面进行“CT扫描”，首次在5 cm高的土柱上，高频、实时地追踪了水分在蒸发过程中细微的动态变化。这项工作旨在突破以往方法的局限，为理解土壤水分的时空演变提供了关键见解。为什么选择灰壤和淋溶土？灰壤（Podzol）：常分布于湿润气候、针叶林和混交林地区，颜色较深、质地偏粗。淋溶土（Luvisol）：WRB 分类中的重要土类，质地较细、结构稳定、干燥后具有一定收缩性。选择这两种差异明显的土壤，有两个目的：1. 检验光谱方法在不同质地中的普适性2. 研究颜色、结构与收缩性对光谱信号的影响图1. 蒸发实验装置的剖面图。土柱高度为L = 5 cm，在指定的垂直位置安装两个张力计以测量基质势，在干燥过程中通过天平和接触式探针多次记录土壤的质量和Vis-NIR光谱。研究方法：光谱“扫描”vs. 物理“模拟”实验设计：将灰壤和淋溶土做成5 cm高的土柱，用HYPROP装置进行蒸发实验，通过监测其在蒸发过程中的重量与水势变化，来检验光谱技术的可靠性；双线验证：Ø 物理“模拟”（基准）：通过蒸发数据计算土壤水力特性，使用HYDRUS-1D软件求解理查兹方程，对蒸发实验进行土壤表面含水量模拟，该模拟值作为“基准真相”，用于验证光谱测量结果；Ø 光谱“扫描”（实测）：使用ASD Fieldspec® Pro地物光谱仪，搭载接触式探头，扫描范围在3502500 nm之间，每天在样品环区域中心记录24次光谱，每个光谱由50次单次光谱平均而得；随后使用 HYDRUS-1D + Richards 方程模拟土壤表面含水量，并与光谱反演值逐一对比。表1. 土壤样品基本信息。图2. 连续谱去除和吸收深度的示意图。图3. 灰壤（A）和淋溶土（B）的参比光谱随含水量增加而变化。图4. 淋溶土样品反射率随蒸发时间的变化（每天测量四次，每次间隔3 h）。表2. 交叉验证光谱模型的拟合优度准则。图5. 基于HYDRUS-1D模拟和光谱测量，对20个淋溶土样品（A）和1个淋溶...

2026 - 03 - 03
ASD丨光谱“看见”的水：天山脚下果树的秘密

全球水资源紧缺、智慧农业加速发展的当下，如何精准、高效地监测果树水分成为果园精细化管理的关键挑战。有没有办法在不破坏叶片的情况下快速掌握作物水分状态？近日，新疆大学团队在《Computers and Electronics in Agriculture》发表研究成果——基于核桃、杏和枣树的实测光谱，创新性地结合ASD FieldSpec4地物光谱、PROSPECT-D模型与智能优化算法，系统评估了不同光谱分辨率与特征选择方法对叶片等效水厚度（EWT）估算的影响，为果树水分遥感监测开辟了全新路径。图1.研究区域的位置。研究地点：天山南麓绿洲，干旱区的果树样本研究区域位于新疆乌鲁木齐市南部的天山山麓地带（82°48′E–83°40′E，41°05′N–41°56′N），海拔940–980米，地形为典型的山前冲积扇平原。这里气候干旱，年蒸发量远高于降水量，昼夜温差大，但正是这种极端环境，孕育了新疆优质核桃、杏和红枣。团队选择了三种代表性果树：核桃（Juglans regia）：果实坚核期，处于水分需求高峰；杏树（Prunus armeniaca）：成熟期，叶片含水波动大；红枣（Ziziphus jujuba）：开花末期，叶片含水下降明显。这三种果树的叶片结构、颜色与含水性差异显著，为模型建立提供了天然的对比样本。图2.数据收集、处理、索引构建和建模过程的详细流程图。实地采样：在烈日下测一片叶子的“光谱指纹”研究团队于2022年7月2日开展实地观测。每个采样点从果树冠层的东、南、西、北四个方向各选取一片健康叶片，使用ASD FieldSpec4地物光谱仪测量350–2500 nm波段的反射光谱。测量时间严格控制在12:00–15:00之间，以保证太阳高度角变化最小、光照稳定。为避免环境干扰，每个点均进行白板校正。共采集99份样本，分别来自三种果树。图3.三种果树的高光谱特征。图4.基于数据集的全波段建模分析。图5.不同光谱带宽下的光谱带分布。图6.基于八种不同光谱分辨率的模拟数据集，EWT与TBI的相关性。切片表示最佳光谱变量的波段位置。表1.基于TBI的最优波段组合表2.两波段光谱指数在不同光谱分辨率及其波段组合下的最大相关系数值。研究发现：融合光谱与智能算法，精准感知果树水分（1）核桃叶片EWT最高——表现出更强的抗旱和保水...

2026 - 03 - 02
ASD | 结合ASD地物光谱仪与谐波分解，提升马铃薯生物量估算精度

在全球粮食安全与可持续农业的背景下，“作物生物量监测”正逐渐成为农业遥感领域的核心议题。高效、准确地评估作物地上生物量，不仅对产量预测至关重要，也对精准农业管理具有重要意义。近期，国际期刊《Computers and Electronics in Agriculture》发表的一项研究以马铃薯为研究对象，结合ASD FieldSpec地物光谱仪与谐波分解技术，探索提升生物量估算精度的新方法，为作物长势监测与产量评估提供了新的技术支持。研究背景马铃薯作为全球第四大粮食作物，在粮食安全和精准农业中具有重要地位，其地面生物量（AGB）是衡量生长状况、产量预测和田间管理的关键指标。传统的人工测量方法效率低且具有破坏性，而高光谱遥感因其快速、非破坏性和丰富信息的特点，逐渐成为AGB估算的核心技术。然而，由于光谱饱和效应和生长阶段差异，单靠光谱反射率和植被指数（VIs）难以获得高精度结果。因此，开发一种有效挖掘高光谱特征的方法，以减轻光谱饱和效应，提升AGB估算模型的年际适应性，尤为关键。（图2.地理区域（a）和实验设计（b））研究方法实验设计：在北京小汤山试验基地，连续两年（2018–2019）种植马铃薯，共设置42个试验小区，采用不同密度与氮肥水平处理。地上生物量采集：在块茎形成、膨大和淀粉积累三个时期，每区随机取样，烘干后测算AGB。光谱获取：地面：ASD光谱仪，3502500 nm范围，每次采集前白板校正。空中：高光谱成像仪研究结果1.ASD FieldSpec地物光谱仪与高光谱成像仪采集的光谱在整体上保持高度一致（R²0.96），验证了ASD FieldSpec地物光谱仪作为地物基准仪器的可靠性；2.使用传统植被指数（如NDVI、EVI）估算马铃薯地上生物量时，精度较低（R²=0.52），且在不同生育期表现不稳定；3.引入谐波分解（HD）后，模型精度显著提升：ASD FieldSpec地物光谱仪验证集：R²=0.69，跨年度R²高达0.79；4.在不同种植密度和品种条件下，基于ASD FieldSpec地物光谱仪数据的HD-PLSR模型依然表现出极佳稳定性，突破了光谱饱和瓶颈；5.通过模型适用性评估发现，过量施用氮肥可能会影响AGB估算模型的准确性。（图4.ASD FieldSpec地物光谱仪和高光谱成像仪获取的马铃薯冠层光谱，...

2025 - 09 - 29
从地球到太空Resonon技术随 NASA Arcstone 升空

美国宇航局的 Arcstone 月球校准仪器于2025年6月23日太平洋时间下午2:25，从加利福尼亚州范登堡太空基地搭载SpaceX的Transporter-14拼车任务升空。（图1. Arcstone的搭建。图片来源：NASA官网）01 为什么要做“月球校准”？在太空遥感领域，数据的准确性和可溯源性至关重要。无论是监测全球气候变化、追踪极端天气，还是支持农业、海洋和城市发展决策，卫星数据的可信度决定了科研与产业的价值。然而，卫星在轨运行过程中，长期暴露于复杂的空间环境，容易出现光学衰减、探测器漂移等问题。如果缺乏统一的在轨校准标准，观测数据会逐渐偏离真实值，甚至导致跨任务、跨平台数据之间存在系统性误差。月球——作为地球大气层之外的稳定光源，被认为是最理想的“天然标尺”。但直到现在，人类还缺少一套专门在太空环境下获得的高精度月球反射率数据。这一空白，正是NASA Arcstone任务要填补的。（图2. 美国宇航局Arcstone仪器在轨收集月球反射率测量数据的艺术渲染图。图片来源：NAES官网）02 Arcstone 的使命Arcstone是全球首颗专注于月球反射率高精度测量的立方星。它的主要目标包括：· 建立高精度月球反射率模型，成为全球遥感校准的统一标准；· 减少在轨校准复杂度，让未来卫星任务无需繁琐的 onboard 校准器；· 提升数据质量与一致性，支持全球科学界与商业卫星行业的应用。要建立高精度月球参考系统，需要在必要的月球相位角和天平动范围内测量月球反射率。太空卫星平台可以提供所需的采样。该视频演示了Arcstone使用光谱仪来演示其在月球天平动和相位范围内观测并建立月球光谱反射率数据记录的能力，以便其他仪器利用月球校准传感器。NASA/科学可视化工作室Arcstone首席研究员、NASA兰利研究中心科学家Constantine Lukashin表示：“月球是地球大气层之外一个极佳且可用的校准源。Arcstone 的目标是提高月球校准的精度，从而提升星载遥感数据的质量。该视频演示了 Arcstone 在轨运行过程中如何测量月球反射率，从而为未来的地球观测遥感器建立新的校准标准。Arcstone的卫星平台由Blue Canyon Technologies制造。图片来源：NASA/Tim Marvel/Blue Canyon...

2025 - 09 - 23
ASD | 牛奶掺假如何识别？地物光谱仪给出答案！

研究背景牛奶作为一种富含蛋白质、钙和多种维生素的基础性食品，在日常饮食中占据着举足轻重的地位，是儿童成长、老年人骨骼健康以及全民营养均衡的重要保障。然而，在庞大的消费市场需求下，部分不法商家为追逐利润，采取掺水稀释、以低价牛奶冒充高价值山羊奶或绵羊奶等方式牟利。这类掺假行为不仅损害了消费者的知情权和选择权，还可能引发营养成分失衡、食品过敏等健康风险，更破坏了乳制品市场的公平秩序和行业声誉。如何高效、可靠地识别这类掺假行为，成为保障乳品质量安全、提升消费者信任度和推动行业健康发展的关键课题。一、技术需求与挑战传统实验室检测方法虽具备较高准确度，但存在样品制备复杂、检测周期长、现场应用受限等不足。鉴于牛奶及不同动物奶品成分相近，快速、灵敏且无损的检测手段迫在眉睫。二、仪器与方法概述本研究采用 LabSpec 4 Standard-Res 便携式地物光谱仪，结合主成分分析（PCA）、偏最小二乘判别分析（PLSDA）与随机森林等多变量统计方法，对掺水及不同奶种混合的牛奶样本进行定性与定量分析。主要特点如下：光谱范围：350–2500 nm，VNIR 分辨率 3 nm，SWIR 分辨率 10 nm；测量模式：Contact Probe® ATR 多次反射采样，减少杂散光干扰，无需破坏样品；便携性：设备轻便，可现场实时测量。三、实验是如何开展的？本研究围绕两种常见掺假行为展开：1、用水稀释牛奶2、不同种类奶之间的混合掺假（如奶牛奶混入山羊奶）表 1.掺假研究为了全面评估检测能力，研究人员选择了牛奶、山羊奶和绵羊奶三种品种，并设计了三组掺假研究：绵羊奶 × 牛奶绵羊奶 × 山羊奶山羊奶 × 牛奶表 1.掺假研究图 1. 不同百分比组合获得的光谱数据：a) 羊奶和牛奶 b) 山羊奶和牛奶 c) 绵羊奶和山羊奶。每组实验分别按照0%、33%、66%、100%的比例混合，模拟真实掺假场景。每种混合比例设置3个重复，每个样品进行4次光谱测量，共完成216次光谱数据采集，为模型分析提供了坚实的数据基础。此外，研究还扩展了实验范围，纳入了不同热处理方式（如UHT、巴氏杀菌）、脂肪含量和多个品牌的市售牛奶，进一步贴近真实市场环境。表 2. 模型对于定性研究的准确性。图2. 针对品牌3个样品的不同类型牛奶分类对应的分析结果。图3. 可以检测山羊奶是否掺假牛...

2025 - 06 - 24
ASD | 草饲牛肉真不真？“光谱识肉术”来辨别！——草饲？谷饲？光谱一看便知！

你买的牛肉，真的是“草饲”的吗？在如今“绿色”“有机”越来越受欢迎的消费趋势下，草饲牛肉因其脂肪含量更低、Omega-3更高、抗氧化能力强，还能兼顾生态环境保护，成了不少人的首选。但问题来了：“草饲”标签靠谱吗？真的能靠外观判断？本研究带来一项新突破：利用可见光-近红外光谱技术（Vis–NIRS），就能快速、无损地识别出牛的实际饲养方式！研究背景：样品来自加拿大牛肉主产区在加拿大阿尔伯塔省和萨斯喀彻温省，养牛是重要产业。到2024年初，这两个省共饲养超过100万头牛，其中大多数采用谷物饲养，谷物类型主要为西部大麦和东部玉米，旨在提升增重速度、肉质大理石花纹和脂肪颜色。研究团队选用了45头安格斯×西门塔尔杂交牛，按饲喂方式分成三组：草饲组：8个月放牧+30天苜蓿+79天黑麦草大麦饲组：先30–40天过渡饲粮，再进入148–197天高精料大麦日粮玉米饲组：类似大麦组，但主粮为玉米牛在平均16.7月龄、体重约638 kg时屠宰，胴体冷藏3天后取样分析。光谱技术怎么“看出牛吃过什么”？本研究使用的是ASD LabSpec®4 地物光谱仪，搭载20mm接触式光纤探头，扫描范围为350–2500nm，每个样本光谱由50次扫描平均而得，采样时间仅约5秒！采集部位包括：完整肉块（Longissimus thoracis）皮下脂肪绞碎后的肉样数据处理方式：使用偏最小二乘判别分析（PLS-DA）模型对光谱进行多种预处理（如二阶导数、标准正态变换SM、均值中心化MC等）每个模型提取关键波段并生成VIP图（变量重要性投影）图 1. 草饲（n =15）、玉米饲喂（n =15）或大麦饲喂（n =15）的牛的（a）脂肪、（b）完整肉和（c）碎肉样品的原始 Vis-NIR 平均吸光度光谱。表 1. 根据所分析的组织，大麦、玉米和草饲脂肪和肉类样品的 PLS-DA 结果。图 3. 基于可见光和/或近红外光谱的脂肪、完整肉和碎肉的偏最小二乘判别分析模型，用于区分草饲、大麦饲喂和玉米饲喂的牛，得出的投影变量重要性 (VIP)：(a) 可见光，2ndder + SM + MC，脂肪 5 LV；(b) 近红外，1stder + MSC + MC，脂肪 5 LV；(c) 可见光-近红外，2ndder + SM + MC，完整肉 6 LV；(d) 近红外，SM，碎肉 5 LV。红线表示 VI...

2025 - 06 - 16
ASD | ASD地物光谱仪在鉴定细菌生物膜方面的应用

细菌生物膜广泛存在于工业、医疗和食品领域，因其强大的耐药性，给卫生和安全带来了严峻挑战，每年造成超5万亿美元的损失。金黄色葡萄球菌、沙门氏菌、大肠杆菌等常见致病菌，易通过生物膜污染环境并增加感染风险，而益生菌生物膜则能有效抑制有害菌的定植，具有潜在的健康益处。研究背景生物膜检测的重要性细菌生物膜是由细菌在其表面形成的一层粘附性强的结构，这使得它们比自由细菌更能抵抗抗生素和其他药物。生物膜在食品和临床环境中的污染增加了感染风险，因此，开发高效、精准的检测方法对于公共卫生至关重要。近年来，近红外（NIR）光谱凭借其较强的穿透力和成分识别能力，成为检测细菌生物膜的理想技术。研究方法NIR光谱与多元分析技术相结合本研究结合NIR光谱技术与SNV预处理、Savitzky-Golay滤波器和随机森林分类算法，旨在提高细菌生物膜检测的精度。研究选用了七种细菌，包括金黄色葡萄球菌、沙门氏菌、大肠杆菌等，并在适宜条件下进行培养。使用LabSpec 4 Standard-Res便携式光谱分析仪（Analytical Spectral Devices, ASD, ）进行样品光谱采集，分析细菌生物膜的光谱特征。图 1. 对每种细菌生物膜进行 NIR 测量后获得的光谱特征。左下方标明了细菌种类和对照。图 2. 随机森林性能：mtry 对准确性和稳定性的影响。图 3. 细菌样本的分布。图 4. 受污染和未受污染样本的平均光谱特征。研究通过对光谱数据的分析，展示了NIR光谱与多元分类技术在细菌生物膜快速识别中的巨大潜力。通过优化数据预处理和分类模型，本研究实现了不同病原菌生物膜的准确分类，特别是在金黄色葡萄球菌的检测中，表现出了显著的精度。研究成果精准鉴定病原菌生物膜研究结果表明，NIR光谱结合多元分类技术能够有效区分多种病原菌生物膜，且无损、快速，适合用于现场监测。除了单核细胞增生李斯特菌外，其他所有细菌样本均取得了良好的分类效果，尤其金黄色葡萄球菌的表现尤为突出。该技术展现了在食品和临床环境中的广泛应用前景。未来展望推动生物膜检测标准化未来的研究将进一步结合NIR光谱与成像技术，扩大其应用范围，提升其准确性和实用性。通过优化校准和增强模型的鲁棒性，NIR光谱有望成为生物膜检测的标准工具，为食品安全和医疗卫生领域提供重要支持。研究结果高效、无损检测： NIR光谱技术能够实现无损、快速的生物膜检...

2025 - 04 - 18
Resonon | 高光谱成像仪在检索城市河流水质参数方面的应用

点击蓝字，关注我们健康的水环境对可持续的城市发展至关重要。然而，随着城市化的快速推进和人口增长，工业废水和生活污水造成了严重的水污染，危及人类健康和水生生态系统。传统的水质监测方法成本高昂且劳动密集。近年来，MODIS、Landsat 和 Sentinel 等卫星图像技术取得了进展，提供了广泛且具成本效益的监测手段，但由于空间和光谱分辨率的限制，在监测总磷 (TP) 和化学需氧量 (CODMn) 等非光学活性参数时仍面临挑战。机载高光谱成像仪通过提供高分辨率图像，弥补了卫星与地面监测之间的不足，成为一种有效的解决方案。无人机获取的高光谱图像能够捕捉到详细的光谱数据，从而改善非光学活性水质参数的反演。尽管具备优势，但仍面临诸如水质样本有限和光谱特征复杂等挑战。有效的光谱预处理和特征选择对于提高高光谱图像水质反演的准确性和效率至关重要。分数阶导数 (FOD) 和离散小波变换 (DWT) 等技术能够降低噪声并提取有价值的信息，但它们在水质监测中的应用仍处于发展阶段。本文旨在：(1) 评估 FOD、DWT 及特征选择在水质参数反演中的有效性；(2) 比较不同回归模型的性能；(3) 确定敏感光谱带及其在水质估计中的作用。目标是建立一个基于无人机高光谱图像的城市河流水质监测综合框架。这项研究聚焦于广州市荔湾区部分河流。荔湾区位于广州中心城区，人口稠密，拥有大量旧城区建筑以及发达的花卉和贸易产业。研究区位于珠江三角洲北部，地势平坦，水系复杂，夏季降水充沛。人类活动产生的污染物通过排水系统进入城市河流，导致严重的水污染问题，甚至出现黑臭水体。自2015年以来，广州市政府采取了一系列水环境治理措施，水质明显改善。采样点分布在花地河、葵蓬河、广佛河和涌沙河。无人机图像及部分视图如图1b所示，红、绿、蓝波段分别选为620 nm、520 nm、432 nm。图 1. 研究区域地图和采样点位置。（a）研究区域和采样点的位置和（b）收集的无人机图图2. 研究框架2022年10月14日至15日，在图1a所示位置共采集了45个水样，采样深度为水面以下0.5米。花地河大多数采样点由船只在河中心进行采集，无法乘船的小河则在距岸边约3米处采样。由于当地限制，奎彭河和剑沙河水深约1.5-2米，未能使用船只采样，且采样点附近无河床露出，故无人机图像仅记录水面的反射率。每个采样点收集五个250 mL水样用于实...

2025 - 03 - 06
ASD | LabSpec地物光谱仪在反演土壤水分特征曲线方面的应用

对地表入渗和蒸发通量的分配，以及准确量化不同空间尺度下土壤与大气之间的质量和能量交换过程，都需要了解土壤的水文性质（如土壤水分特征曲线和导水率特征曲线）。土壤水分特征曲线（SWRC）描述了在基质势下土壤水分含量的平衡情况，是重要的水文特性，与土壤孔隙的大小分布和结构密切相关，受土壤结构、质地、有机物和粘土矿物等因素的影响。传统测量SWRC的实验室方法繁琐，数据往往不完整，且只覆盖有限的水分含量范围。近年来，近程和遥感技术得到了广泛关注，特别是在光学域内的土壤反射光谱已被用于获取土壤矿物学和化学成分、有机物含量、粒度分布及水分含量等信息。这些研究为卫星遥感提供了大尺度测绘的基础。传统方法主要依赖光谱转移函数，尽管能有效推断土壤水力特性，但需大量数据进行模型校准。本文提出了一种新的实验室方法，通过水分含量依赖的短波红外（SWIR）土壤反射光谱直接估计SWRC，利用最近开发的前向辐射传输模型，仅依赖水分含量-反射率数据对，计算更高效，无需反演流动方程，简化了测量过程。为了测试提议的新实验室方法，作者使用了21种亚利桑那州土壤，这些土壤的质地（表 1）和矿物成分（即高岭石、云母/伊利石、蒙脱石、蛭石、绿泥石和黑云母含量）有很大差异。下面提供了实验确定的 SWRC 和干燥土壤的反射光谱的描述。表 1. 亚利桑那州土壤的质地特性使用ASD LabSpec®2500 地物光谱仪测量不同含水量水平的土壤反射光谱。波长范围：350-2500nm。将烘干的土壤样品通过2mm筛子，然后装入直径为40mm、高度为1.5mm的黑色金属容器中。反射率测量采用与SWRC测量相同的目标填充密度。样品经过仔细平整（即不压实以尽量减少阴影效应）。土壤样品最初用2毫升注射器浸透，在土壤从浸透到风干的过程中，每3分钟自动获取一次反射光谱。图 2. (a) 假设 θo= 0.18, log|hm| = 0.7和σ=1.3的毛细管水和吸附水贡献的土壤水分保持模型。(b) 构成土壤总水分含量的毛细管水和吸附水成分。图 3. Lebeau 和 Konrad (2010) 模型参数的变化及其对土壤水分特征曲线（上行）、吸附水分量（中行）和毛细管水分量（下行）的影响。在每个图中，其他两个参数保持不变，等于图 2 中的参考值。图 4. Lebeau 和 Konrad (2010) 模型与四...

2024 - 11 - 07
Resonon | Pika IR+高光谱成像仪在考古学方面的应用

考古学虽然常与发掘相关，但许多遗址仍需通过地表上的文物和其他特征来进行识别。对这些地表考古记录的分析不仅可以揭示不同定居时期的信息，还能展示土地的农业、生产或仪式用途，以及景观中人、物、思想的流动模式。本文介绍了一种利用机载高光谱短波红外 (SWIR) 图像的新方法，用于记录和分析地表考古材料。SWIR 光可以区分不同类型的岩石、矿物和土壤，地质学家经常利用这一原理绘制地质图。Resonon Pika IR+高光谱成像仪能够以优于10厘米的空间分辨率收集SWIR图像，从而识别并表征地表文物。本文探讨了在NASA Space Archaeology 资助下进行的实验，展示了这项技术的潜力和挑战，特别是在成功定位和表征单个文物方面，同时指出了未来发展的关键方向。作者团队将 Resonon Pika IR+高光谱成像仪安装在 DJI M600上（图 1）。还在机身顶部安装了额外的 GPS 天线杆，并安装了一个 GPS 定位器，用于将位置数据传输到 Pika 的 IMU。图 1. 搭载在 DJI M600 无人机上的 Resonon Pika IR+ 高光谱传感器（左）；无人机在科罗拉多州梅萨维德附近的调查中飞行（右）。为了测试超高分辨率 SWIR 成像在考古学中的可行性，作者团队设计了一个简单的实验调查，以便确定 Resonon Pika IR+ 在定位和确定文物表征方面的有效性。首先制作仿制文物，旨在模仿考古遗址中常见的材料类型。共制作两种尺寸的仿制品：较大的版本直径为 5-7 厘米，较小的版本直径约为 3 厘米。图 2. 本次实验中使用的人工制品类型包括（从左上角开始）：(1) 黑色/深灰色英安岩燧石薄片，(2) 白色碎裂岩燧石薄片，(3) 红色/桃花心木黑曜石薄片，(4) 黑色黑曜石薄片，(5) 釉面白陶陶瓷碎片，(6) 素红陶陶瓷碎片，(7) 铜片金属方块，(8) 钢片金属方块，以及 (9) 来自 19 世纪建筑地基的烧砖碎片。场地选择为为当地的棒球场进行实验调查（图 3），能够将人工制品放在一个有草地的区域和另一个有内场混合物（沙子、淤泥、粘土和细砾石的混合物）的区域。然后，将仿制的人工制品排成线，每种地面覆盖类型都有两条不同大小的线。图 3. 本研究中使用的实验装置，在数据收集期间从无人机上看到的画面。在新罕布什尔州汉诺威的 Tenny P...

2024 - 10 - 29
ASD LabSpec 4 地物光谱仪在近地天体群中识别人造天体的应用

在2020年9月，由美国夏威夷的Pan-STARRS1望远镜发现了一颗疑似地球的临时卫星，为地月系统带来了一颗新的天体。起初，科学家们认为它是一颗普通的阿波罗小行星，即轨道穿过地球的天体，并将其命名为2020SO。然而，模拟结果显示，它将在10月变成一个绕地球公转的小天体，成为一个迷你月球。随后的观察结果则让天文学家更加困惑。科学家们发现，这颗神秘的天体每年围绕太阳公转一周，其轨道偏心率与地球的公转轨道非常相似。天体在太空中的运动非常复杂，小天体容易受到大天体引力的扰动，因此其运动规律也十分复杂。但是因为它们与地球的相似性，反而显得更加神秘。不仅如此，2020SO的运行速度也比普通的小行星慢，这一点与其他小行星有显著的不同。由于这些原因，科学家们开始重新思考2020SO的真实身份。2020 年 11 月至 2021 年 3 月 2020 SO 绕地球和太阳的轨道澳大利亚弗林德斯大学的太空考古学家Alice Gorman表示，通过它的运行速度可以推断出其初始速度，从而推断出它的来源。现有的速度太慢，这让科学家们感到困惑。Gorman和她的同事还推测，2020SO可能是一块从月球上掉下来的岩石。对于这样的天体，速度慢一点是正常的。然而，实际观测表明，2020SO比这类天体还要慢。在排除了其他可能性后，科学家们提出了一个最不可能但又唯一剩下的猜想：2020SO是一颗人造天体！根据其轨道的反向传播，2020 SO 被认为是从 Surveyor 2 号月球任务发射时发射的 Centaur 火箭体 (R/B)。来自亚利桑那大学月球与行星实验室的研究人员使用一系列地面光学和近红外望远镜对 2020 SO 进行了研究，发现它的反射光谱与在类似时间范围内发射的其他 Centaur R/B 的反射光谱一致，并且确定了 1.4、1.7 和 2.3 μm 的吸收带与当时 Centaur-D R/B 后舱壁辐射防护屏外部使用的聚氟乙烯一致。图 1. 1962 年通用动力公司正在安装和准备的Centaur照片。照片显示了不锈钢机身和发动机，后舱壁辐射防护罩上有白色聚氟乙烯。（图片来源：NASA GRC）ASD LabSpec 4 Hi-Res 地物光谱仪为了直接比较 2020 SO 与 Centaur-D R/B 上已知的材料，作者团队获取了 PVF 样本。光谱由ASD LabSpe...

2024 - 10 - 14
通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性：以中国东北地区为例

摘要土壤有机质（SOM）在全球碳循环中起着非常重要的作用，而高光谱遥感已被证明是一种快速估算SOM含量的有前景方法。然而，由于忽略了土壤物理性质的光谱响应，SOM预测模型的准确性和时空可迁移性较差。本研究旨在通过减少土壤物理性质对光谱的耦合作用来提高SOM预测模型的时空可迁移性。基于卫星高光谱图像和土壤物理变量，包括土壤湿度（SM）、土壤表面粗糙度（均方根高度，RMSH）和土壤容重（SBW），建立了基于信息解混方法的土壤光谱校正模型。选取中国东北的两个重要粮食产区作为研究区域，以验证光谱校正模型和SOM含量预测模型的性能和可迁移性。结果表明，基于四阶多项式和XG-Boost算法的土壤光谱校正具有优异的准确性和泛化能力，几乎所有波段的残余预测偏差（RPD）均超过1.4。基于XG-Boost校正光谱的SOM预测精度最高，决定系数（R2）为0.76，均方根误差（RMSE）为5.74 g/kg，RPD为1.68。迁移后模型的预测精度、R2值、RMSE和RPD分别为0.72、6.71 g/kg和1.53。与模型直接迁移预测相比，采用基于四阶多项式和XG-Boost的土壤光谱校正模型，SOM预测结果的RMSE分别降低了57.90%和60.27%。这种性能比较凸显了在区域尺度 SOM 预测中考虑土壤物理特性的优势。Figure 1. Framework of the proposed SOM estimation model.研究区域试验点1位于中国东北黑龙江省黑土耕地保护区，如图2所示，面积为1095 km2。该地区属温带大陆性季风气候，年降水量为450–650 mm，降水主要集中在6–9月，占全年降水量的80%。研究区地势南高北低，西高东低，大部分地区为堆积平原。该研究区是全球仅有的四个黑土区之一，耕层深厚，土壤肥沃，含腐殖质的土层厚度为25–80 cm，适合种植玉米、大豆等作物。图 2. 研究区域概览。（a）研究区域的地理位置；（b、c）分别为站点 1 和站点 2 的土壤采样点；（d、e）“裸土期”的土壤表面。试验点2 位于中国吉林省黑土耕地保护区，如图 2 所示，面积为 713 km2。站点地势平坦，海拔在 189 至 237 m 之间。该区域为东部湿润山区与西部半干旱平原区的过渡地带。研究区属温带大陆性半湿润季风气候，年平均气温 4.6 ℃，年降水量 600—700...

2024 - 06 - 11
稻田中浮萍（Lemna minor L.）生长对水稻产量及其潜在原因的影响

菱透浮萍绿锦池，夏莺千啭弄蔷薇透过浮萍，诗人的眼里看到的是其和水中菱叶相映成趣的景象，是夏日池塘的勃勃生机。而在科研学者的眼中，看到的是天南星目浮萍科的水生植物，是潜藏在水稻种植中的双刃剑。营养物质的争夺?自然光照的遮挡?生存空间的占据?在一片生机之下，浮萍和水稻之间塑造着另一番景象..由于气候变暖/或灌溉水富营养化的影响，稻田中的浮萍（DGP）大幅增加。本研究考虑到生态因素、光合能力、光谱变化和植物生长等因素，对三个代表性水稻品种进行了田间试验，以确定DGP对水稻产量的影响。结果表明，DGP显著降低pH值0.6，日水温降低0.6℃，水稻抽穗期提前1.6天，并平均增加了叶片的SPAD和光合速率分别为10.8%和14.4%。DGP还显着提高了RARSc、MTCI、GCI、NDVI705、CI、CIrededge、mND705、SR705、GM等多种植被指数的数值，并且水稻冠层反射光谱的一阶导数曲线在DGP处理后呈现出“红移”现象。上述因素的改变可导致株高平均增加4.7%，干物质重量平均增加15.0%，每平方米穗数平均增加10.6%，千粒重平均增加2.3%，最终籽粒产量增加10.2%。 DGP诱导的籽粒增产可以通过降低稻田水的pH值和温度来实现，从而提高SPAD值和叶片的光合作用，刺激水稻植株生长。这些成果可以通过水稻和浮萍之间的生物协同作用，为未来农业和环境的可持续发展提供有价值的理论支持。图形概要图1. 实验地点（(a)，用红点标记）和浙江省（b）和江苏省（c）的样地。 (d,e)分别显示了浙江省和江苏省的样地水稻生育期的温度变化。浙江地块整个生育期水稻抽穗前和抽穗后的平均气温分别为29.3℃和24.1℃（蓝色），而江苏地块的平均气温为27.8℃和22.3℃（蓝色）。水稻冠层的光谱数据是在预灌浆、灌浆中期和成熟期的 10:00 至 14:00 晴朗无风的天气条件下使用ASD FieldSpec 4 便携式地物光谱仪收集。波段范围为350~2500 nm，其中350~1350 nm光谱分辨率为3 nm，1001~2500 nm范围为8 nm，光谱数据采集间隔为1 nm。测量每个地块中的五个代表性区域，每次进行六次测量。然后将平均值用作绘图的光谱反射率曲线，并在每次测量之前进行白板校准。为避免光强干扰，尽可能在短时间内采集同批次样品。图 2. 稻田浮萍 (DGP) 对水...

2024 - 05 - 17
使用 VIS-NIR 光谱仪通过特征波长和线性判别分析法快速区分有机和非有机叶菜（空心菜、苋菜、生菜和小白菜）

有机蔬菜，是指在蔬菜生产过程中严格按照有机生产规程，禁止使用任何化学合成的农药、化肥、生长调节剂等化学物质，以及基因工程生物及其产物，而是遵循自然规律和生态学原理，采取一系列可持续发展的农业技术，协调种植平衡，维持农业生态系统持续稳定，且经过有机食品认证机构鉴定认证，并颁发有机食品证书的蔬菜产品。关于如何快速鉴别有机蔬菜与非有机蔬菜，光谱仪器的应用提供了新的思路。一起来了解一下今日推荐的文章。使用 VIS-NIR 光谱仪通过特征波长和线性判别分析法快速区分有机和非有机叶菜（空心菜、苋菜、生菜和小白菜）当前有机叶类蔬菜面临着可能被非有机产品替代以及容易脱水和变质的挑战。为了解决这些问题，本研究采用ASD FieldSpec 4 便携式地物光谱仪结合线性判别分析 (LDA) 来快速区分有机和非有机叶菜。有机类包括有机空心菜 (Ipomoea Aquatica Forsskal)、苋菜 (Amaranthus tricolor L.)、生菜 (Lactuca sativa var. ramosa Hort.) 和小白菜 (Brassica rapa var. chinensis (Linnaeus) Kitamura)，而非有机类别由四种对应的非有机类别组成。分别对这些蔬菜的叶子和茎的反射光谱进行二元分类。鉴于 VIS-NIR 光谱范围广泛，使用稳定性选择 (SS)、随机森林 (RF) 和方差分析 (ANOVA) 来评估遗传算法 (GA) 选择的波长的重要性。根据GA选择的波长及其SS评估值和位置，叶片光谱分类的显著波段为550-910 nm和1380-1500 nm，而茎光谱分类的显著波段为750-900 nm和1700-1820 nm。在LDA分类中使用这些选定的波段，分类精度达到了95%以上。本研究所选取的叶类蔬菜用蒸馏水进行了严格的清洗，以有效消除其表面杂质，并在开始光谱测量之前进行了干燥处理。为了防止蔬菜变质，在不参与实验时，将其储存在温度为 4°C 的冷藏装置中。叶片和茎类样品的反射光谱在实验室中通过ASD系统直接测量，没有使用化学试剂和其他预处理。ASD地物光谱仪系统实验平台对于本研究，仅使用了400 nm到2500 nm之间的反射值。针对四种不同类别的叶菜，包括有机和非有机品种，共获取了100个反射光谱。这些反射光谱是从不同样品的不同位置获取。...

2024 - 03 - 04
Resonon | 使用高光谱成像仪和机器学习对新鲜和冻融牛肉进行分类

肉类富含丰富的蛋白质和营养物质，不仅能够满足我们的味蕾，还能够提供我们身体所需的能量和营养。随着肉类需求的增加，大规模的肉类生产和运输过程中，肉类的速冻可以一定程度保持食物的新鲜度和口感。然而，关于速冻解冻的肉类，和新鲜肉类的混淆，让人难以分辨。首尔大学的研究人员利用高光谱成像技术，做了相关的研究。使用高光谱成像仪和机器学习对新鲜和冻融牛肉进行分类由于对安全、可食用肉类的需求的不断增加，冷冻储存技术得到了不断改进。然而目前存在解冻肉在处理和销售过程中被进行了错误的标记，宣称为新鲜肉类，这可能导致消费者受到误导或产生安全隐患。在这项研究中，使用高光谱图像数据构建了一个机器学习（ML）模型，用于区分新鲜冷藏、长期冷藏和解冻的牛肉样本。通过四种预处理方法，共准备了五个数据集来构建ML模型。使用PLS-DA和SVM技术构建了模型，其中应用散点校正和RBF核函数的SVM模型性能最佳。结果表明，利用高光谱图像数据立方体，可以构建区分新鲜肉类和非新鲜肉类的预测模型，这可以成为肉类储存状态常规分析的快速、非侵入性方法。安装在暗室中的高光谱数据采集系统的配置示意图基于此，来自首尔大学的研究人员使用Resonon Pika L 高光谱成像仪，在近红外光谱的400-1000 nm波段内获取高光谱图像数据立方体，进行了相关研究。在本研究中，图像采集系统安装在暗室中，以确保完全消除外部光并能够采集高光谱图像。将九个样本同时放置在哑光黑色板上，通过移动相机获取高光谱图像数据立方体。所有样品均经过光学稳定处理，在采集高光谱数据之前将它们置于实验环境中 20 分钟，消除由肌红蛋白/氧肌红蛋白含量差异引起的巧合差异。随后，通过分离红色肉部分，从高光谱数据立方体中提取了（ROI）的光谱，确保了只有红色部分肉的光谱被提取用于分析。这个过程产生了高质量的数据集，适用于后续的分析和解释。使用四种预处理技术（MSC、SNV转换、一阶Savitzky–Golay滤波和最小-最大归一化）对提取的光谱进行模型开发。本研究获取的高光谱数据立方体中的光谱图像。(a–c) 分别为“新鲜”、“受损”和“冷冻”样品的 630–650 nm 平均图像；(d-f)分别为“新鲜”、“受损”和“冷冻”样品的 540-560 nm 平均图像。用于构建肉样本分类模型的高光谱数据立方体中的光谱。(a) 实验数据的完整光谱；(b) 每个实验...

2024 - 02 - 21
ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量

在葡萄栽培与酿酒工业中，可溶性固形物总含量（Total Soluble Solids, TSS）是衡量果实成熟度和品质的关键指标。不同品种的葡萄因其遗传特性和生长环境的差异，其TSS含量存在显著变化。准确估算各品种葡萄的TSS含量，对于预测酒的品质、调整酿造工艺以及确定最佳采收时机均具有重要意义。那么，如何能够准确估算葡萄的TSS含量呢？跟随小编，一起来看看下面这篇论文给出了怎样的答案。摘要 · ABSTRACT可溶性固形物总含量（TSS）是决定葡萄最佳成熟度的关键变量之一。在这项工作中，基于漫反射光谱测量，开发了偏最小二乘（PLS）回归模型，用于估算Godello、Verdejo（白葡萄）、Mencía 和Tempranillo（红葡萄）等葡萄品种的TSS含量。为了确定TSS预测的最适合光谱范围，对四个数据集进行了回归模型的校准，其中包括以下光谱范围：400–700 nm（可见光）、701–1000 nm（近红外）、1001–2500 nm（短波红外）和400–2500 nm（全光谱范围）。我们还测试了标准正态变量变换技术。使用留一交叉验证评估了回归模型，评估指标包括均方根误差（RMSE）、决定系数（R2）、性能与偏差比（RPD）和因子数（F）。红葡萄品种的回归模型通常比白葡萄品种的模型更准确。最佳的回归模型是针对Mencía（红葡萄）得到的：R2 = 0.72，RMSE = 0.55 °Brix，RPD = 1.87，因子数 n = 7。对于白葡萄，Godello取得了最佳结果：R2 = 0.75，RMSE = 0.98 °Brix，RPD = 1.97，因子数 n = 7。所使用的方法和得到的结果表明，可以使用漫反射光谱和将反射值用作预测变量的回归模型来估算葡萄中的TSS含量。结果 · RESULT葡萄的反射率是使用ASD FieldSpec 4 地物光谱仪进行测量，该仪器可检测350–2500 nm光谱范围内的反射率。葡萄样品（每个葡萄品种60个样品，每个样品有100颗浆果）散布在黑色容器芯中（17 × 17 cm）。从4个不同的数据中获取了100颗浆果的反射数据（在每次测量之前将样品顺时针旋转90°）。然后对反射数据进行预处理，得到4次数据的平均值。图1. ...

2024 - 02 - 01
Resonon | 利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类

被晒化的大地，被烘懒的万物，被汗水侵蚀的燥热......在烈日高悬的夏日，谁不想听见一声冰镇西瓜裂开的清脆，让清凉香甜的瓜瓤锁住一整个夏天的炙热。作为夏日最解暑的水果，西瓜集万千宠爱于一身，也受到了霜霉病的青睐。霜霉病菌会在潮湿的环境中迅速繁殖，尤其是在温暖的夏季。这种病害会对西瓜植株造成严重的危害，从而影响果实的品质和口感。在佛罗里达州的西瓜产量受到霜霉病的严重影响后，为了有效防治西瓜霜霉病，佛罗里达大学的研究团队进行了相关研究。利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类佛罗里达州的西瓜产量受到包括霜霉病（DM）在内的各种病害的不利影响。准确的病害识别对于实施及时有效的管理策略至关重要。遥感工具，例如无人机（UAV）和高光谱成像，已被用于作物病害检测。先前的研究已成功利用遥感和机器学习（ML）对鳄梨和番茄等其他作物进行了病害检测。但是，关于使用遥感检测西瓜病害的研究有限。这项研究的目标是利用机器学习模型和光谱植被指数（VI）来检测和分类西瓜中霜霉病的不同严重程度。在这项研究中，来自佛罗里达大学的研究团队通过Resonon Pika L室内平台系统（5个病害阶段：低、中（1和2水平）、高和非常高）及野外机载系统（2个阶段：低和高）分别测量了西瓜健康叶片和DM感染叶片的高光谱图像，选择感兴趣区域（ROI），将各种植被指数（VI）作为识别病害阶段的指标。利用多层感知器（MLP）和决策树（DT）两种分类模型来区分健康和DM感染植物。使用MLP来选择能够识别DM及其病害程度的最佳VI。（A）健康西瓜叶片和不同严重程度阶段的受DM感染的叶片（作为示例）：（B）低（该图像包括感兴趣区域的示例）；（C）中；（D）高。（E）Pika L高光谱相机在实验室中收集高光谱数据。田间DM严重程度阶段：（A）低；（B）高；（C）基于无人机的高光谱成像系统；（D）校准防水布。【结果】（A）5个病害严重程度（DS）阶段西瓜叶片的光谱反射特征（在实验室收集）；（B）健康（H）和五个DS阶段西瓜叶片的相关系数。MLP和DT方法在实验室中区分健康（H）和西瓜DM几个DS阶段的分类结果。（A）田间收集高光谱图像的光谱反射特征；（B）健康、低和高霜霉病严重程度阶段西瓜植株的相关系数。MLP和DT方法检测田间西瓜感病植株与健康植株的分类结果。【结论】所选的最佳光谱VI对不同严重程度霜霉病...

2023 - 12 - 29
ASD FieldSpec 4地物光谱仪在评估森林病虫害方面的应用

“森林”这两个字一共由5个“木”字组成，正如同大自然中无数树木相互依存，彼此交织，形成了一个庞大而有机的生态系统。森林具有调节气候、保持水源、防止土壤侵蚀等重要功能，森林是地球上最宝贵的财富之一。然而，随着人类社会的发展和气候变化加剧，森林生态系统也在发生着变化。科研人员一直在努力了解并改善这些变化，随着遥感技术的发展，新的技术手段也带来了更多地研究可能。今天推荐大家了解的是北京林业大学和北京师范大学的研究团队所做的研究。森林生态系统是最基本的陆地生态系统组成部分之一，在调节气候变化、提供物种栖息地、维持生物多样性及减缓全球变暖等方面发挥着重要的作用。随着人类活动和气候变化的加剧，生物和非生物森林干扰事件频发。因此，有效监测影响森林健康的生物和非生物因素对于理解森林生态系统碳循环及监测全球变暖的影响至关重要。其中病虫害是生物干扰事件中最主要的干扰因素之一。检测早期病虫害位置对于识别高风险林分及预防其大规模爆发和蔓延至关重要。然而，不同病虫害在垂直结构的不同位置破坏树木。了解如何监测和评估垂直冠层结构上不同病虫害的异质胁迫对于提高森林质量至关重要。传统的田间调查方法费时费力，难以在区域尺度上监测森林。近几十年来，遥感技术的出现为森林病虫害监测提供了新的途径和技术手段。随着地基、机载、星载平台等多源遥感技术的快速发展，使得高效、动态地监测不同时空尺度的森林病虫害成为可能。基于此，来自北京林业大学和北京师范大学的研究团队在中国河北省怀来遥感站纯人工落叶阔叶林（40.35°N，115.78°E）进行了田间测量（结构信息、叶面积指数（LAI）、上中下垂直冠层高度5个不同位置收集叶片、树皮和土壤反射率）、受损叶片分类（健康、轻度、中度和重度受损）、光谱分析（植物反射率和透射率，ASD FieldSpec®4 Hi-Res NG）、TLS激光扫描、3D森林场景重建、机载高光谱激光雷达和高光谱图像模拟、高光谱点云表征胁迫水平、随机森林（RF）模型构建及分类模型准确性评估（混淆矩阵和kappa系数）。主要目的是基于3D辐射传输模型（LESS）评估机载高光谱激光雷达（AHSL）在森林病虫害胁迫监测方面的潜力。具体来说，首先根据TLS数据和测量的受损叶片光谱重建虚拟3D森林场景，并在此基础上定义不同冠层受损位置和不同胁迫水平的不同病虫害干扰场景。然后，针对不...

2023 - 12 - 18
ASD Fieldspec 4地物光谱仪在估计干旱农业土壤中关键潜在有毒元素方面的应用

农业土壤中潜在有毒元素的存在对农作物生长和人类健康具有重要影响。不仅会直接影响农作物的生长和产量，还有可能通过农作物被吸收进入食物链，对人类健康产生潜在威胁。这些元素在食物中的积累可能导致慢性中毒，对人体的神经系统、肝脏、肾脏等器官造成损害。特别是对于儿童和孕妇来说，潜在有毒元素的摄入可能对他们的发育和健康产生更大的影响。因此，精准监测土壤中潜在有毒元素的含量，对管理土壤环境和减轻污染风险至关重要，对于生态环境安全以及农产品的安全和质量保障具有重要意义，对于人们的健康来说，更是不容忽视的问题。接下来，一起来了解一下篇与农业土壤中潜在有毒元素（PTEs）相关的论文。ASD Fieldspec 4地物光谱仪在估计干旱农业土壤中关键潜在有毒元素方面的应用农业土壤中潜在有毒元素（PTEs）的积累严重影响着人类健康，并对生态系统产生负面影响。有毒元素如镉、铬、钴、铜、铅和锌，是土壤污染物的重要组成部分，这些元素通过进入水、土壤、植物和食物链，危害人类和动物健康。由于它们具有持久性和较长的生物半衰期，其会破坏土壤中的营养平衡，抑制植物生长。因此，对土壤中PTEs的定量测量对于有效监测和土壤修复至关重要。PTEs的定量测量在传统上使用湿化学方法，此方法耗时、昂贵，并且不适用于大样本土壤。因此，人们对能够在现场并实时使用的检测测量设备的需求日益增加，这推进了可见光和近红外光谱（Vis-NIRS）等新技术的发展。Vis-NIRS是一种常用的土壤分析工具，可以应用于土壤有机碳、质地、营养物质和PTEs等方面的分析。现代仪器的光谱技术以高分辨率来分析样品，对每个样品产生许多光谱变量。高分辨率测量可能导致光谱变量的数量超过样本数量，这在分析目标（如土壤性质）和光谱变量之间的关系时会变得困难。因此，需要适当的统计算法从光谱中提取有用信息。偏最小二乘回归（PLSR）是一种广泛使用的算法，结合了变量选择策略，是一种常用的多元回归技术，可以处理许多噪声和相关变量。变量选择算法以提高模型的鲁棒性和精度而闻名，排除了噪声光谱区域和共线波长。对于PLS，已经发表的许多变量消除方法包括PLSR的无信息变量消除(UVE-PLS)和模拟退火(SA)。UVE-PLS是一种基于PLSR回归系数显著性的变量消除方法，SA是一种概率优化技术，在改进各种矩阵中的PLSR校准方面显示出良好的结果。过去几十年来，工业活动和...

2023 - 09 - 22
ASD | ASD Fieldspec 4地物光谱仪在了解火星上的斜长石VNIR特征方面的应用

从明朝的万户飞天，到前苏联的宇航员尤里·加加林登上太空，再到如今的天问一号火星探测。人类对宇宙的探索从未停止，始终激发着我们的好奇心和无限想象力。宇宙，是一个神秘而广袤的领域，它孕育着无数的星球、星系和星云，仿佛是一个巨大的宇宙图书馆，等待着我们去阅读其中的每一页。火星，与地球相似度极高，具有相似的地貌环境、大气环境和季节变化，都拥有卫星和环形山。在太阳系内被认为是除了地球之外，第二个最适合人类居住的星球。众多的科幻影视作品中有不少涉及到火星，实际上火星也是人类对地外星球探索的一个重点。随着科技的发展和进步，人类对火星探索的技术也在升级，今天推荐给大家的文章就与此相关。ASD Fieldspec 4地物光谱仪在了解火星表面斜长石VNIR特征方面的应用卫星上的遥感仪器有助于了解行星表面的地质情况。火星遥感任务以前利用火星全球勘测者、火星轨道相机、MGS火星轨道激光高度计、火星快车高分辨率立体相机和火星奥德赛热辐射成像系统等设备发现了水流特征，而利用火星快车观测站光谱成像仪探测到了水合矿物。最近，火星勘测轨道飞行器上的紧凑型勘测成像光谱仪在可见光-近红外（VNIR）范围内检测到了火星表面的斜长石特征。火星表面斜长石的检测引发了对行星上运作的基本过程问题的思考，这些特征的确切起源（即含长石岩石的性质）对理解火星的形成和演化具有明显不同的意义。之前基于可见光-近红外反射光谱研究了富含钙长石的斜长岩粉末，研究表明，当斜长石长石结构中包含亚铁（Fe2+）时，可以检测到斜长石。在对二元粉末混合物进行的研究中发现，当添加了10%或更多的镁铁质矿物时，不再可见斜长石的光谱特征。根据这些研究，岩石组成中至少需要90%的斜长石含量，才能在总岩石光谱上显示出其独特的光谱特征。然而，使用大型斜长石和辉石晶体的二元混合物进行的另一项研究表明，可能需要高达50%的镁铁质矿物来掩盖斜长石的光谱特征，研究者的关键观点是，长石的组成及岩石中颗粒的大小都会影响斜长石的光谱特征和可检测性。因此，对整块岩石的分析似乎非常重要，除了之前对粉末和颗粒的二元混合物的研究外，还可以与火星遥感观测进行比较(其观测显示出类似斜长石的特征)。基于此，本研究的目标是确定是否可以在未破碎的含斜长石的陆地岩浆岩(从镁铁质到长英质)中检测到如在火星上观察到的斜长石的光谱特征(1.3 μm吸收带)。在本研究中，来自洛林大...

2023 - 09 - 19
Resonon | Resonon Pika L在干旱胁迫下小麦叶绿素快速无损评价方面的应用

小麦作为人类重要的粮食来源之一，你对它的印象是什么？是夜来南风起，小麦覆陇黄的生机景象，还是大麦干枯小麦黄，妇女行泣夫走藏的悲切画面?风吹麦浪的一片金黄往往让人神往，然而随着全球气候的变化，干旱逐渐开始威胁小麦的生长及产量，各地小麦纷纷减产，继而引起价格的上涨。久旱麦粒细，终久不成穗......如今，小麦在干旱环境下的生存和适应能力备受关注。叶绿素作为植物生长的基本生化过程之一，与干旱适应性之间的关系引发了广泛的研究兴趣。下面这篇论文聚焦干旱胁迫下小麦的叶绿素含量，通过研究一种新型的监测方法，有望提高对小麦叶绿素含量评估的准确性，对推动粮食安全与生态环境的平衡发展具有重要意义。Resonon Pika L在干旱胁迫下小麦叶绿素快速无损评价方面的应用研究背景小麦是对全球粮食安全至关重要的主要粮食作物。然而，小麦作物遭受着许多非生物胁迫，包括低温、干旱、高温和干热风，这强烈影响其生长、发育和生产力。干旱是世界范围内最严重的非生物胁迫之一，可显著降低小麦的分蘖数、每穗粒数和千粒重。2021年，美国和巴西都遭受了历史性的严重干旱，这使全球粮食价格上涨至近十年来的最高水平。因此，有效监测小麦生长过程中干旱胁迫的影响对提高产量、品种和粮食安全至关重要。叶绿素是植物光合作用的基础，直接决定植物净初级生产力和碳收支，叶绿素含量可以反映植物的生长状况。而干旱胁迫会降低作物的叶绿素含量，破坏光合机制，抑制其生长，最终降低产量。干旱胁迫下作物叶绿素含量的变化程度与抗旱性密切相关，因此，监测小麦叶绿素含量可为小麦的光合作用和抗旱性提供关键信息。传统的叶绿素含量测定方法包括分光光度法和使用手持式叶绿素含量仪，这些方法使得叶片破坏程度大、效率低，不利于大规模测定小麦叶绿素含量。而与传统方法相比，高光谱成像技术可以快速、无损、高效地测定植物叶绿素含量。此外，高光谱图像包含丰富的光谱信息，可用于精确的农业研究和建立复杂的数学模型。近年来，高光谱成像技术在植物监测中的应用发展迅速，广泛的研究主要集中在开发基于光谱指数的模型来估计叶绿素含量。然而，少量的敏感波段并不能充分代表所有的高光谱信息。此外，大多数研究使用的小麦品种较少，忽略了多品种间的异质性。因此，以往模型对其他系统的适用性受到限制，该模型对大规模叶绿素含量和抗旱性的评估无效。研究过程基于此，在本研究中，来自中国西北农林科技大学的一组研究团队...

2023 - 08 - 30
ASD | ASD FieldSpec 4 Hi-Res光谱仪在小农户田块稻瘟病发生时空动态遥感监测方面的应用

水稻作为一种常见的粮食作物，在中国有着悠久的种植历史，种植地在南北方皆有分布。为了在有限的耕地上养活日益增长的人口，科学家们一直在不断探索，减少病害，提高稻米产量。稻瘟病被称为“水稻癌症”，广泛分布于世界各稻区，而且有可能发病于水稻的各生育期，是一种毁灭性的真菌病害，全球每年因稻瘟病造成的产量损失达数千万吨，威胁着全球的粮食安全。江苏省农业生产条件得天独厚,素有“鱼米之乡”的美誉，作为我国水稻种植大省，早在古代就流传着“苏湖熟，天下足”的谚语，现如今也是我国南方最大的粳稻生产省份。来自南京农业大学的一组研究团队，在2018-2021年在江苏省对稻瘟病的检测展开了相关研究。稻瘟病（RB，由稻瘟病原菌引起）是全球水稻生产中最具破坏性的疾病，其可造成重大产量损失，并日益威胁着全球粮食安全，且这一问题在据统计，稻瘟病侵染每年引起的水稻产量损失能够养活全球6000万人。因此，用通用指标准确检测稻瘟病的发生对于早期病害预防和蔓延控制至关重要，但迄今尚未得到解决，且改善这种病害的早期预警在大多数亚洲小农户田块的可行性和准确性仍未得到充分实现。现有的检测RB发生的方法主要依赖于经验丰富的专业人员的目视检查，这需要较高的时间和劳动成本。最近，已证明反射光谱在揭示多空间尺度上由病原体侵染引起的复杂生理和光谱变化方面，以及在早期阶段检测症状方面具有巨大潜力，然而，是否可以开发一种多空间尺度上RB检测的通用方法仍然知之甚少，利用卫星图像揭示小农户田块稻瘟病扩散潜在热点的研究报道有限。且现存的病害检测模型大多忽略了空间相关性，在表征病原体侵染的时间动态方面缺少合理性。基于此，在本研究中，来自南京农业大学的一组研究团队在2018-2021年以中国东部的江苏省3个地点（以水稻和冬小麦轮作种植为特征的农业平原地区）为例，进行了7个实验，开展室内接种侵染试验、田间自然侵染试验、及实地调查测量，使用ASD FieldSpec 4 Hi-Res光谱仪测量感染及健康样品叶片和冠层的光谱反射率。基于实测的高光谱数据和哨兵-2图像数据，结合线性判别分析（LDA）、简单线性回归及热点分析，确定两年（2018年和2019年）中单波段对健康和感染叶片的可分性、构建稻瘟病敏感植被指数（RIBI）、建立回归模型以评估RIBI在不同尺度对稻瘟病发生的识别精度和对病情指数（DI）的估算能力、及进行RB的时空动态监测。研究区...

2023 - 07 - 19
ASD丨ASD Fieldspec 3地物光谱仪在矿井水中煤浓度探测方面的应用

随着我国经济的发展和能源结构的调整，煤炭仍然是我国主要的能源来源之一。但是，煤炭生产和消费过程中所产生的污染问题也越来越受到关注。其中，煤矿污水排放问题是其中之一。煤矿污水中含有大量的有害物质，会对环境、生态和人体健康造成严重的影响。因此，治理煤矿污水排放问题是一个备受关注的议题。今天给大家推荐的文章，是关于研究人员在矿井水质的检测的中，建立光谱反演模型，以助力高光谱技术在水污染监测中的应用。该方法的出现对于解决煤矿废水治理问题具有重要的意义。矿井水中的煤炭污染主要来自煤矸石的富集和浸出、洗煤废水、煤矿渗水灾害等，主要表现为水中煤浓度过高，这种矿井水用于农田灌溉时会使土壤累积形成“黑土”，从而导致土壤硬化，进而导致植被退化、作物枯萎、产量下降等。矿井水渗入地下水或下水道直接进入河流，一方面，其导致水资源浪费和河流污染，另一方面，因为矿井水中有很多煤粉，岩粉和细菌，长期排放也会严重影响当地居民的饮用水健康。在土壤中，煤源碳不同于植物源有机碳，其元素组成缺乏植物和土壤微生物所需的氮、磷、钾等矿质营养物质，它稳定性较强，不仅使生物体的分解和利用变得极其困难，而且还干扰土壤有机碳的识别。并且矿井水中的煤浓度是矿井排水的主要指标，煤浓度的准确测定对矿井水的净化和二次利用具有重要意义。然而目前，凝结沉淀+过滤工艺被广泛用于去除矿井水中的煤，其在处理过程中加入大量活性剂、絮凝剂等化学物质，由于对化学试剂的数量并没有严格的控因此，如果不能准确测量矿井水中的煤浓度，在处理过程中仍会形成二次污染。随着高光谱技术的快速发展，其低成本、高效的优点使其成为水污染监测的重要手段，对叶绿素、重金属离子和水中可溶性有机物等光学活性物质浓度的遥感反演研究相对成熟，对这些指标参数建立了许多反演模型，但在矿井水质参数的反演过程中，水中煤浓度的反演模型尚未得到研究。基于此，在本研究中，为了实现矿井水中煤浓度的准确测量，来自河南理工大学测绘与土地信息工程学院的一组研究团队，首先制备了不同煤浓度的样品（0mg/L-1000mg/L），并利用ASD Fieldspec 3便携式地物光谱仪测量不同煤浓度矿水的可见-近红外光谱数据，再使用CARS算法（竞争自适应重加权采样）提取敏感波段，最后利用卷积神经网络方法（CNN）建立矿水煤浓度光谱反演模型（CKCNN模型），并采用k倍交叉验证对模型进行优化，以预测矿井水中的...

2023 - 06 - 28
ASD | ASD Fieldspec 4 光谱仪在塑料污染探测方面的应用

随着人类活动的增加，塑料垃圾在我们的日常生活中越来越常见。塑料污染对环境和生态造成了严重的影响，对人类的健康也有潜在的威胁。在这个背景下，如何高效地探测和处理塑料垃圾成为了全球环保领域的重要研究课题。传统的塑料垃圾控制方案难以完全根除塑料垃圾的影响。近年来，新的探测方式已经成为塑料垃圾问题的热门解决方案。其中，遥感探测技术日益成为新的研究方向，今天我们来了解一篇相关论文，希望能够增强人们对光谱技术在塑料垃圾探测和处理中的认识和了解，同时也提高大家对环保问题的意识和重视。ASD Fieldspec 4 光谱仪在塑料污染探测方面的应用a近年来，人们将重点放在利用卫星、飞机和无人机的光学传感器等遥感技术探测塑料垃圾。随着对这些技术需求的不断增加，至关重要的是，不仅要了解原始塑料的诊断光谱特性，而且要了解代表各种环境塑料的风化和生物污染塑料的诊断光谱特性。目前，干塑料的光谱反射率已知，并已经应用于材料回收领域，但其仅限于干塑料测量的评估项目。为了能够识别河流、港口和海洋等水生环境中的塑料垃圾，需要获取塑料潮湿时或被淹没时的光谱特征。此外，其他水成分，如沉积物或藻类，也可能会进一步影响塑料物品的反射信号。迄今为止，只有有限数量的高质量数据集被发布在开放获取的存储库中，数据集中包括潮湿塑料垃圾和水中塑料垃圾的高光谱测量。由于环境中的塑料在聚合物类型、颜色、透明度、厚度、状态(原始的、生物污染的、风化的、皱褶的)和湿度(干燥的、潮湿的、浸没的)方面非常多样化，因此在科学界内构建能代表塑料在许多不同方面的可靠数据集至关重要。基于此，在本研究中，由比利时奥斯坦德法兰德斯海洋研究所、比利时根特大学水生生态学研究小组、佛兰德技术研究所(VITO)、比利时布鲁塞尔自然与森林水产管理研究所、研究基金会-佛兰德斯(FWO)，比利时布鲁塞尔组成的一组研究团队收集了安特卫普港码头和特姆斯桥附近谢尔特河自然条件下的原始、风化和生物污染的塑料制品和塑料碎片样品，同时选择纯原始塑料聚合物，进行塑料样品人工风化模拟、生物污染模拟，利用ASD FieldSpec 4地物光谱仪规范测量由不同聚合物组成的塑料样品的干燥光谱反射率、潮湿和水下环境中（人工模拟环境）的光谱反射率，提出了一个利用ASD FieldSpec 4地物光谱仪获得的宏观塑性样品的高光谱反射率数据集。在人工风化实验中使用的紫外线室的参数在原始塑...

2023 - 06 - 12
ASD | ASD Fieldspec 3 FR光谱仪在东北典型黑土地区农田土壤侵蚀热点探测方面的应用

黑土地是指具有黑色或者暗黑色腐殖质表土层，性状好、肥力高的耕地，这类耕地可用于粮食生产。黑土地是地球上最珍贵的土壤资源，地球上一共有四块黑土地，分别是乌克兰的乌克兰平原、美国的密西西比平原、中国的东北平原以及南美洲阿根廷连至乌拉圭的潘帕大草原。我国东北平原典型黑土区耕地面积约2.78亿亩，是重要的粮食生产优势区和全国最大的商品粮生产基地。然而，近年来相关研究和调查发现，由于掠夺经营、水土流失等原因，黑土层厚度已逐渐减少，土壤有机质含量也明显降低，土壤侵蚀成了黑土地不容忽视的问题之一。保护黑土地对于保障国家粮食安全、生态安全，促进农业绿色可持续发展具有重大的意义。接下来我们了解一篇在黑土地区探测土壤侵蚀状况的论文。ASD Fieldspec 3 FR光谱仪在东北典型黑土地区农田土壤侵蚀热点探测方面的应用土地退化影响着世界上大约三分之一的农田，其中土壤侵蚀是最严重和最广泛的退化形式。在侵蚀严重的地区，土壤剖面可能出现明显的截断现象，导致富含碳和营养丰富的表土物质空间重组，造成土壤有机碳（SOC）加速损失，土壤肥力下降，从而影响退化农田的粮食生产。据估计，每10厘米土壤损失作物产量平均减少约4%，而由于农业管理不当和施肥水平低，发展中国家减产的程度可能会加剧。联合国可持续发展目标框架下的土地退化中立方案明确采用了SOC作为评估和监测土地退化状况的关键指标。因此，更好地了解发生土壤侵蚀的地点和加速侵蚀程度，以及SOC损失的发生，将在很大程度上有助于全球在粮食安全和气候方面可持续利用土壤资源的努力。普遍通用的土壤损失方程（USLE）拥有高度的数据可访问性，然而，它仍然是一种经验方法，只考虑了水蚀，而忽略了其他形式，如耕作和风蚀，并没有模拟土壤沉积。另外，主要在流域规模上，存在许多基于过程的物理模型来模拟单个降雨事件中相互作用的侵蚀和沉积过程，但其模型结构的复杂性和模型参数化的不平衡往往会影响模型的空间预测能力，且当前评估侵蚀发生地点和程度的方法仍然不足以在高空间分辨率下精确探测侵蚀热点。无论使用何种建模方法，阻碍土壤侵蚀精确建模和制图的常见问题还包括：(1)输入过时的、静态的和粗糙的分辨率数据，通常无法捕捉到侵蚀过程尺度上土壤侵蚀的时空变化；(2)缺乏空间分布的观测数据来进行严格的模型校准和验证。此外，土壤侵蚀追踪技术作为得出净侵蚀空间估计的可行选择，其价格昂贵，在大空间尺...

2023 - 06 - 02
Resonon | 利用VIS/NIR高光谱成像进行生鱼片寄生虫检测

生鱼片又称鱼生，古称鱼脍，起源于中国，最早文字记录可以追溯到周朝，有着悠久的食用历史，后传至日本及朝鲜半岛等地，在日本称刺身，是日本料理中最为常见的菜品。生鱼片制作简单，食用可口，营养丰富。从营养学角度说，生鱼片没有经过传统的炒、炸、蒸等烹饪方法，因此营养物质完全没有流失，是一道极富营养的菜肴。但是从卫生角度考虑 ... ...生鱼片是一种传统的日本食品，在日本以外的许多国家都很流行，但严重的健康风险，如腹痛，腹泻，呕吐，以及由生鱼片上常见的寄生虫引起的器官损伤，是消费者担心的因素。冷冻处理是一种有效杀灭寄生虫的方法，但由于可接受的温度范围窄，无法广泛应用；过高的温度无法完全消除所有寄生虫，而过低的温度会损害生鱼片的风味。因此，有必要开发一种寄生虫检测方法，以便清除被感染的生鱼片。传统的生鱼片寄生虫检测方法主要有显微镜法、免疫荧光法、聚合酶链式反应法等，但这些方法耗时费力，不易实现产业化。因此，迫切需要一种快速、简便、可靠、智能的生鱼片寄生虫检测方法。目前，可见光和近红外（VIS/NIR）光谱在食品质量检测中的应用已经很成熟，包括疾病监测、害虫检测、蛋白质和脂肪含量评估等。然而，寄生虫非常小，利用VIS/NIR高光谱成像技术能否检测到生鱼片上的寄生虫仍然是一个未知的问题。利用VIS/NIR高光谱成像进行生鱼片寄生虫检测基于此，在所附的文章中，研究者们首次探讨了Resonon Pika XC2高光谱成像结合化学计量建模检测草鱼生鱼片上寄生虫（异尖线虫）的能力。为此，作者（a）比较了生鱼片表面、生鱼片边缘和生鱼片上存在异尖线虫的VIS/NIR光谱特征差异，（b）选择不同特征纳入分析时，应用偏最小二乘回归（PLSR）和概率神经网络（PNN）测试寄生虫检测能力，从而确定优化的建模方法。（c）基于该优化建模方法提出了未来的应用前景。VIS/NIR高光谱成像平台【结果】切片面、切片边缘和异尖线虫光谱的平均值；顶部异尖线虫的原始光谱（A）；底部异尖线虫的原始光谱（B）；顶部异尖线虫的一阶导数光谱（C）；底部异尖线虫的一阶导数光谱谱（D）未来实际应用中寄生虫检测方案【结论】利用VIS/NIR光谱视觉上可区分切片面、切片边缘和寄生虫。PNN对生鱼片寄生虫的检测能力优于PLSR。组合模型的检测能力优于单一检测模型。采用PNN SG + SNV+一阶导数+ PNN模型（提取484.88...

2023 - 05 - 26
Resonon | 利用Resonon Pika L估算胶州湾富营养化

海水富营养化是海洋水体中N、P等营养盐含量过多，导致水体中藻类等生物过度繁殖，从而引发水体生态系统的失衡现象。环境变化和水体富营养化是当前许多湖泊及水域面临的严峻挑战。为了及时发现湖泊水质变化,水体监测是关键所在。遥感监测技术的发展为水体监测带来了新机遇。遥感技术可以通过机载高光谱获取大范围的水体光谱信息，从而快速、准确了解水体的变化情况。遥感监测可以提高监测效率，减少人力和物力的投入，降低监测成本。在山东半岛南部胶州湾典型海水养殖区，学者们就利用高光谱遥感开展了海水富营养化的监测。利用Resonon Pika L估算胶州湾富营养化由于土地利用的不断变化、森林砍伐和化石燃料的燃烧，温室气体排放急剧增加，从而导致海洋富营养化、洪水泛滥等严重的全球性挑战。近年来，由于海产品消费的增加，海水养殖成为一个迅速扩大的全球市场。而不合理的养殖方式、过度的养殖生产，以及大量污染物直接排放到海洋养殖区中，会造成赤潮等其他灾害。这些问题会导致严重的环境污染、生态失衡和沿海水域富营养化。为了从源头上减少污染排放，阻止海水养殖水质恶化，需要快速准确地了解海水养殖水质参数浓度的时空特征、演变过程、影响因素等信息。随着遥感技术的不断进步，高光谱遥感技术因其精度高、波段多、信息量大等优点在遥感水质监测中得到了广泛的应用。而机载高光谱遥感具有空间分辨率高、时间分辨率高、图像采集灵活等优点，为区域水质监测的应用提供了新的途径。胶州湾 - 机载高光谱遥感基于此，在所附的文章中，研究者们在山东半岛南部胶州湾典型海水养殖区基于DJI M600Pro UAV+Resonon Pika L高光谱成像收集了高光谱图像，选取海水水质、叶绿素a浓度和总悬浮物（TSM）浓度等关键参数作为海水富营养化指标。分析了各参数浓度与光谱反射率的相关性。并利用参数的最佳敏感波段建立了胶州湾海水高光谱反演模型（JZBZ）。机载高光谱路线规划和水样采集【结果】海水采样点的水光谱曲线JZBN模型（a）和NSOAS模型（b）估计的TSM浓度值和实测值的比较，JZBN模型（c）和NSOAS模型（d）估计的叶绿素a浓度值和实测值的比较研究区（a）TSM（b）和叶绿素a（c）浓度的空间分布【结论】本研究表明了机载高光谱遥感技术确定胶州湾海域水质参数浓度和空间分布的可行性。根据水体高光谱图像的光谱特征和特征波段敏感性之间的关系，建立了胶州湾...

2023 - 05 - 18
Resonon | 利用机载高光谱成像进行树木水平红脂大小蠹侵染的早期监测

据人类目前所知，昆虫的种类有100多万种，是地球上数量最多的动物群体。在《昆虫记》中，法布尔将昆虫世界化作供人类获得知识、趣味、美感和思想的美文，以文艺趣味的笔触记录了100多种昆虫的本能与习性，展现了一部“昆虫的史诗”。但种类繁多、形态各异的昆虫，除了法布尔笔下的灵性和趣味，还有不可忽视的侵害和威胁。1998年，我国在山西省首次发现红脂大小蠹，当地林木大面积受到侵害，生态环境和经济发展也严重受损。随着红脂大小蠹的扩散蔓延，我国科研人员对森林受到的侵害愈加重视，并通过相关研究，提供了对其进行监测的方向。利用机载高光谱成像进行树木水平红脂大小蠹侵染的早期监测森林在陆地生态系统中发挥着必不可少的作用，提供着水资源保存、侵蚀控制、缓和气候变化和碳固存等各种生态服务。同时也面临着生物和非生物因素的胁迫。入侵害虫红脂大小蠹（RTB）在中国东北部蔓延，造成严重的经济和生态损失。早期识别和侵染树木的处理对于避免其蔓延和侵染爆发至关重要。高空间分辨率的高光谱数据具有监测单木尺度树皮甲虫早期侵染的潜力，但尚未进行相关研究。基于此，为填补研究空白，来自北京林业大学的研究者们利用DJI Matrice 600 UAV+Resonon Pika L高光谱相机在中国辽宁省进行了相关研究。首先调查了RTB侵染油松后光谱特征的变化。其次，利用RF分类器比较不同光谱特征区分RTB阶段的性能。最后，探索了深度学习算法（CNN）在小HIS数据集中分类树皮甲虫干扰是否优于机器学习算法（RF）。研究区。（a）RTB分布及辽宁省位置；（b）研究样地位置；（c）机载高光谱图像。【结果】冠层平均光谱反射率及一阶和二阶导数。三种健康分类的光谱植被指数。RF和CNN分类模型的总体性能和混淆矩阵。（a）反射率值作为输入变量的RF_R:RF模型；（b）导数作为输入变量的RF_D:RF模型；（c）SVI作为输入变量的RF_S:RF模型；（d）CNN模型。【结论】本文研究了机载高空间分辨率的高光谱图像检测RTB侵染松树的潜力。作者比较了不同光谱特征和模型将松树分为三个健康状态：健康、侵染（绿或黄色阶段）和死亡（红或灰色阶段）树木的性能。主要结论如下：（1） RTB侵染后，松树冠层光谱显著变化。与健康树木相比，死亡树木的光谱曲线在可见和近红外区域显著变化，而侵染树木仅在可见光区域显著变化。死亡树木的16个SVI显著不同，而...

2023 - 04 - 13
ASD | 好想看看月壤长啥样！

2020年11月24日4时30分长征五号遥五运载火箭点火升空托举嫦娥五号探测器送入预定轨道意味着人类时隔44年再次从月球带回了岩石和土壤样品上一次月球采样返回任务是1976年苏联的月球24号美国在阿波罗十一号成功登月之后，进行了6次发射任务，其中有5次都获得了成功，一共将12名宇航员送上了月球，带回来了382公斤的月球土壤。中美两国于1979年1月1日正式建交；而就在这前夕的1978年，美国国家安全事务顾问布热津斯基访华时，为表示友好，向中国赠送了1克月岩。地质学家将1g月壤等分成两份，每份重量0.5g，一份用于研究，另一份用来展览。如今，我们自己从月球带回1731克月壤！北京时间2022年10月10 日，国际科学期刊《自然 · 通讯》（Nature Communications）在线发布我国嫦娥五号样品的一项研究成果。中国科学院国家天文台李春来、刘建军研究员领导的团队，结合嫦娥五号月球样品的实验室分析结果和遥感探测数据，解答了过去对月球晚期玄武岩遥感光谱解译的疑惑，纠正了月球晚期玄武岩独特遥感光谱特征的物质成分解译结果。根据以往地基望远镜和月球轨道器遥感光谱数据的分析，普遍认为月球正面西部晚期月海玄武岩覆盖的区域富含橄榄石，这是约束月球晚期玄武岩成因的重要因素。然而该推论是否正确，由于缺乏实际样品的分析而无法证实。嫦娥五号成功着落于月球风暴洋东北部的玄武岩平原，返回样品的研究显示其玄武岩的年龄仅为20亿年，是月球上最年轻的玄武岩地层。嫦娥五号任务采集的月壤样品，作为从月球晚期玄武岩区域返回的唯一地面真值，为我们研究月球晚期火山活动提供了宝贵的机会。基于此，中国科学院国家天文台李春来、刘建军研究员团队结合嫦娥五号月球样品的实验室分析结果和遥感探测数据（ASD FieldSpec 4），解答了过去对月球晚期玄武岩遥感光谱解译的疑惑，纠正了月球晚期玄武岩独特遥感光谱特征的物质成分解译结果。研究团队通过对返回月壤样品开展实验室光谱和X射线衍射分析，与以往获取的月球样品进行对比，并结合电子探针分析的数据结果，证明嫦娥五号月壤的光谱特征主要是由其富含的富铁高钙辉石引起，而非富含橄榄石所致。由于国外历次月海采样任务鲜有以富铁高钙辉石为主的月壤样品，加之富铁高钙辉石晶体结构的特点在光谱特征上与月球上常见的橄榄石光谱相近，导致了月球晚期玄武岩的遥感光谱被错误地解译为富含橄...

2023 - 02 - 28
Resonon | 基于Resonon PIKA XC2高光谱成像预测苹果杂交后代香气

苹果是一种常见而又神奇的水果。很多人学会的第一个英语单词可能就是Apple；从树上掉下来，砸到牛顿，启发牛顿的也是苹果；引领消费时代数码潮流的苹果公司，logo是被咬了一口的苹果~对于这种大家经常吃的香甜水果，追本溯源，是来自蔷薇科苹果属的杂交水果。苹果的祖先，是一种叫做“新疆野苹果”的植物，生长在我国新疆和中亚地区，后来伴随人类活动扩散开来，果农们也一代代与苹果树斗智斗勇，通过杂交等方式把他们调教的越来越美味。现代农业，为满足大家更多需求，苹果的杂交育种依旧在进行，人类学会了利用更先进的技术，今天推荐大家了解一篇通过高光谱成像来预测苹果杂交后香气的优秀文章。基于Resonon PIKA XC2高光谱成像预测苹果杂交后代香气苹果是世界上最受欢迎且有价值的水果之一。质地、风味和营养是苹果最重要的品质。一般来说，香气在苹果风味中发挥着重要的作用。提高苹果香气是育种和筛选的目标。因此，构建苹果香气成分评估模型至关重要。高光谱成像技术（HSI）结合二维成像技术实现光谱全图像信息获取，因其快速、有效和无损特征而广泛应用在农业、食品和化学领域。基于此，在本文中，来自西北农林科技大学园艺学院的研究人员利用高光谱成像（PIKA XC2 高光谱相机，Resonon Inc., Bozeman，MT，USA）建立了‘Honeycrisp’×‘Maodi’杂交后代的香气成分预测模型，初步实现了苹果成分的即时检测，以提供理论基础。【结果】高光谱图像光谱预处理酯（a）、醛（b）、酮（c）和乙醇（d）测量值和预测值散点图。酯（a）、醛（b）、酮（c）和乙醇（d）特征光谱带分布。【结论】在育种中，杂交后代香气成分的快速无损检测可以简化筛选过程并有效降低成本。在本研究中，作者利用高光谱成像来评估‘Honeycrisp’ × ‘Maodi’杂交后代的香气成分。基于光谱的SNV-RF模型在化学类别预测方面表现良好，但在单个化学物质预测方面表现不佳。在化学类别的预测中，酒精的结果最可靠，其次是酯类。分析化学基团的特征光谱，酯类的特征光谱为413、493、512、551、592、600、721、727、729、733 nm，醇类的特征光谱为519、562、570、571、660、676、700、737、738 nm，均在可见光范围内。醛和酮的特征光谱数量相对较多，分别为20和19个。在...

2023 - 02 - 21
Resonon | 基于深度学习和高光谱图像估算车厘茄可溶性固形物含量及硬度

车厘子，相信大家都不陌生，毕竟“车厘子自由”曾经也是风靡一时的网络热词。但是车厘茄是什么呢?车厘子的变种？车厘子和茄子的结合？空想不如实干，看看度娘怎么说......嚯，原来车厘茄就是常见的小番茄！另外，小加还了解到车厘茄含有丰富的维他命和十分高的铁质含量，不仅有美容功效，还可以预防出现贫血，可谓是值得多次购买的营养好物。但是购买时，我们只能通过朴素的双眼判断其好坏，如果从专业性的角度出发，该如何评估车厘茄的质量呢？答案就在下面这篇论文里，快一起来看看吧！基于深度学习和高光谱图像估算车厘茄可溶性固形物含量及硬度车厘茄（Solanum lycopersicum）因其特殊的香味深受世界各地消费者喜爱。可溶性固形物（SSC）和硬度是评估产品质量的两个主要指标。现存的测量技术主要依赖于化学方法。然而，这种破坏性的方法不适用于大面积的测量。高光谱成像技术可以同时获取光谱信息和空间信息，已广泛应用于各个领域，如植物病害胁迫检测、工业食品包装、医学图像分类及水果质量分析。基于此，来自浙江工业大学和浙江省农业科学院的研究人员选择当地主流的车厘茄（Zheyingfen-1）为研究对象，测量其硬度和SSC，并基于高光谱图像（PIKA XC 高光谱相机，Resonon Inc.，Bozeman，MT，USA）和相应的深度学习回归模型开发了无损式测量技术。高光谱成像系统【结果】（A）校正的光谱反射率图。（B）MSC预处理。（C）二阶差分预处理。每个模型的SSC估算结果。（A）小样本数据的SVR估算结果。（B）大样本数据的SVR估算结果。（C）小样本数据的KNNR估算结果。（D）大样本数据的KNNR估算结果。（E）小样本数据的AdaBoostR估算结果。（F）大样本数据的AdaBoostR估算结果。（G）小样本数据的PLSR估算结果。（H）大样本数据的PLSR估算结果。（I）小样本数据的Con1dResNet估算结果。（J）大样本数据的Con1dResNet估算结果。大样本数据集每个模型的硬度估算结果。【结论】本研究中，作者利用高光谱图像提出了Con1dResNet深度学习模型来估算车厘茄的SSC和硬度。相比传统的机器学习方法，充足的样本数量可以实现更好的结果。就SSC估算而言，其R2值为0.901，比PLSR高26.4%，其MSE为0.018，比PLSR低0.046。就硬度估算而言，其R2...

2023 - 02 - 13
ASD | ASD FieldSpec 4地物光谱仪在土壤砷浓度估测上的应用

土壤中重金属是有害的，其迁移和累积会严重威胁生态环境安全和人类健康。砷（As）具有高神经毒性和致畸性。人类活动，例如采矿和工业生产会导致大量As释放到土壤中。快速准确确定土壤中As浓度对As污染评估至关重要。传统的重金属调查方法旨在对野外采集的土壤样品进行化学性质测试，费事费力、成本高。高光谱遥感具有高光谱分辨率、宽波段范围和连续光谱信息等特点，已广泛用于土壤重金属浓度的估算。然而，现存的基于高光谱数据的土壤重金属浓度估算模型忽视了土壤光谱和重金属浓度之间的空间非稳态。基于此，来自首都师范大学的一组研究团队以北京东北部地区（40°10′0″-40°15′30″ N，116°58′4″-117°5′4″ E）为例，基于实验室测得的光谱数据（ASD FieldSpec 4光谱仪），结合地理加权回归（GWR）和XGBoost算法提出了一种新的模型（GW-XGBoost模型）来估算土壤重金属浓度。并评估了所提出模型的有效性。研究区和采样位置。As浓度估算过程流程图。【结果】As和光谱的相关图。阴影快表示主要化学吸收范围。As浓度实测值与预测值关系散点图。As浓度实测值与预测值拟合比较图。【结论】估算模型选择的光谱波段与表面含有能与As形成复合物的官能团的光谱活性物质的吸收效应有关。构建模型时考虑该吸收机制可以有效降低高光谱数据的冗余。GW-XGBoost模型不仅考虑了As浓度和光谱关系的异质性，也考虑了其复杂相关性，有效提高了土壤As浓度估算精度。GW-XGBoost模型可以更准确估算土壤重金属浓度，为利用高光谱技术大尺度监测土壤重金属污染提供技术支持。请点击下方链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650316477&idx=1&sn=5d4371debe0e58b4832c623a283b2687&chksm=bee1b24289963b54b20e81fcf2015069bb26736c445741bbc9188b7864dcd58a783f5db91c52&token=969215875&lang=zh_CN#rd

2023 - 02 - 07
Resonon+LR1601 | 利用光谱特征时间序列进行松材线虫病早期监测

松材线虫病（PWD），是由松材线虫（Bursaphelenchus xylophilus）引起的具有毁灭性的国际森林病害之一，可以在几个月内对松林造成快速、大面积的危害，已对我国造成了巨大的生态和经济损失。因此，及时的监测措施非常必要。高光谱遥感可以获取数百个波段和连续波长的数据来捕获受危害树木的生理变化，有助于检测早期病虫害。而基于无人机的高光谱成像仪可以准确观测树木冠层的变化，成为评估森林健康情况的有效工具。然而，以往的研究大多使用单日的无人机高光谱数据，难以监测病害发生的时间变化并确定最佳的监测时期。基于此，在本研究中，来自北京林业大学的研究团队于2021年5-10月使用多时态的数据在中国辽宁省抚顺市东洲区（124°12′36′′ -124°13′48′′ E，41°56′53′′ -41°57′46′′）进行了研究。在PWD爆发期间，作者于2021年5月9日、6月9日、7月11日、8月11日、9月13日和10月21日对红松林进行了地面调查（通过形态和分子鉴定确定59棵树携带松材线虫，另外选择59棵未被感染的树木作为对照）。于2021年5月11日、6月10日、7月12日、8月18日、9月15日和10月23日晴朗无云的天气条件下利用DJI Matrice 600 Pro无人机搭载Resonon Pika L高光谱相机以及LR1601-IRIS雷达系统（tyc522cc太阳成集团欢迎莅临—北京依锐思）获取高光谱数据和雷达数据。在相同条件下同时获取UAV RGB图像。作者分析了每个树冠的光谱特征，如光谱反射率、一阶和二阶光谱导数以及植被指数（VIs），以筛选最适用于早期监测PWD的敏感特征。使用随机森林（RF）分类算法来评估两组树木（对照和受危害树木）之间的可分离性数据获取和处理流程图。无人机高光谱和雷达系统（A）以及研究区位置和10月23日获取的高光谱图像（B）。地面、UAV RGB和高光谱图像的变色过程示例（C）以及不同日期采样树木的高光谱曲线示例（D）。【结果】5月（A），6月（B），7月（C），8月（D），9月（E）和10月（F）受危害树木和对照树木的平均光谱。利用不同类型特征识别受危害和对照树木的分类精度。树冠变化和人类观测范围有限示意图。【结论】本研究中，基于无人机的遥感数据可以成功检测感染PWD树木的光谱变化。（1）7月和...

2022 - 12 - 30
ASD | ASD FieldSpec 3地物光谱仪在确定土壤有毒元素上的应用

土壤质量直接影响其有机体的健康。然而，土壤容易受到人类活动的干扰，如采矿、工业化和农业活动，导致严重的土壤污染。在各种土壤污染中，有毒元素会对人类和家畜健康以及食品安全造成威胁。因此，监测这些污染类型的浓度和分布对于土壤修复项目至关重要。然而，传统采样和实验室分析方法成本高、费事费力且局限于采样点位置，不能很好地具体化浓度的空间分布。因此，需要具有高空间效应的快速有效的技术。许多研究已经利用图像光谱和其它辅助数据或环境变量来预测有毒元素的分布。而由于卫星图像中云或阴影的存在，土壤采样和图像获取日期存在差距，这种情况下，需要用到具有不同光谱和空间特征图像的融合，以增加图像的时间分辨率。Sentinel-2A是“全球环境与安全监测”计划的第二颗卫星，其携带一枚多光谱成像仪，可覆盖13个光谱波段，从可见光和近红外到短波红外，具有不同的空间分辨率。Landsat 8是美国陆地卫星计划的第八颗卫星，其携带的陆地成像仪包括9个波段，空间分辨率为30 m。两者的协同应用将改进对地球表面的及时和准确观测，以及遥感不同学科的使用。基于此，在本研究中，来自捷克生命科学大学的研究团队于2015年8月12日在Sarcheshmeh矿山采集了120个土壤样品，在实验室进行化学（As、Pb、Zn和Cr）和光谱测量（ASD Fieldspec 3地物光谱仪）。并于2015年8月13日获取Landsat 8-OLI图像，2016年1月20日获取Sentinel-2A图像。旨在探索Landsat 8-OLI和Sentinel-2A单个图像及其相融合量化As、Pb、Zn和Cr的潜力。为了达到融合目的，作者采用了不同的融合技术，即HSV色彩模型、Brovey、主成分分析（PCA）、Gram-Schmidt (GS)、小波和ATPRK。同时，采用遗传算法（GA）选取实验室光谱中所需的重要波长，以建立偏最小二乘回归（PLSR）预测模型，以评估所选变量对最终模型性能的影响。【结果】利用全部光谱（PLSR）和选定波长（GA-PLSR）建立的有毒元素预测模型的性能。（验证数据集）整合了Landsat 8-OLI和Sentinel-2A波段的融合方法的定量评估将GA-PLSR应用在图像像素光谱中建立的有毒元素预测模型的性能【结论】研究结果表明，与单个Landsat 8-OLI和Sentinel-2A图像的像素光谱相...

2022 - 12 - 28
ASD | ASD FieldSpec光谱仪在预测土壤水力特性上的应用

土壤水力参数，如田间持水量（FC）和永久萎蔫点（PWP），在灌溉管理、干旱风险评估和土地利用规划等方面发挥着重要作用。这些水力特性是动态的，随土壤类型、作物类型和生长季而变化。传统方法估算大尺度水力特性费时费力，而土壤传递函数（PTF）作为一种替代方法，已被用于使用易测量的土壤特性（如土壤粒级、有机碳和容重）来估计土壤水力特性。这些预测参数在很大程度上受各种内在土壤特性如土壤质地、结构、有机质、容重和孔隙度的影响。随着光谱技术的不断发展，因其快速、低成本和无损测量，许多研究者已经利用可见近红外（Vis-NIR）光谱预测了土壤特性，而使用光谱数据绘制印度土壤类型水力特性的研究非常有限。基于此，在本研究中，一组研究团队在印度卡纳塔克邦高原北部地区收集了558个土壤样本，在实验室中测量了其FC， PWP和土壤含水量，并利用ASD FieldSpec光谱仪测量土壤光谱反射率。通过支持向量机、随机森林和偏最小二乘回归三个模型预测FC和PWP。其中，2/3的数据集用于校准（368个样品），1/3的数据集用于验证（190个样品）。本研究目标为通过不同统计技术检验实验室Vis-NIR光谱数据估算水力参数的有用性。研究区域图【结果】卡纳塔克邦高原北部土壤光谱反射率分布（平均值和标准偏差）（N = 558）。FC和PWP预测模型的性能（50 次迭代）验证集FC和PWP预测值和观测值散点图（RF方法）（变性土-绿点，淋溶土-红点，弱育土-蓝点，新成土-黄点）。传统PTF方法预测验证集FC和PWP含水量的性能。【结论】验证结果表明，与PLSR模型相比，RF和SVM性能较好。与田间持水量（R2=0.66-0.69和RMSE=7.25-7.51%）相比，永久萎蔫点预测良好（R2=0.70-0.74，RMSE=5.44-5.74%）。在土纲中，Vis-NIR光谱（R2=0.34&0.42）对变性土FC和PWP的预测不佳，对淋溶土（0.44&0.52）和弱育土（0.55&0.65）的预测结果一般，而对新成土（0.83&0.76）预测结果较好。总体而言，结果与传统PTF方法相当。目前结果表明，可见近红外光谱有助于快速准确地估计该国半干旱地区的水力特性。请点击下方链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2N...

2022 - 11 - 18
Resonon | Pika L高光谱成像在亚热带阔叶森林单木分割和树种分类上的应用

了解亚热带森林树种的准确信息对于森林可持续管理、生态系统服务评估、生物多样性监测以及生态环境保护至关重要。因此，亟待快速有效的方法对单个树种进行分类。传统的树种地面调查费事、费力、成本高，难以大面积实施。而遥感可以获取较大区域的特征信息。许多遥感数据，如超高分辨率RGB、机载高光谱和雷达数据，已广泛应用于单木分割和树种分类。然而以往都是利用其中一种或两种类型的数据进行研究，综合这三种遥感数据进行树种分类的研究十分有限。基于此，为填补研究空白，研究者们于2019年8月在中国南方深圳的亚热带阔叶林聚龙山公园（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光谱（Resonon Pika L高光谱成像仪）、超高分辨率RGB数据以及地面数据进行单个树种的分类。作者首次开发了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法进行单木分割。然后整合UAV LiDAR（提取结构特征），高光谱（提取光谱特征）和超高分辨率RGB数据（提取纹理特征）进行分类。最后通过总体精度（OA）和kappa系数（k）评估分类精度。主要研究目标为：（1）评估所提出的WST-Ncut算法在亚热带阔叶森林进行单木分割的准确性；（2）与单独使用这些数据相比，评估UAV LiDAR，高光谱和超高分辨率RGB数据相融合进行亚热带阔叶树种分类的有效性和改进以及（3）探索单木分割的准确性和树种数量对树种分类精度的影响。研究区位置【结果】18个树种在383-1020 nm波长下的反射率平均值和±标准差。18个树种在383-1020 nm波长下的平均光谱反射率。七种特征组合得到的树种分布图。使用所有特征时获得的总体分类精度与树种数量之间的关系。【结论】在本研究中，作者利用UAV LiDAR，高光谱和超高分辨率RGB数据在亚热带阔叶森林树木尺度上进行18个树种的分类。作者首次提出了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法来描述单木。结果表明，WST-Ncut算法适合描述亚热带阔叶森林单木（Recall=0.95，Precision=0.86，F-score=0.90），可以减少过度分割。LiD...

2022 - 11 - 14
Resonon | 利用Resonon Pika L高光谱成像估算玉米叶片氨基酸含量

玉米是世界上最重要的作物之一。在玉米生长过程中，氮（N）是最重要的营养元素之一。玉米叶片中N转运主要以谷氨酰胺的形式进行。玉米产量与灌浆期叶片中的谷氨酰胺、谷氨酸、丙氨酸、天冬氨酸和天冬酰胺等氨基酸具有很好的相关性。因此，准确快速估算玉米叶片氨基酸含量对于提高玉米产量和N利用效率至关重要。分光光度法、化学分析法和质谱法是确定氨基酸含量的主要方法，具有高灵敏度和高准确度。然而，这些方法会破坏样品，且需要复杂的样品处理过程，通量低，成本高。高光谱成像技术因其快速、高通量和无损式测量成为估算作物生理生化参数的新方法，且已广泛用于作物表型性状的高通量筛选。然而，目前利用高光谱数据估算新鲜玉米叶片氨基酸含量的研究十分有限。基于此，为填补研究空白，在所附的文章中，中国农业大学的研究团队以新鲜玉米叶片为研究对象，探索了高光谱成像技术估算其氨基酸含量的可行性。考虑到施氮量对玉米叶片氨基酸含量的极大影响，作者设置了两个变量施氮实验。利用Resonon Pika L高光谱成像仪（光谱范围为400-1000 nm）采集玉米叶片的高光谱图像，并测量了玉米叶片24种氨基酸含量。作者利用NDVI从背景中分离出绿色叶片（高光谱图像预处理），利用Savitzky-Golay滤波进行去噪（数据预处理）。在模型建立过程中，作者首先通过样本变异系数（CV）和偏最小二乘回归（PLSR）筛选了各氨基酸含量的敏感波段范围和特征波段。然后，基于全波段反射率、敏感波段范围和特征波段分别对24种氨基酸含量进行建模，最后利用未参与建模的样本验证各估算模型，选出各氨基酸含量的最佳估算模型。高光谱图像采集系统。【结果】测试集部分氨基酸含量最佳预测模型实测值与预测值关系散点图。【结论】PLSR回归系数检验发现，大多数氨基酸特征波段主要集中在505.39-604.95 nm和651.21-714.10 nm。基于全波段反射率、敏感波段范围和特征波段分别对24种氨基酸含量进行建模和验证。选出各氨基酸含量的最佳估算模型。结果表明，b-氨基丁酸、鸟氨酸、瓜氨酸、蛋氨酸和组氨酸含量的估算精度优于其它氨基酸，测试集R2，RE和RPD范围为0.84-0.96，8.79%-19.77%和2.58-5.18。肌氨酸、丙氨酸、谷氨酸、脯氨酸、苏氨酸、亮氨酸、天冬氨酸含量的估算精度正常，测试集R2，RE和RPD范围为0.58-0.73，23.2...

2022 - 10 - 24
ASD | ASD FieldSpec 4光谱仪在珠江河口悬浮沉积物浓度反演上的应用

监测和量化河口（如珠江河口（PRE））悬浮沉积物浓度（SSC）可为环境过程、水文建设和航行提供重要信息。传统上基于原位测量进行SSC制图缺乏详细分析时所需的空间覆盖范围。而以往的许多研究表明，基于卫星图像可以在适当尺度上有效监测大型河口区域SSC格局及变化。然而，单个传感器获得的卫星图像通常无法保证用于大空间尺度或长期研究，利用多源卫星图像进行SSC反演在学术界越来越受欢迎。而就反演方法而言，目前仍广泛使用基于线性回归和多因素统计的经验分析方法，而主成分分析和人工神经网络也是提高精度的有效替代方法。而在小型水体中低SSC预测仍是一个挑战。基于此，在本研究中，一组研究团队以珠江河口为研究区域，基于原位光谱数据（ASD FieldSpec 4光谱仪）和SSC测量，辅助以环境信息，例如经度、维度、风速和其它大气环境因子，并基于Landsat TM/OLI和Sentinel-2图像开发模型以量化SSC。通过均方根误差（RMSE）和相对误差（RE）评估模型的性能。最后通过所开发的模型进行珠江河口1986-2020年SSC分布制图。本研究主要目标为：（1）调查PRE SSC分布的空间格局；（2）探索过去25年SSC的时空变化；（3）分析SSC变化的影响因素及其与人类活动的关系。【结果】2020年7月22日和12月20日原位收集的光谱反射率曲线。从Landsat-8 OLI提取的SSC多年平均值的空间分布。（A-H）是根据SSC分布选择的八个主要监测地点。基于Landsat TM/OLI和Sentinel图像，1986-2020年期间SSC的长期变化（左）；基于M-K检验，长期SSC变化的Z统计分布（右）。站点A、B、G和H的SSC时间变化趋势。【结论】珠江河口悬浮沉积物浓度（SSC）在时空分布上表现出典型的周期性变化。其空间分布呈现西海岸高，东海岸低的趋势。过去的35年，在大多数珠江河口地区，SSC具有明显下降趋势，下降程度因地区而异，有待进一步调查研究。在河口管理、海岸保护以及河口沉积物可持续性的经济和环境意义方面，应更加关注SSC下降的情况。珠江流域输沙量减少是SSC变化的主要原因。然而，自然因素如风速是调节珠江河口SSC空间格局的可能原因。人类活动，如疏浚和人工设施建设会扰乱SSC空间分布。未来，在SSC显著下降的地区，例如淇澳岛和内伶仃岛之间的地区以及西海岸的高SSC分...

2022 - 10 - 18
ASD | 基于地面高光谱遥感技术估算城市河流水质参数

城市河流水资源是重要的生态资源，是城市生活和生态的根本保障。但是近年来，河流水污染问题日益突出，城市水污染监测、水体保护、生态系统健康动态监测以及修复方法已经成为研究热点。水质监测是水污染控制的基础。传统水质监测主要基于野外采样后的实验室检测和分析，由于空间布局和采样点密度限制，在分析污染物在水面的连续迁移过程或大面积污染时，难以获得反映整个水体生态环境的总时空数据。遥感技术因其快速、实时和非接触操作的独特优势，逐渐成为水质参数反演和水质监测的有效工具。其中，地面遥感监测技术以其小范围、高精度和点源信息获取等优点而取得较好效果。因此，该方法在小流域水质监测方面具有一定优势，可以实现河流水质单一指标的高精度定量反演。然而，基于地面遥感技术进行水质监测时，还存在以下问题亟待解决。一是反演水质指标过于简单，反演精度较低，无法充分反映河流水质信息。其次，常用的回归和反演模型种类繁多，但对相关算法应用效果的系统比较和科学评估较少。因此，急需通过对比分析研究，为模型合理选择提供决策支持，提高水质反演效果。基于此，在本研究中，一组研究团队以邯郸市滏阳河为研究对象，通过室内测量获取水样的高光谱数据（ASD FieldSpec 4光谱仪）以及通过化学实验获取相应水质检测结果。然后引入偏最小二乘法（PLS）、随机森林（RF）和最小绝对值收敛和选择算子（Lasso）建立样本高光谱数据和6个对应水质参数（浊度（Turb）、悬浮物（SS）、化学需氧量（COD）、NH4-N、总氮（TN）、总磷（TP））的拟合模型，并进行验证和评估。在考虑高光谱数据非线性特性的基础上，上述三种算法的应用重点是消除数据之间可能存在的多重共线效应以及消除多种水质参数数据经光谱转换后可能存在的稀疏数据结构的影响。本文研究目的是寻找最佳反演算法，探讨高光谱监测技术代替实验室理化指标测试的可行性，评估反演模型对水质变化的预测效果。为城市河流水质监测提供更方便、更经济、更广泛的方法。图1 目标研究区水样收集断面分布图。图2 研究方法流程图。【结果】表1 PLS模型及其估算精度表2 Lasso模型及其估算精度表3 RF模型及其估算精度表4 水质参数最佳回归模型以及估算精度【结论】研究结果表明PLS模型对Turb，SS，COD，TN和TP的回归精度较好，但泛化性较差；RF模型对Turb，SS，COD，NH4-N和TP的预测效果...

2022 - 08 - 22
ASD丨黑化型如何影响蜥蜴对气候变化的敏感性

蜥蜴，俗称“四脚蛇”又称“蛇舅母”，栖息环境广布世界各地。蜥蜴是爬行动物纲中最庞大的家族，其种类繁多，我国已知的有150余种，大多分布在热带和亚热带，其生活环境多种多样，生活于水中、栖息于沙漠、潜藏于地下、攀爬于树林、甚至是飞翔在空中，而且会为了环境的差异而演化出各种不同形态。蜥蜴是变温动物，在温带及寒带生活的蜥蜴于冬季进入休眠状态，表现出季节活动的变化。在热带生活的蜥蜴，由于气候温暖，可终年进行活动。但在特别炎热和干燥的地方，也有夏眠的现象，以度过高温干燥和食物缺乏的恶劣环境。因为蜥蜴是变温动物，没有体内调温系统，大部分蜥蜴通过晒太阳来提高体温，需要一定温度才能活化身体，在身体晒暖之后才易于活动和进食。因此“晒太阳”吸收太阳光的能量这件事，对蜥蜴来说也尤为重要。种类繁多的蜥蜴，有各种各样的体表颜色，甚至有部分蜥蜴在不同环境下还可以通过改变肤色来保护自己。那么蜥蜴的体表颜色在气候变化时对其影响怎样呢？今天给大家推荐了解论文是“黑化型如何影响蜥蜴对气候变化的敏感性”。气候变化对全球生物多样性的影响已确立，但气候变化对同一物种内种群的不同影响很少考虑。在变温动物中，黑化型（即由于黑色素沉积较重，皮肤颜色较深）会显著影响体温调节，因此，深色变温动物可能更容易受到气候变化的影响。基于此，在本研究中，研究者们于2018年12月至2019年4月期间，以来自南非五个地点的56个健康成年多色蜥蜴 Karusasaurus polyzonus（有鳞目: 环尾蜥科）为研究对象，研究了气候变化对其种群活动模式的影响。作者假设在未来的气候预测下，由于对预测的更温暖的气候条件的不适性增强，所有种群的活动时间都会下降。此外，由于它们目前分布在南非的最南端，因此迁移到寒冷环境的机会有限，作者预测，由于深色皮肤可能产生更强的加热效应，深色个体将比非黑色化个体受到更严重的影响。为了考虑体型对体温调节的影响，作者对蜥蜴进行了称重测量。然后利用波长范围为350-2500 nm的ASD FieldSpec3光谱仪测量了蜥蜴背部14个斑点（头部3个，躯干9个，尾部2个）的反射率并计算其吸收率（假设没有透射，1-反射率）。同时测量了岩石样品的反射率。五个采样点Karusasaurus polyzonus蜥蜴的颜色非遗传多型性显示出不同程度的皮肤黑色素含量。【结果】与预期相反，所有种群都会增加活动时间，具体而言...

2022 - 07 - 06
Resonon | Resonon Pika L在估算冬小麦动态收获指数上的应用

作物收获指数（HI）是评价作物产量和栽培效果的重要生物学参数，是进一步提高作物产量的重要决定因素。对作物育种、作物生长模拟、精准农业作物管理、作物产量估算及其它方面的应用研究具有重要意义。近年来，遥感凭借其在速度、精度和覆盖范围等方面的优势已逐渐成为获取大尺度作物HI的有效技术手段。而无人机（UAV）遥感技术也迅速发展，成为农业遥感监测的新手段。目前，UAV遥感传感器主要包括数码相机、多光谱相机和高光谱相机。其中，高光谱相机具有较多的波段，可以获取与作物生长状况密切相关的波段信息，可以为作物动态生长监测提供丰富的信息源，并可靠收集作物HI动态变化信息。然而，目前利用UAV高光谱遥感估算作物HI并无相关报道。基于此，在所附文章中，来自中国农业科学研究院的一组研究团队以冬小麦为研究对象，充分考虑其开花期至成熟期生物量和灌浆过程的变化以获取作物动态HI（D-HI）的空间信息。动态fG（D-fG）参数估算为开花期至成熟期期间不同生长期累积的地上生物量与对应时期地上生物量的比值。作者基于无人机高光谱遥感（DJI M600 Pro UAV+ Resonon Pika L 高光谱成像）数据进行了D-fG参数估算，提出了一种获取冬小麦D-HI空间信息的技术方法，并验证了所提出方法的精度。通过UAV高光谱数据计算的归一化差异光谱指数（NDSI）和D-fG测量值之间的相关关系筛选出D‑fG估算的敏感波段中心和最佳波段组合，从而实现D‑fG的准确估算。最后，基于D-fG遥感参数和D-HI估算模型，准确获取冬小麦D-HI空间信息。Pika L 高光谱成像仪研究区域中国河北省衡水市深州县（37.71°~38.16°N，115.36°~ 115.80°E）。图1 研究区位置和UAV飞行样地分布。图2 本研究应用方法概述结果表1 D-fG和NDSI之间关系及其精度验证图3 基于敏感波段中心λ(724 nm，784 nm)的D-HI估算结果（2021年5月25日）。图4 基于敏感波段中心λ(724 nm，784 nm)的D-HI估算结果（2021年6月4日）。结论通过将静态fG参数转化为动态D-fG参数，提出了一种基于UAV高光谱数据的D-fG遥感参数获取冬小麦D-HI空间信息的方法并进行验证。最后，准确估算了冬小麦D-HI的空间信息。其中，选取5对敏感遥感...

2022 - 06 - 27
Resonon | WinRoots：用于土壤胁迫下植物表型研究的高通量栽培和表型分析系统

土壤是重要的自然资源，地球上95%的食物来源于土壤，土壤保存了至少四分之一的全球生物多样性，不仅是粮食安全、水安全和更广泛的生态系统安全的基础，更是为人类提供多种服务、帮助抵御和适应气候变化的重要因素。由土壤组成造成的胁迫，例如盐、重金属和养分亏缺是作物减产的主要原因。作物土壤耐逆性是一种复杂性状，涉及植物形态、代谢和基因调控网络等多种遗传和非遗传因素的调控。传统的作物表型研究通常在田间进行，费事费力、劳动密集、低通量、且受研究人员无法控制的自然环境因素的影响。在此情形下，难以获得高精度的表型数据以满足表型组学的研究需求。在过去几十年，已经开发了几种HTP（高通量表型）平台在现场或可控条件下使用，但其运维成本极高。此外，作物表型相关研究通常只关注植物地上部分，而对根系形态数据的获取有限。然而，根系是植物吸收水分和养分的主要途径，也是碳水化合物的储存器官和土壤胁迫的直接感知器官。因此，根系表型是土壤胁迫条件下植物表型研究的重要组成部分。就通量、环境可控性和根系表型获取而言，现有的植物表型平台无法完全满足植物对土壤胁迫响应的表型组学研究的特定需求。基于此，在本文中，来自山东大学生命科学学院和潍坊农科院的一组研究团队描述了其最近开发的高通量植物栽培和表型系统—WinRoots平台。以大豆植物为研究对象，将其暴露在盐胁迫中，证明了土壤盐胁迫条件的一致性和可控性以及WinRoots系统的高通量。他们开发了优化的盐胁迫条件，以及适用于大豆耐盐性的高通量表型指数。此外，高通量多表型分析表明，子叶特征可作为大豆全苗耐盐性的非破坏性指标。在本研究中，Canon EOS 700D数码相机和Resonon Pika L高光谱成像仪分别用于获取RGB和高光谱图像。相机位于植物材料上方1.5 m的可滑动水平导轨上。每天收集大豆冠层和整株幼苗的图像。栽培第九天，获取离体叶片图像，每个品种重复3次。WinRoots系统：高通量根系和整株植物表型平台。系统使用示意图。【结果】盐胁迫相关性状之间的相关分析。（A）盐胁迫相关性状之间的相关矩阵。（B）预测值和观测值之间的回归曲线。大豆盐胁迫相关性状的合成聚类。（A）大豆盐胁迫相关性状的合成聚类剖面图。（B）聚类1和聚类2代表性栽培品种表型。（C）聚类1和聚类2指标比较。【结论】WinRoots系统为幼苗生长提供了均一可控的土壤胁迫条件，可用于土壤胁迫下...

2022 - 06 - 10
ASD | 基于GF-5号高光谱卫星影像反演露天煤矿区土壤重金属浓度

随着人类社会工农业现代化、城市化的发展，人为因素造成土壤重金属污染是当今世界越来越不容忽视的环境问题。尽管煤矿资源的开发对社会经济至关重要，但其对自然环境产生的不利影响也是不可避免的。因此，我们有必要调查露天煤矿的土壤重金属分布，以发现受污染的农田，提供和制定土地复垦策略以及进一步的公共健康策略。原位土壤采样与实验室化学分析方法（利用高精度的原子吸收光谱法（AAS）和电感耦合等离子体质谱法（ICP-MS））相结合，已广泛应用于土壤重金属浓度的调查和制图。然而，该方法难以获得连续的土壤重金属浓度制图、耗时费力、成本高、效率低，适用范围小，且可能会再次对环境产生不利影响。遥感技术的发展为快速、高效、大尺度监测重金属含量提供了新的视角。而部分所使用的高光谱传感器存在数据质量差、图像连续性受限、光谱范围窄、空间分辨率低、需要辅助环境变量、易受大气干扰等问题。与现有高光谱卫星传感器相比，GF-5 AHSI高光谱成像仪的空间分辨率、光谱分辨率、光谱范围、时间分辨率等明显增强。然而，关于使用GF-5 AHSI高光谱影像反演土壤重金属含量的相关研究报道较少。基于此，在本研究中，来自西安科技大学的张波（第一作者）、郭斌（通讯作者）课题组联合其它研究团队针对高分5号高光谱卫星影像反演中国北部某露天煤矿区（图1）土壤重金属含量问题进行了研究。旨在（1）利用直接校正（DS）算法在实验室测量的和GF-5 AHSI获得的土壤光谱之间建立传输模型，以提高土壤重金属浓度估算精度，以及（2）通过比较随机森林（RF）、极限学习机（ELM）、支持向量机（SVM）和反向传播神经网络（BPNN）算法确定最佳估算模型，基于该模型绘制土壤重金属浓度图。图1 研究区地理位置及原位土壤样品分布。（a），（b）和（c）代表研究区野外状况。作者于2020年2月收集了20 cm深度的土壤样品，在实验室中测量了其重金属含量，并利用ASD FieldSpec 4地物光谱仪测量了土壤光谱数据。于2020年3月19日获取GF-5 AHSI高光谱卫星影像，基于实验室土壤光谱，引入直接校正算法（Direct standardization，DS）校正GF-5号高光谱卫星影像。利用连续小波变换（CWT）和Boruta算法进行光谱预处理以及特征波段提取。利用RF，ELM，SVM和BPNN4种机器学习方法估算土壤重金属浓度，通过决定系数（...

2022 - 05 - 12
ASD | 利用高光谱反射率预测温带落叶阔叶树木的叶片性状：通用模型可适用于整个生长季节吗？

追踪生长季和地理区域中叶片性状的变化是理解陆地生态系统功能的关键。野外光谱法是原位监测叶片功能性状的有力工具，在农业、林业和生态学中都有许多应用，例如，叶片光谱已用于表征许多叶片理化特性，预测倍体水平，估计叶龄，甚至可以预测入侵植物对凋落物分解的影响。但目前尚不清楚是否可以开发通用统计模型来根据光谱信息预测性状，或是否需要根据条件变化进行重新校准。特别是，生长季多个叶片性状同时变化，是否可以从高光谱数据成功预测这些时间变化是一个悬而未决的问题。基于此，为了填补研究空白，在本研究中，一组国际研究团队利用标准实验室方法（包括光捕获和生长：N（%），δ15N（‰），δ13C（‰），叶绿素，可溶性C（%）和叶片含水量（LWC）；防御和结构：每单位面积的叶片质量（LMA g m-2）、总C（%）、半纤维素（%）、纤维素（%）、木质素（%）、总酚类（mg g-1）和单宁（mg g-1）；岩石衍生营养素：P（%）、K（%）、Ca（%）、Mg（%）、Fe（μg g-1）、Mn（μg g-1）、Zn（μg g-1）和B（μg g-1））和叶片光谱（利用光谱范围为350-2500 nm的ASD FieldSpec 3进行测量，在350-1000 nm，采样间隔为1.4 nm，在1000-2500 nm，采样间隔为2 nm）追踪了整个生长季的变化，研究了温带落叶树木多种叶片性状和光谱特性之间的联系。旨在回答以下问题：（1）常见物种叶片的理化性状在生长季如何变化？（2）叶片反射率在生长季如何变化？（3）生长季叶片理化性状和光谱之间是否存在可预测的关系，从而使叶片光谱能够不受时间限制地远程追踪森林生态系统功能的变化？然后评估叶片光谱是否可以在季节效应的影响下稳定地捕获叶片性状，为通过机载和星载传感器的高光谱成像进行大尺度叶片性状调查奠定基础。【结果】理化性状和光谱在整个生长季变化很大，虽然6月和9月之间收获的成熟叶片变化较小。重要的是，叶片光谱可以准确预测大多数叶片性状的季节性变化，成熟叶片的预测精度通常较高。然而，对于一些性状，PLSR估算模型因物种而异，单一PLSR模型不能用于物种水平的准确预测。8个落叶树种叶片光谱及其变异性（平均反射率（a）和变异系数（b））的季节模式。2017 年 5 -10 月，不同季节对英国剑桥Madingley林地21种叶片性状全/特定光谱数据最佳PLSR性能...

2022 - 05 - 05
Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度

姜黄素是一种天然化合物，具有良好的抗炎、降血脂、抗氧化和抗癌等特性。姜黄素是从姜科、天南星科中一些植物的根茎中提取的一种二酮类化合物。其中，姜黄中约含姜黄素3%～6%，是植物界很稀少的具有二酮结构的色素。了解栽培根茎中姜黄素的水平并确定高产品种非常重要。传统上测量姜黄素是通过从新鲜根茎或干粉中将其提取出来，并使用高效液相色谱（HPLC）或紫外-可见分光光度法进行分析。从植物材料中分离姜黄素费事、费力、成本高，且需要专门的实验室设备和有经验的操作人员。而高光谱成像（HSI）是一种快速且无损的技术，已成功用于土壤和农产品（坚果、水果和蔬菜）各种化学成分和质量指标的评估。然而，目前尚未探索使用新鲜姜黄根茎的HIS图像来预测姜黄素。基于此，为了填补研究空白，在本文中，来自澳大利亚的一组研究团队进行了相关研究，旨在(1) 比较澳大利亚东部不同采样点3个姜黄品种（黄色、橙色和红色）的总姜黄素浓度和不同类姜黄素的分布；（2）评估利用可见-近红外（Vis/NIR）光谱（400-1000 nm）建立的PLSR模型预测新鲜姜黄根茎中总姜黄素浓度的潜力。作者在2018年11月至2019年11月，从五个研究地点共收集了190个样本，以捕捉生长周期的变化。利用光谱范围为400-1000 nm，光谱采样间隔为1.3 nm，光谱分辨率为2.3 nm的Resonon Pika XC2高光谱相机获取样品的高光谱图像。扫描后，提取根茎中的姜黄素，分析其总浓度和分布。建立偏最小二乘回归（PLSR）模型来预测总姜黄素浓度，并通过R2和RMSE来评估模型的准确度。图1 高光谱成像系统Resonon Pika XC2高光谱相机扫描姜黄根茎（a），选择根茎肉（横截面）（b）和皮（c）感兴趣区域（ROI），用于提取每个样品的平均光谱反射率。图2 实验设计和模型开发流程图。【结果】表1 校准和测试集中不同品种和采样地的总姜黄素 (%) 浓度的描述性分析。图3 不同姜黄品种中三种姜黄素类化合物：双去甲氧基姜黄素 (a)、去甲氧基姜黄素 (b) 和姜黄素 (c) 的百分比分布。图4 使用三个姜黄品种的原始反射光谱和根茎皮（a）与根茎肉（b）的所有可用波长开发的模型；测试集中单个样本的姜黄素（%）预测值（实心圆）（利用根茎肉模型）和测试数据集中单个样本测量值（“×...

2022 - 04 - 25
ASD | 利用短波红外波段通过干燥过程分割来估计土壤含水量

土壤水分是直接影响蒸发、入渗和径流等多种环境过程的重要因素。而且，土壤水分在农业蒸散与粮食安全、湿地退化、干旱、陆气界面的能量交换等相关研究领域发挥着重要的作用。地面测量能够提供易于校准和长时间连续获取的数据，但该种方法仅针对单个小区域，难以支持空间变化研究或实地研究。基于水和土壤介电特性的巨大差异，微波遥感被广泛应用于大空间尺度的土壤水分监测，但不适用于精准农业等多种研究。热遥感可以根据地表温度来估算土壤水分，但热遥感信号不单受到土壤含水量（SMC）的影响，湿度、风速、大气条件等其他参数也会影响估计结果。而光学遥感由于其精细的空间分辨率和利用诸如MODIS、Landsat系列和Sentinel任务等卫星数据进行大尺度监测潜力之间的平衡而引起了诸多关注。目前已经提出了许多指标和模型来阐明反射率特征随SMC的变化，并利用实验室、实地、机载和卫星数据从窄带和宽带的反射率来估计SMC。这些方法/指标主要针对从饱和到风干的各级SMC；然而，作者发现饱和到风干的单一关系映射会导致准确估计的错误印象。在整个干燥过程中，光谱反射率特征和SMCs之间的回归关系不一致导致对相对较低的SMCs估计的精度较低。基于此，在本研究中，来自南京大学、康奈尔大学和河南农业大学的研究团队提出了一种分割方法以更准确的估计SWC。作者监测了代表不同土壤特性的三种土壤样品的整个干燥过程，并通过蒸发速率变化确定其过渡点（如高SWC的阶段1干燥和低SWC的阶段2干燥）。建立了SMC估计指数，即短波归一化指数（SNI），基于辐射传输模型支持干燥过程中的SNI指数趋势。图1 实验装置示意图。利用ASD Fieldspec®Pro光谱仪进行光谱辐射亮度采集。【结果】图2 a) 三种土壤样品蒸发速率变化与干燥时间的关系，b) 干燥过程中三种土壤在2150 nm处的反射率变化。 c) 三种样品蒸发速率导数的最大值确定干燥阶段分割点。图3 三种样品砂/土壤含水量与光谱反射率之间的线性和对数回归的R2，a) 石英砂，b) 圬工砂，c) 伊萨卡土壤，d) 模拟大气透射率。在 a)、b) 和 c) 中，黑色虚线标记为1680 nm和2150 nm。图4 a) 显示了SMC估计的验证结果。 b)、c) 和 d) 显示了三种样品的建模曲线（实线）、回归曲线（虚线）和验证数据集（空心圆...

2022 - 04 - 21
ASD | 应用PROSPECT模型提取叶片生化性状的适用性研究

PROSDM：PROSPECT模型与光谱导数和相似性度量相结合从双向反射率中提取叶片生化性状的适用性叶片生化性状为理解植物光合功能、动态生长、养分循环和初级生产提供了有价值的信息。叶片叶绿素含量（Cab）、类胡萝卜素含量（Cxc）、含水量（Cw）和干物质含量（Cm）是四个重要的叶片生化性状，与植物光合作用、氮素、胁迫和衰老等健康和生长状态密切相关。能够对这些叶片生化性状进行高通量测量的方法对于表征植物生理状态和关键功能过程至关重要。PROSPECT模型是目前最常用的叶片辐射传输模型之一，可从叶片定向半球反射因子（DHRF）光谱来提取叶片生化性状，然而，在应用于叶片双向反射因子（BRF）光谱提取叶片生化性状方面尚待探索。叶片表面反射率和各向异性性状的存在可能是限制PROSPECT从叶片BRF光谱评估叶片生化性状的主要问题。基于此，在本研究中，研究者们提出了一个方法，整合了PROSPECT模型、光谱导数和相似性度量（SDM），称为PROSDM，去除了叶片BRF和DHRF光谱的差异，并从叶片BRF光谱提取了叶片生化性状。具体目标是：（1）通过PROSPECT反演调查叶片BRF和DHRF光谱差异随波长的变化以及对Cab、Cxc、Cw和Cm提取的影响，（2）开发PROSDM消除BRF和DHRF光谱差异，从叶片BRF光谱与PROSPECT和PROCOSINE以及PROCWT的比较来提取Cab、Cxc、Cw和Cm以及（3）评估PROSPECT、光谱子域、光谱噪音和模型参数范围对PROSDM性能的影响。为了获得各种叶片生化性状和反射率，作者收集了具有不同生长阶段、营养状况和种植区域的植物物种的10个数据集，包括1个测量数据集和9个公开获取数据集。从油菜（Brassica napus L.）、水稻（Oryza sativa L.）和柑橘（Citrus aurantium L.）随机采集2279个植物叶片，利用ASD FieldSpec 4测量叶片反射率，获得数据集#1。从EcoSIS光谱库中获得具有各种叶片光谱和生化性状的9个公开的数据集。其中，7个数据集的BRF光谱由ASD地物光谱仪（Analytical Spectral Devices, Inc., Boulder, CO, USA）搭配ASD叶片夹测量。表1 数据集描述。Dataset#1是本研究中测得的，Data...

2022 - 01 - 20
ASD | 从光化学植被指数和叶片色素估算叶片光合能力

【摘要】最近研究发现，在混合落叶阔叶林中，相比于叶片氮含量，叶绿素含量可以更好地指示叶片的光合能力。叶片光合能力与叶绿素含量之间关系的一个关键概念就是光合成分（即光收集，光化学和生化成分）的协调调节。为了检验该假设，作者在生长季测量了水稻地叶片氮含量（NLeaf），叶片光合色素（即叶绿素（ChlLeaf），类胡萝卜素（CarLeaf）和叶黄素（XanLeaf））以及叶片光合能力（即1,5-二磷酸核酮糖（RuBP）在25℃被羧化（Vcmax25）和再生（Jmax25）的最大速率）的季节性变化。同时还调查了NLeaf，叶片光合色素，晴天中午的叶片光化学植被指数（PRILeaf,noon）的有效性及其可能的组合，以估算水稻地的叶片光合能力（即Vcmax25和Jmax25）。ChlLeaf与Vcmax25和Jmax25高度相关（R2分别为0.89和0.87），优于NLeaf（R2分别为0.80和0.85）。PRILeaf,noon与叶片色素的产物也与Vcmax25高度相关（R2=0.95-0.96）。而且叶绿素a和CarLeaf的产物可以很好地替代Vcmax25。总而言之，该研究支持了以前的发现，即叶绿素含量与Vcmax25的相关性比叶氮含量更好。而且，将PRILeaf,noon与叶片色素（即ChlLeaf，CarLeaf和XanLeaf）结合起来，为估算叶片光合能力（即Vcmax25）提供了另一种方法。这些发现支持了光合组分协调调节的假说，且有助于利用遥感数据估算叶片的光合能力。【样地描述】样地调查是在江苏省句容市（31°9′ N，119°1′ E）进行的，该站点是2015年由南京大学国际地球系统科学研究所（ESSI，NJU）成立的。【叶片光谱反射率测量】在2016.8.25-11.11，利用ASD FieldSpec3光谱仪每周一次于8:00，10:00，12:00，14:00和16:00测量3个代表性植物的3个叶片样品（顶部，中部和底部）的光谱反射率（350-2500 nm）。【结果】2016年生长季水稻中ChlLeaf与CarLeaf（红点）和XanLeaf（黄色十字）的相关性（a），CarLeaf与ChlLeaf比率（b）以及XanLeaf与ChlLeaf比率（c）的季节性变化。叶片（a）叶绿素a含量（ChlaLeaf，μg cm−2），（b）...

2020 - 09 - 01
使用NASA格伦高光谱成像仪进行实时HAB制图

有害蓝藻（cyanoHABs）通常生长在世界各地的水生环境中，包括北美五大湖的淡水湖。营养物质丰富或过量（例如N和P）的水体可以支持蓝藻的快速生长。除此之外，水温，风，浪和水流都会影响水华的形成和垂直分布。一些蓝藻会产生有毒化合物从而危害动物和人类健康。因此对有害藻华的预先监测显得尤为重要。【摘要】利用美国航空航天局（NASA）格伦研究中心开发的高光谱成像系统于2015年至2017年在伊利湖和俄亥俄河采集高空间分辨率数据。配合密歇根理工学院实施的替代校正方法，将HSI系统采集的辐亮度数据转换为高质量的反射率数据，并使用现有算法实时监测有害藻华。替代校正方法依赖于成像光谱恒定的目标以归一化大气和仪器校准信号的高光谱数据。对伊利湖西部盆地附近的一个大型沥青停车场进行光谱特征分析，确定为一个合适的校正目标。机载HIS可以提供对水质状况的独特见解。飞机可以在云层下运行，并且可以根据需要选择和更改飞行路线，这比基于空间平台的灵活性更大。HIS能以较高的空间分辨率（~1 m）采集数据，从而可以监测小型水体，检测小块的表面浮渣，以及监测水华与感兴趣目标（例如进水口）的接近程度。借助这种新的快速周转时间，机载数据可以作为现有卫星平台的补充监测工具，针对关键区域并按需响应水华事件。2015年NASA GRC HIS停车场反射率。粗红线表示ASD FieldSpec III的原位反射率。校正前，HIS光谱表现出异常低的反射率，且光谱畸形。校正后，除了3个多云天的2个（虚线所示）外，HIS光谱分布在原位反射光谱周围。图中显示了2015年（A）和2016年（B）的典型水生光谱，包括ASD FieldSpec III的原位光谱和HIS系统的机载数据（校正前后）。差异线（黑色）是校正后的HIS信号减去ASD信号。同时显示了2015年（C）和2016年的校正因子。2016年校正因子变化比较平坦，比2015年校正因子低的多。美国国家航空航天局格伦研究中心高光谱成像系统自2015年8月10日开始追踪托莱多取水口附近，用CI（A）和SSI（B）算法处理后结果显示了藻华和表面浮渣的空间变异性。HIS图像的高分辨率揭示了天基观测平台掩盖的细节。托莱多取水口用黑色圆圈表示。2015年9月3日，在俄亥俄河上使用CI算法处理的NASA GRC HIS航迹。飞行轨迹显示在3个城市中：俄亥俄州米勒（A），俄亥俄州普...

2020 - 07 - 30
机载降雪观测台：融合扫描激光雷达，成像光谱仪以及物理模型用于绘制雪水当量和雪反照率

雪反照率可用于估算雪崩，美国国家航空航天局机载降雪观测台将其与激光雷达联合用于测量雪深。反照率（或“白度”）是单位时间，单位面积上各方向出射的总辐射能量与入射的总辐射能量之比，其测量范围从0（对应于吸收所有入射辐射的黑体）到1（对应于反射所有入射辐射体）。根据Wikipedia的说法“雪反照率变化很大，可以从0.9（刚落下的雪）到0.4（融化的雪）到0.2（脏雪）。南极洲平均雪反照率略高于0.8。如果积雪区域边缘变暖，雪易于融化，会降低反照率，因此积雪吸收了更多的辐射导致了更多的融雪。”在所附的文章中“The Airborne Snow Observatory: Fusion of scanning lidar, imaging spectrometer, and physically-based modeling for mapping snow water equivalent and snow albedo”特别提到了ITRES CASI在测量雪反照率上的重要性。【摘要】在世界许多山区，积雪覆盖和融化主导着区域气候和水资源。山区的融雪时间和量级主要受太阳辐射的吸收和雪水当量（SWE）的分布控制，但是即使在全球仪器设备最完善的山区，对其了解和认识仍不充分。本研究中我们描述并介绍了机载降雪观测台（ASO）的结果，它耦合了成像光谱仪，扫描激光雷达以及积雪分布模型以测定积雪光谱反照率/宽波段反照率和雪深/SWE。在该区域模拟积雪密度，将雪深转化为SWE。本文介绍的结果是遥感雪反照率和雪深/SWE在量化季节性积雪中存储水量上的首次应用。为冰冻圈科学研究提供了前所未有的积雪性质和分布知识，并为未来水管理模型和系统提供空间上全面且可靠的输入。ASO提供的每周SWE值表明，山区水文科学家和资源管理者可获得的信息急剧增加。彩色：ASO扫描激光雷达（Riegl Q1560）；灰度：成像光谱仪（Itres CASI-1500）左侧和右侧分别显示了ASO的雷达和光谱仪（CASI）管线据美国国家航空航天局网站称：“沙漠系统温度升高会增加山区积雪的粉尘负荷，从而降低积雪反照率并加速融雪径流。了解融雪径流和时间两个最重要的特性是雪水当量（SWE）和雪反照率的时空分布。尽管其在控制径流量和时间的重要性，但在美国（甚至是全球大部分地区）积雪反照率和SWE的量化程度仍然很差，导致径流模型约束性很...

2020 - 07 - 30
利用高光谱成像预测柑橘品质属性

【背景】：高光谱成像技术可以快速且无损的测量食物品质。该研究调查了高光谱成像在400-1000 nm波段范围预测柑橘果实内部品质属性例如总可溶性固形物（TSS），pH，可滴定酸度（TA）和成熟度指数（TSS/TA）；以及外部品质属性，例如颜色成分（L*，a*， b*）和颜色指数（CI）的可行性。【方法】：从亚马逊州（秘鲁）收集柑橘样品（甜橙，瓦伦西亚品种），共80个无不良特征（如物理破坏，病害以及污染成分）的样品。样品随机分为两组，75%为“校正集”，其余为“预测集”，用于模型的外部验证。利用Resonon Pika XC高光谱成像系统（400-1000 nm）扫描柑橘并采集图像。利用偏最小二乘法建立预测品质属性的完整模型。利用回归系数确定最优波段，通过多元线性回归建立简化模型。预测的确定系数（R2p）以及预测的标准误差（SEP）用来衡量模型的性能。【结果】：内部品质属性的完整模型性能较低（R2p ，SEP 50%）。外部品质属性的完整模型性能较高（L*：R2p = 0.898，SEP = 19%；a*：R2p = 0.952，SEP = 13%；b*：R2p = 0.922，SEP = 20%；CI：R2p = 0.972，SEP = 12%）。简化模型与外部品质属性性能相似。柑橘图像和光谱处理的主要步骤：（a）确认感兴趣区域；（b）原始平均反射光谱；（c）校正反射率柑橘的二阶导数光谱：（a）完整样品；（b）半样品预测模型的平均预测标准误差（MSEP）：（a）柑橘内部品质属性；（b）柑橘外部品质属性用于预测的完整模型的回归系数：（a）柑橘内部品质属性；（b）柑橘外部品质属性外部品质属性观测值和预测值（简化模型）关系图：（a）L*参数；（b）a*参数；（c）b*参数；（d）颜色指数【结论】：高光谱成像具有以客观且无接触方式预测柑橘颜色的潜力。在未来的研究中，可以通过不同的光谱区域（＞1000 nm）进一步改进完整柑橘内部品质属性的预测。利用高光谱成像预测柑橘品质属性.pdf

2020 - 07 - 10
基于ENVI二次开发的Resonon高光谱图像拼接与几何校正评估

摘要：针对推扫式成像光谱仪获取的狭带影像需要经过几何校正才能拼接形成空间二维影像的问题，提出了基于ENVI二次开发的高光谱推扫图像拼接技术。基于单应映射建立光谱仪倾斜状态下与正射状态下图像上的二维点之间的关系，校正由姿态变化引起的图像畸变，结合GPS数据修正因飞行速度变化引起的狭带重叠将校正后的狭带影像拼接起来。在ENVI二次开发平台上进行技术集成，实现了Resonon推扫高光谱狭带影像的自动校正拼接。对河北保定郊区高光谱影像的校正拼接实验证明，该方法与光谱仪自带拼接软件校正结果接近经纬度坐标差均在1m以内，均方根误差约为0.7389，能够满足一般高光谱遥感应用中的地理精度要求。研究目的：根据单应映射原理，建立光谱仪倾斜和正射状态下像点的映射关系，利用GPS/INS组合导航数据校正狭带影像中的畸变，拼接成一幅完整的影像，并在ENVI二次开发平台上实现推扫狭带影像的自动校正和拼接。推扫成像畸变原因：推扫式成像是利用飞行平台的向前运动，借助于与飞行方向垂直的扫描线记录而构成二维图像。推扫型成像光谱仪通常采用一个垂直于运动方向的面阵CCD来感应地面响应，在飞行平台向前运动中完成二维空间扫描，平行于平台运动方向，通过光栅和棱镜分光完成光谱维扫描，因此，CCD上一个点对应一个谱段，一条线对应一个谱面。CCD探测器每次成像是空间一条线上的光谱信息。为了获得空间二维图像，再通过机械推扫，完成整个平面的图像和光谱数据采集。推扫成像时，CCD探测器所记录的高光谱图像数据是沿着飞行方向的条幅，由于搭载光谱仪的飞行平台在飞行过程中，不能一直保证理想的姿态正射获取影像，速度和姿态的不稳定导致飞行平台的位置、航偏角、俯仰角和横滚角不断随机变化，引起光谱仪拍摄时外方位元素也不断随机变化。因此，CCD曝光时每条扫描线对应的光谱仪外方位元素不一致引起了图像的几何畸变：1. 飞行平台姿态不稳定造成地面扫描行之间相互交错，图像扭曲变形，影响后期地物目标的解析和判别。 2. 飞行平台速度不稳定易造成扫描行之间的行间距忽大忽小，出现重叠或间隙，为了获得地面的完整影像，通常推扫成像需保证一定的采样率。因此，在图像拼接时就需要借助ＧＰＳ位置信息对重叠的扫描行进行几何纠正和图像融合处理。IDL实现IDL是美国ITT VIS公司推出的第四代交互式、跨平台、面向矩阵处理的编程语言，具有快速的数据分析、图像处理和强大...

2020 - 07 - 09
通过高光谱成像利用机器学习评估麦草畏对麦草畏不耐受性大豆的农作物损害

在大豆的种植中，对杂草的管理有利于作物产量最大化。研究发现麦草畏可有效防除数种一年生和多年生的阔叶杂草。然而，麦草畏喷雾偏离目标漂移或蒸气漂移会严重危害易感作物，包括麦草畏不耐受性作物。因此评估麦草畏漂移对农作物的损害对于有效控制杂草具有重要的意义。目前，作物损害主要是通过评估生理和生化变化（叶面积，叶色，植物高度，产量等）来确定的。但是，这些评估需要耗费大量的劳动力。对于大尺度农田的评估，则需要更快速且经济高效的方法。高光谱成像（HSI）可以快速扫描植物样品且能获得图像中每个像素的完整反射光谱，已用于植物生理和生化特性的鉴定以及有毒金属，盐和病虫害引起的植物胁迫的检测。同时结合许多机器学习（ML）算法，例如贝叶斯决策，最大似然分类，K均值聚类，随机森林，支持向量机和人工神经网络可以检测，监测和量化作物损害。在这篇文章中，科学家们利用Resonon Pika Ⅱ VNIR高光谱成像系统进行了相关的研究，旨在：（1）了解不同麦草畏喷雾比率下生理参数，产量和相应光谱响应的变化；（2）确定适当的光谱特征，以评估麦草畏比率对植物的影响；（3）基于高光谱成像，使用机器学习算法建立模型，评估麦草畏比率。 1 研究区域田间试验于美国密西根州斯通维尔市农作物生产系统研究农场的美国农业部农业研究处4.5公顷的区域内进行。试验场布设如图1所示。大豆于2014年5月7日播种。2014年3月下旬，在实验区域的周围种植了玉米用于建立缓冲区，最大程度地减少麦草畏向/从邻近田间的喷洒漂移。 2 结果2.1 麦草畏引起的光谱响应和生理变化比较不同麦草畏比率下大豆的平均光谱时，从1WAT和3WAT的结果中都可以清楚地观察到有序变化模式（图5（A，B））。随着麦草畏比率的增加，绿色植被的一些典型光谱特征，如绿色峰值，红色山谷和红色边缘逐渐变得模糊。与未处理的对照样品相比，1WAT和3WAT上的光谱比曲线提供了清晰的光谱变化图，在480-510 nm和640-690 nm处有两个峰，在730 nm以上光谱比较低且变化平稳（图5（C，D ））。此外，可以看出，0.2X麦草畏比率是一个转折点，接受较低剂量的植物将恢复，而接受较高剂量（包括0.2X）的植物将变得衰弱。在1WAT时可以观察到0.05–0.1X样品与0.2–1.0X样品之间的光谱差异（图5（A）），而在3WAT时则更...

2020 - 07 - 09
应用高光谱成像技术鉴定固体显色培养基菌落

Hyperspectral imaging for presumptive identification of bacterial colonies on solid chromogenic culture mediaauthor：Mathilde Guillemota,Rony Midahuena, Delphine Archenyb,Corine Fulchironb,Regis Montvernaya,Guillaume Perrina, Denis F. Leroux*a aTechnology Research Department, Innovation Unit,bioMérieux SA, Marcy l’Etoile, France； bR&D Microbiology,bioMérieux SA, La Balme les Grottes,FranceBioMérieux致力于研究自动化微生物学实验室，以降低成本 (更少的人力和耗材), 提升性能 (提升灵敏度,机器算法)，并通过优化临床实验室工作流，获得可追溯性。在这项研究中，我们评估了采用高光谱成像技术（HIS）代替人类视觉观测微生物培养解读的可能性。在显色培养基中培养24小时后，通过分析，微生物菌落从19种被过滤细分为6种显色种类(chromID® CPS Elite, bioMérieux, France)。高光谱成像技术在400-900纳米光谱区域采用线阵扫描分析，利用线性混合像元分解算法，并使用专门的漫反射光谱（DRS）作为输入数据，我们采用完全自动化的方法，获得组内100%的分类精度，并没有采用形态信息。为了简化仪器，我们采用了判别力最强的14个光谱通道（多光谱模型之一）或者3个通道（RGB图像模型）评估退化的DRS性能。结果发现，多光谱模型的整体分类性能保持不变，但RGB预测模型退化，这意味着，多光谱解决方案将会带来改善菌落识别的答案。文献来源：Leroux ProcSpie98873L.pdf32e124918630d7c907e8a995658e546f.pdf (835....

2020 - 07 - 09
弃土基质的光谱发射率库

摘要：采矿后地区受到大规模和严重的干扰，会对周围生态系统产生重要的影响。原本的生态系统被破坏，而植树造林可以恢复这些生态系统。但其成功和速度取决于所挖出弃土基质的特性。热红外遥感为弃土基质的标测和分类带来了优势，从而确定了其特性。弃土基质库包含光谱发射率（Designs and Prototypes Model 102便携式FTIR光谱仪）和化学性质，可以促进遥感活动。该研究提供了从捷克共和国褐煤开采场提取的弃土基质发射率的光谱库。通过干燥和筛分将提取的样品均质化。每个样品的光谱发射率通过光谱平滑算法来确定，该算法适用于傅立叶变换红外（FTIR）光谱仪测得的数据。同时测量了每个样品的化学参数（pH、电导率、Na、K、Al、Fe、灼烧损失和多酚含量）和毒性。本文中光谱基因库以地理坐标的形式提供了获取位置的有价值的信息，呈现的数据本质上是唯一的，可以在长波红外电磁频波中为许多遥感活动提供服务。1总结露天采矿过程中，煤层上方大量的基质被清除并重新堆放，覆盖了广阔的区域，这些从几百米深处挖出的材料被称为弃土基质。其物理和化学特性会发生变化，异质性很大程度上受地质及采矿和堆放方法的影响，由于这个原因，基质与最近的土壤有很大的不同。它们有极端的pH值，高浓度的重金属、多酚（即煤分解产物）和盐含量。这些性质会影响采矿后地区植被发展的成功和速度。因此，在土地修复中，我们需要了解弃土基质的性质和分布。热红外遥感是监测采矿后地区的有利工具。地表发射率（LSE）可用于弃土基质的分类。利用LSE的光谱分析可以估计其物理和化学特性。地表温度（LST）与土壤水分密切相关，对新生态系统的建立是重要的。在进行适当的土地开垦时，需要这些信息。可能包括基质机械处理，例如开沟以调节水分状况、化学处理以及适宜树种的选择。LST和LSE耦合，因此没有LSE的知识，无法得到LST。这些量无法从辐射量测量中明确获得。原因是通过观察N个波段的辐射，可以得到N个未知的发射率加上一个未知的温度，这样的方程组是不确定的（未知变量＞已知变量）。几个算法可以解决这个问题，这些算法或需要事先了解LSE，或将LSE估算作为其输出的一部分。可以利用光谱发射率库：①确定LST；②材料的分类；③LSE验证机载和卫星热遥感数据。该项工作描述了捷克共和国Sokolov，Chodov，Bí...

2020 - 05 - 28
从反射光谱估算光合特性：光谱指数、数值反演和偏最小二乘回归的综合

植被冠层的光合特性是基于地球系统模型进程的重要参数，可用于理解全球碳循环。然而这些地球系统模型缺乏光合特性连续的时空信息，导致了很大的不确定性，无法解释碳的源和汇以及大气层与陆地生物圈的交换。此外，光合速率的准确表征对于重设光合作用途径以提高作物产量至关重要。选择新品种需要在给定环境中将基因型与表型联系起来，但尚未以高通量方式实现，这成为植物育种的主要瓶颈之一。为此，作为全球粮食安全问题解决方案的一部分，迫切需要光合特性高通量表征技术的进步，这对于深刻理解全球环境变化至关重要。基于此，作者研究了安装在移动平台上的高光谱成像相机是否能解决这些问题，重点研究三种主要方法-基于偏最小二乘法回归（PLSR）的反射光谱，光谱指数以及数值模型反演，以从11个烟草品种冠层高光谱反射率估算光合特性。结果表明，基于PLSR建立的反射光谱和光谱指数模型预测Vcmax和Jmax的R2为~0.8，高于数值反演的预测结果（R2为~0.6）。与反射光谱的PLSR相比，光谱指数的PLSR预测Vcmax（R2 = 0.84 ± 0.02, RMSE = 33.8 ± 2.2 μmol m−2 s−1）的结果更好，预测Jmax（R2 = 0.80 ± 0.03, RMSE = 22.6 ± 1.6 μmol m−2 s−1）的结果相似。光谱重采样的进一步分析表明，可以在约10个光谱带中以小于14.7 nm的光谱分辨率预测Vcmax和Jmax。这些结果对于改善光合作用途径和跨尺度的光合作用制图具有重要意义。试验设计试验选择了包括野生和转基因品系在内的11个烟草品种，用于评估三种估计光合特性方法的性能。（a）基于地面的高通量表型平台用于收集高光谱图像。（b）2017年6月22、26、27日，7月6、7、12、31日，2017年8月18日和2018年7月24、25日测量的光合变量Vcmax和Jmax值（用于构建预测模型）的范围。从上到下的线分别表示最小值，平均值和最大值。图像预处理图3a显示了2017年6月27日，从品种4上收集的原始图像。图像预处理包括3个步骤；（1）辐射定标，在此期间，将原始图像转换为绝对光谱辐射度，（2）利用K均值聚类算法进行图像分类（图3b）以及（3）反射率计算。该程序系统在地块水平上的多个作物品种的高...

2020 - 05 - 28
高光谱遥感监测水稻缺水胁迫的各种建模方法的比较

摘要：本研究旨在理解不同缺水胁迫下10个水稻基本型的表现。记录了不同胁迫水平下植物的相对含水量（RWC）以及在350-2500 nm范围内的高光谱数据。通过光谱指数，多元技术和神经网络技术确定最佳波段，并建立预测模型。建立了新的水敏感光谱指数，并就RWC评估了现有的水带光谱指数。这些基于指数的模型可以有效地预测RWC，R2值为0.73至0.94。在350-2500 nm范围内的所有可能组合中，使用比率光谱指数（RSI）和归一化光谱指数（NDSI）绘制等高线，并量化与RWC的相关性以确定最佳指数。光谱反射率数据（ASD Field Spec3 spectroradiometer测量）还用于建立偏最小二乘回归（PLSR），然后进行多元线性回归（MLR）和人工神经网络（ANN），支持向量机回归（SVR）和随机森林（RF）模型来计算植物RWC。在这些多元模型中，PLSR-MLR被认为是预测RWC的最佳模型，校正和验证的R2分别为0.98和0.97，预测的均方根误差（RMSEP）为5.06。结果表明，PLSR是鉴定作物缺水胁迫的可靠技术。尽管PLSR是可靠的技术，但如果将PLSR提取的最佳波段馈入MLR，则结果会得到显着改善。使用所有光谱反射带建立了ANN模型。建立的模型未取得令人满意的结果。因此，使用PLSR选择的最佳波段作为独立x变量开发了模型，发现PLSR-ANN模型比单独的ANN模型更好。该研究成功地在各种建模方法之间进行了分析比较，以量化缺水胁迫。通过预测农作物的RWC，开发出的方法可通过预测农作物的RWC而更准确地识别缺水胁迫。本研究的目标是：（1）评估现有水带指数以及开发新的有效水带指数；（2）确定对作物的RWC敏感的最佳波段；（3）使用多元技术和神经网络开发各种RWC预测模型，并彼此之间进行比较；（4）评估PLSR-MLR模型以测试其功效是否优于仅通过PLS回归开发的模型。缺水胁迫下光谱反射率的变化通常，特定作物表现出相似的反射光谱。但是缺水胁迫带来了反射光谱的显著变化。该研究显示了不同缺水胁迫下植物的反射率模式。新鲜植物的反射率较低，而干燥植物的反射率较高。RWC降低，SWIR区域反射率反而增加，原因是1400 nm和1900 nm处水吸收特征减弱。在350-700 nm波长区域观察到了类似的变化模式。蓝色和红色区域（叶绿素a和b的吸收范围）中光谱显示出随着...

2020 - 05 - 25
华北和东北地区土地利用和气候变化对土壤有机碳的影响

土壤有机碳（SOC）源和汇之间的平衡会影响温室气体以及全球气候。SOC储量的微小变化会影响碳循环，并可能显著增加或降低大气中的碳浓度。土壤碳的变化受气候和土地利用的影响，并且在不同土壤中也会发生变化。为了更好地理解土壤有机碳的动力学及其驱动因子，作者收集了华北和东北地区1980年代和2000年代的数据，其中2000年代的样品利用ASD Fieldspec ProFR vis–NIR光谱仪进行了漫反射光谱的测定用于土壤碳的预测，并对各个时期土壤有机碳的空间变化进行了数字土壤制图。在1980年代，在30公里的方格中采集了585个土壤样品，并在2003年和2004年对该区域进行了重新采样（1062个样品）。该地区土地利用类型主要是农田，森林和草地。土地利用，地形因素，植被指数，可见近红外光谱和气候因素作为预测因子，使用随机森林预测土壤有机碳浓度及其时间变化。1985年平均土壤有机碳浓度为10.0 g kg-1，而2004年为12.5 g kg-1。在这两个时期中，土壤有机碳变化相似且从南到北增加。据估计土壤有机碳储量在1985年为1.68 Pg，在2004年为1.66 Pg，但是不同土地利用下土壤有机碳变化是不同的。在过去的20年中，平均气温升高，大面积森林和草原转化为农田。农田土壤有机碳增加了0.094 Pg（+9％），而森林和草地土壤有机碳分别损失了0.089 Pg（−25％）和0.037 Pg（−25％）。结论是，土地利用是该地区土壤有机碳变化的主要驱动力，而气候变化在不同地区的贡献则不同。在土地利用的转换下，土壤有机碳损失显著，而农田具有土壤有机碳封存的巨大潜力。1 结果1.1 土壤有机碳浓度2004年样品的总SOC平均浓度为12.5 g kg-1，略高于1985年的SOC浓度（10.0 g kg-1）（表2）。在1985年，各土地利用类型表现为农田（8.3 g kg-1）＜裸地（10.0 g kg-1）＜草地（15.1 g kg-1）＜沼泽（16.0 g kg-1）＜森林（17.1 g kg-1）。在2004年表现为裸地（11.1 g kg-1）＜农田（12.2g kg-1）＜森林（12.7g kg-1）＜草地（13.3g kg-1）＜沼泽（20.8 g kg-1）。随着时间的变化，农田，沼泽和裸地土壤的SOC增加了，而森林和草地降低了。1985年的土...

2020 - 05 - 15
基于分数阶微分优化光谱指数的土壤电导率高光谱估算

6372117373571266866723166.pdf

2020 - 03 - 30
广州市秋季气溶胶光学特性日变化

点击下载：广州市秋季气溶胶光学特性日变化.pdf

2020 - 02 - 24
不同干旱条件下，夏玉米全生育期冠层吸收光合有效辐射比的高光谱遥感反演

ASD 地物光谱仪FieldSpec 4 技术文献：不同干旱条件下，夏玉米全生育期冠层吸收光合有效辐射比的高光谱遥感反演冠层吸收光合有效辐射比(fAPAR)是植被生产力遥感模型的重要参数，但关于不同干旱条件下作物全生育期的fAPAR遥感反演研究仍未见报道。本研究利用2015年夏玉米5个灌水处理模拟试验的高光谱反射率和fAPAR观测资料，分析了不同干旱条件下夏玉米关键生育期fAPAR和高光谱反射率变化特征，探讨了fAPAR与反射率、一阶导数光谱反射率和植被指数的关系。轻度水分胁迫和充分供水条件下，fAPAR较高；重度水分胁迫和重度持续干旱条件下，fAPAR较低。冠层可见光、近红外光和短波红外光区的反射率与fAPAR分别呈负相关、正相关和负相关关系。fAPAR与可见光和短波红外光区的383、680和1980 nm附近的反射率的相关性最强，相关系数均达-0.87。一阶导数光谱反射率与fAPAR相关性强且稳定的波段为580、720和1546 nm，相关系数分别为-0.91、0.89和0.88。9个常用植被指数与fAPAR呈线性或对数关系，其中，增强型植被指数、复归一化植被指数、土壤调节植被指数和修正的土壤调节植被指数与fAPAR的关系模型最好，决定系数(R2)均在0.88以上，平均相对误差分别为16.6%、16.6%、16.7%和16.2%；基于一阶导数光谱反射率与fAPAR的对数关系在(720±5) nm波段处的模拟效果较好，R2达0.86；直接选择反射率数据估算fAPAR的效果较差，R2最高为0.81。研究结果可为fAPAR的准确反演及评估作物干旱状况提供支撑。下载原文：6371666600146266979048683.pdf

2020 - 02 - 07
植物病害的高光谱图像解译识别：3D-CNN与显著图模型

本文旨在利用高光谱数据建立一个准确、可解释的植物病害识别模型。由真菌引起的大豆炭腐病是一种严重影响大豆产量的世界性病害。在383-1032 nm范围内，Resonon高光谱成像仪在240个不同的波长处捕获高光谱图像。针对大豆炭腐病，科学家建立了3D卷积分网络模型，模型分类精度为95.73%，并利用可视化显著图检验训练模型、敏感像素位置以及分类的特征敏感波段，发现：敏感特征波段为733 nm，这和常用的鉴别植物健康程度的特征波段范围（700-1000nm）是一致的。实验：感染炭腐病的大豆：分别在第3、6、9、12和15天采集健康的和受感染的大豆茎秆样品，在测量病害程度之前，实时采集健康的和收到感染的茎秆的高光谱图像。测量仪器：美国Resonon高光谱成像仪，型号：Pika XC（包含安装支架、移动平台、操作软件和2个70w卤素灯）Pika XC性能：光谱通道数：240，波段范围，400-1000 nm，分辨率：2.5 nm。平台系统如下图（a）所示：（a）室内高光谱成像系统（b）不同光谱波段的大豆茎秆样品高光谱图像（c）大豆茎秆的内部和外部RGB图像的病害程度比较3D-CNN模型由两个连接的卷积分模型组成，其中，一个小的构架用于防止训练模型过饱和。2个图层（3*3mm空间维度，16个波段的光谱维度）作为第一个卷积分分层，4个3*3*16的图层作为第二个卷积分层，修正线性输入模型作为输出层。结果分析：1. 539个测试图像用于3d-cnn模型的精度评估。如表1所示：模型分类准确为95.73%，0.92的分类精度也体现了不同病害阶段的普适性。2. 可视化显著图评价我们可视化了用显著图分类出来的部分图像, 最大分类得分的输入图像用于判别敏感像素位置。图三为感染病害和健康图像的显著图。每个像素的级别大小用于评价其在分类过程中的重要性。受感染茎秆图像的显著图比图像中严重感染区域(红棕色)对应的位置具有更高的数值。这表明，严重感染的图像区域包含最敏感的像素位置，可以预测受感染分数。无论是健康图像还是感染图像，显著图高值都集中在茎的中部区域。测试图像的...

2018 - 10 - 09
Hyperspectral Analysis of Wheat Leaf Rust (WLR) Disease: A Review

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 disease on different crops & predicting grain yield of crops. Many remote sensing applications are devoted to the agricultural sector. The selected applications are put in the context of the global challenges the agricultural sector is facing: minimizing the environmental impact, while increasing production and productivity. The application of remote sensing in agriculture typically involves measuri...

2019 - 03 - 19

Copyright ©2018-2023 tyc522cc太阳成集团欢迎莅临犀牛云提供企业云服务

打电话 010-51292601
QQ客服 1027708120
发短信 13911460857
查地图广东省深圳市宝安区西乡街道办航城大道光电研发大厦二楼
发邮件 20003333@168.com
留言
分享