基于GF-1数据的耕地土壤镉(Cd)含量遥感估算方法

本文采用多种光谱变换和回归分析方法探索了使用GF-1卫星影像监测耕地土壤镉(Cd)含量的可行性。首先针对获取的GF-1原始影像数据,在完成预处理及剔除植被信息后进行倒对数、平方根和反正弦平方根变换,生成4套光谱影像;然后分别用采样点5 m缓冲区内各套影像光谱统计值与Cd含量进行相关性分析和多种回归分析。选择模型决定系数最高(>95%)的反正弦平方根变换后的自适应重加权回归方法构建的线性回归模型作为遥感估算模型。遥感估算结果在稻田积水、边缘地带等出现了异常估算值;笔者分析原因后应用线性插值的方法得到最终估算结果。相关性分析和建模精度表明该方法是可行的,有望应用于实际土壤质量监测和土地管理中。

建筑装饰用GF增强PBT/PET树脂力学和流动性能分析

增加聚对苯二甲酸丁二酯(PBT)含量可以提高建筑装饰产品力学强度等性能,加入玻璃纤维(GF)作为增强体时能够降低树脂结晶能力,使其获得更强的流动性。开展聚酰胺PBT含量对建筑装饰用PBT/PET树脂性能的影响分析。研究结果表明:当在PBT中加入PET之后,试样拉伸强度发生了明显提高,加入PET后试样获得了更高的弯曲强度。当PET添加量升高后,试样缺口冲击强度先减小后增大。当树脂中加入的PET比例升高后,MFR值也明显增大,而在PBT中添加PET后试样MFR反而增大。该研究有助于提高装饰化工高分子材料的制备,也可拓展到其他应用领域。

基于GF-5卫星的西藏珠勒—芒拉地区矿物蚀变信息提取及找矿前景分析

【研究目的】近年来,遥感在地质调查和矿产勘查领域取得了广泛的应用,基于多光谱遥感数据的蚀变矿物填图为地质找矿工作提供了重要技术支撑,然而基于国产高光谱遥感数据在此领域的研究却为数不多。高分五号(GF-5)较小的波谱间隔提供了相比于多光谱更为丰富的目标地物波谱信息,为矿物的精细识别提供了良好的数据源。本文主要基于GF-5开展西藏革吉南地区的矿物蚀变信息提取,同时结合Landsat-8、ASTER多光谱数据提取结果叠加对比,综合野外调查验证,进一步深化遥感在地质矿产资源调查领域的应用。【研究方法】基于多光谱数据建立了不同类别蚀变矿物的光谱指数模型,在GF-5数据蚀变信息提取方面,摒弃了传统的光谱角匹配等方法,提出了基于决策树分类辅助混合调谐匹配滤波技术进行矿化蚀变信息的提取方法,最后综合区域构造、蚀变信息提取结果等要素,圈定成矿有利区,并开展野外调查验证。【研究结果】基于Landsat-8、ASTER两种多光谱数据对铁染、羟基类(Mg-OH、Al-OH)、碳酸盐类矿物信息进行了增强与提取;基于GF-5数据识别出了方解石、钠云母、普通白云母、多硅白云母、明矾石、高岭石、地开石、绿帘石8种蚀变矿物。【结论】结合不同数据源的提取与叠加结果,证实了本文提出的矿化蚀变信息提取方法的可行性。根据野外验证情况综合揭示了该地区发育高硫型浅成低温热液蚀变矿物组合,具有斑岩-浅成低温热液矿床的成矿潜力。本文认为高光谱与多光谱数据相结合有助于后续蚀变分带的分析与更精确的成矿预测,从而更好地服务于矿产勘查工程等领域。

基于HJ-1星和GF-1号影像融合特征提取冬小麦种植面积

为提高基于国产环境与灾害监测预报卫星(HJ-1/CCD)影像大范围提取冬小麦种植面积的精度,以江苏省宿迁市沭阳县为研究区域,对冬小麦拔节期30 m×30 m的HJ-1/CCD多光谱影像和2 m×2 m的高分1号卫星全色影像(GF-1/PMS)进行融合与面向对象分类研究。将GF-1/PMS全色影像进行8、16和24 m重采样,得到4种空间分辨率(含2 m)的全色影像,分别与HJ-1/CCD多光谱影像利用光谱锐化法(Gram-Schmidt,GS)进行融合。通过对融合影像进行质量评价,选择适合研究区冬小麦种植田块格局的适宜尺度影像。将HJ-1/CCD多光谱影像重采样,得到与适宜尺度融合影像相同尺度的影像,在两景影像中分别选取包含光谱、纹理信息的训练融合影像样本(samples of fused image,SFI)和重采样影像样本(samples of resampling image,SRI),采用面向对象分类方法对适宜尺度融合影像(fused image,FI)和重采样影像(resampling image,RI)进行冬小麦种植面积提取。结果表明,16 m×16 m融合影像的效果优于2 m×2 m、8 m×8 m和24 m×24 m融合影像,其均值、标准差、平均梯度和相关系数分别为161.15、83.01、4.55和0.97。面向对象分类后,SFI对重采样影像RI16m分类的总体精度为92.22%,Kappa系数为0.90。SFI对融合影像FI16m分类的总体精度为94.44%,Kappa系数为0.93。SRI对重采样影像RI16m分类的总体精度为84.44%,Kappa系数为0.80。SFI对融合影像FI16m分类效果最好,说明基于融合影像和融合影像提取样本(SFI)结合的面向对象分类方法能准确提取冬小麦种植面积。另外,重采样影像和融合影像提取样本(SFI)相结合的面向对象分类方法也可较好提取冬小麦种植面积。为利用国产中空间分辨率HJ-1/CCD卫星和高分1号卫星融合影像有效提取大区域冬小麦种植面积信息提供了参考。

联合多时相GF-6 WFV和Sentinel-2的森林类型识别

【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地等8种类型,利用随机森林算法比较GF-6 WFV和Sentinel-2最佳时相相同波段(紫/深蓝、蓝、绿、红、近红外、红边)和不同波段(黄边、短波红外)的森林类型识别能力,构建联合光谱特征集。联合多时相GF-6 WFV和Sentinel-2,构建多时相植被指数特征集,结合联合光谱特征集、纹理特征和地形特征,通过随机森林和递归消除法构建特征变量优选数据集进行森林类型识别,利用混淆矩阵和森林类型的实际分布对识别结果进行精度验证。【结果】(1)GF-6 WFV蓝、绿和红波段组合的总体精度为58.31%,分别加入紫、近红外、红边、黄边和Sentinel-2短波红外波段后,其总体精度分别提高1.99%、8.90%、10.71%、1.50%和14.10%;Sentinel-2蓝、绿和红波段组合的总体精度为54.68%,分别加入深蓝、近红外、红边、短波红外和GF-6 WFV黄边波段后,其总体精度分别提高3.30%、10.82%、12.92%、17.31%和3.97%。(2)特征变量优选数据集的总体精度和Kappa系数为80.80%和75.56%,贡献程度大小依次为GF-6 WFV多时相植被指数、Sentinel-2多时相植被指数、GF-6 WFV光谱特征、Sentinel-2光谱特征、地形特征和纹理特征,贡献率分别为40.44%、23.23%、18.12%、10.21%、4.61%和3.39%。(3)松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地的制图精度分别为86.97%、85.60%、88.61%、9.43%、19.01%、53.60%、86.90%和82.56%,用户精度分别为81.42%、79.79%、77.57%、71.43%、81.82%、67.00%、87.74%和82.88%,识别结果与研究区实际森林类型分布较吻合。【结论】联合多时相GF-6 WFV和Sentinel-2可以综合多时相、多源影像的优点,能够有效提高森林类型的识别精度。

CMA-GFS对一次强降水过程预报评估及诊断改进

2022年6月6~10日我国江淮-华南地区发生一次大范围强降水过程,造成重大洪涝灾害。强降水发生在850 hPa切变线附近,当切变线南压至华南地区时,配合西南暖湿气流,造成华南地区大暴雨降水。利用ERA5再分析数据及降水融合产品,评估了中国气象局全球同化预报系统(CMA-GFS)对此次过程的预报效果,诊断了预报偏差来源,进行了针对性敏感试验。结果表明:CMA-GFS对影响此次雨带位置和移动的南亚高压脊线移动、副高范围变化趋势以及850 hPa切变线移动预报与再分析结果一致,因此对雨带位置和移动趋势预报效果较好,但存在切变线降水偏弱,福建东部沿海、广东北部及广西中部的分散性大暴雨漏报,广东北部雨带偏北及暖区暴雨漏报问题;偏差诊断显示,CMA-GFS对切变线北侧风速预报偏弱3~8 m/s,广西、广东中北部水汽辐合偏弱2×10^(-5)~5×10^(-5)g/(m^(2)·Pa·s),导致切变线降水偏弱,南侧南风分量偏强3~5 m/s导致广东北部雨带偏北约60 km,华南沿海850 hPa急流偏弱4~6 m/s,暖区水汽输送偏少4~10 g/(cm·hPa·s),导致暖区暴雨漏报;采用美国全球预报系统(NCEP-GFS)分析场初始化明显改善了雨带位置预报,采用WSM6云微物理方案及收紧积云对流参数化方案中对流触发条件改善了切变线降水中心位置和量级预报,暖区降水量级也由小到中雨增强至中到大雨。

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量(LNC)进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率(REDref)、近红外波段反射率(NIRref)和计算的十个光谱指数(RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI)基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型,并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好(相关系数不低于0.65)。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型(LNC-BPEM),模型的估测精度r^(2)=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%(长势正常)的种植面积为29 693.3 hm^(2),占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。

GF-6 WFV传感器数据的缨帽变换系数推导

缨帽变换是影像增强中最常见的一种方法,已在遥感中得到了广泛的应用。但是,由于高分辨率卫星传感器(例如GF-6 WFV)通常缺乏短波红外波段,所以用常规的Gram-Schmidt(G-S)正交化方法得到的缨帽变换系数通常会存在湿度分量失真的问题。为此,文章选取了覆盖不同地区、不同时相、不同季节的12幅GF-6 WFV影像和6幅同步的Landsat8 OLI影像,首先利用GF-6和Landsat8的同步影像进行湿度分量回归,确定GF-6 WFV传感器的湿度分量系数,进而采用G-S逆推算法依次推导出亮度、绿度及其他分量,开发出了GF-6 WFV传感器的缨帽变换系数。研究发现:①通过调整缨帽变换湿度分量的推导顺序,即先推导湿度分量再推导亮度和绿度等分量,可以较好地推导出GF-6 WFV传感器的缨帽变换系数,并解决传统G-S正交化方法中存在的湿度分量失真问题;②GF-6 WFV缨帽变换各分量具有稳定的特征,地物在不同分量组成的特征平面内具有典型的“缨帽”分布特征;③尽管GF-6 WFV传感器与Landsat8 OLI传感器在波段设置和光谱响应方面存在一定差异,但它们缨帽变换对应分量之间具有较好的一致性,相关系数仍高达0.8。

基于GF-1卫星遥感反演排水河沟水体溶存N_(2)O浓度模型对比研究

[目的]探究利用GF-1卫星数据反演水体溶存氧化亚氮(N_(2)O)浓度的可行性,为实现低成本、高效率的水质实时监测提供有效途径。[方法]以宁夏青铜峡灌区第1和第5排水河沟为研究对象,选取与排水河沟水体溶存N_(2)O浓度相关性高的GF-1卫星影像波段反射率和水质参数作为自变量,通过最优子集筛选法确定最优自变量组合,分别构建了多元线性回归、BP神经网络和支持向量机模型,对水体溶存N_(2)O浓度进行预测对比。[结果]水温(T)、溶解性有机碳(DOC)等是影响水体溶存N_(2)O浓度的主要因素,同时近红外(NIR)等卫星波段与水体溶存N_(2)O浓度变化趋势显著相关。当自变量包括T,NIR等7个因素时,模型预测效果最佳。在3种模型中,BP神经网络模型验证结果R^(2)为0.64,具有最高预测精度。[结论]GF-1卫星数据以及水质参数与水体溶存N_(2)O浓度存在复杂的相关性关系,且BP神经网络能够实现利用GF-1卫星数据较高精度地反演水体溶存N_(2)O浓度。

基于GF-1多光谱影像的河道碍洪物遥感AI识别模型

河道碍洪物是洪涝灾害的重要影响因素,对其进行高效精准监管需引起高度重视。传统的人工巡查难以满足高效精准的应用需求,因此结合人工智能(AI)的遥感技术应用是必经之路。然而诸多的AI模型在遥感应用中的表现尚不清晰,亟待深入探讨。本文以广西大藤峡库区为例,研究河道碍洪物遥感AI识别模型构建方法。基于GF-1遥感影像,构建碍洪物训练样本集,以ResNet101为核心网络,采用当前主流的6种语义分割模型,包括PSPNet、PAN、MANet、FPN、DeepLabV3+和UNet++,进行碍洪物识别模型训练,进而评估其精度和效率。结果表明:①利用ResNet101作为骨干网络的深度学习模型,在河道碍洪物识别中表现优异,所有模型的F1得分均大于0.70,交并比(IoU)均大于0.58。其中,结合洞卷积和全局池化技术的DeepLabV3+模型的F1得分为0.82,IoU为0.72,体现了其在捕捉上下文信息和微观特征方面的显著优势。②PSPNet在参数量较低的情况下表现出较高的处理效率和精度,每批次能处理8个样本,帧率高达10.49。综上,DeepLabV3+在精确识别和轮廓描绘方面的表现尤为突出,而PSPNet在大规模数据处理上显示出巨大潜力。研究结果可为AI遥感模型构建提供参考,并为河道安全监管提供技术支撑。

融合GF-6 WFV影像主成分分析特征的县域冬小麦种植面积提取

为准确、快速获得县域冬小麦的种植信息,针对多时相方法存在的成本高、效率低、过程复杂等问题,以安徽省固镇县为研究区,提出基于单时相GF-6 WFV影像主成分分析特征与原始光谱波段归一化融合、并使用K-最近邻算法进行土地覆盖物分类的有效面积提取方法。结果表明,所提出方法优于RAW和PDR这2种基准方法,且降维维度参数为3时效果最好,总体精度和Kappa系数分别为89.71%和0.87,实际冬小麦提取面积精度达98.49%,相对误差仅为1.51%。

基于特征优选的GF-6WFV影像湿地信息提取

以洪泽湖湿地为研究对象,构建一种基于特征优选的湿地面向对象分类方法,利用高分六号宽幅多光谱(GF-6 WFV)影像进行湿地信息提取。首先对GF-6 WFV数据进行预处理和多尺度分割;然后提取光谱、植被指数、水体指数、红边指数和纹理特征,利用基于平均准确度下降法(mean decrease accuracy,MDA)的递归排除算法生成最优特征集;最后,基于最优特征集进行湿地分类,通过对比4种特征优选算法发现基于MDA的递归排除算法能更有效地进行特征变量选择,使用6种方案开展湿地分类实验。结果表明GF-6 WFV影像的红边波段和红边指数在湿地分类中具有重要作用,利用优选特征集的分类精度最高,为87.43%,比未进行特征优选的分类精度提高了1.55%。研究成果将为GF-6 WFV影像在湿地监测方面提供技术参考。

基于GF-2和ASTER数据青海德龙地区构造蚀变信息提取及找矿预测

德龙地区位于青海东昆仑金及多金属成矿带东段,是该成矿带内极具勘查潜力区域之一,受限于偏远的地理位置和崎岖的地形条件,大比例尺地球化学勘查及常规地质调查工作难以直接开展。为此,基于ASTER和GF-2数据,通过分析不同空间分辨率遥感影像的色调、几何结构和纹理特征进行线性和环形构造识别;同时,根据主要蚀变矿物光谱特征分析,利用ASTER可见光—近红外波段和短波红外波段,采用“掩模+主成分分析”方法提取铁化、Al-OH和Mg-OH蚀变信息;在此基础上,结合多元地学信息及野外调查结果,综合分析遥感解译构造蚀变信息与研究区金矿化的内在联系,建立基于区内金矿床的遥感找矿预测模型,并以此为依据划分出找矿远景区3处。通过野外查证,在德龙找矿远景区新发现金矿体多条。研究结果表明,融合遥感数据和地理信息系统技术可有效识别地表热液蚀变和构造空间结构特征,能够为该地区进一步找矿预测提供参考和依据。

基于GF-2影像的武汉市九峰山国家森林公园地上碳储量估算

探究国产高分辨率数据在森林碳储量估算研究中的潜力,为构建森林碳储量估算模型提供新思路。选取武汉市九峰山国家森林公园为研究对象,以GF-2遥感影像为数据源,结合地面实测信息,对研究区森林地上碳储量进行估算,共提取6个植被指数、4个波段值、8种纹理特征,筛选出9个与实测碳储量相关的遥感变量,运用线性与非线性方程对单个高相关变量和多个相关变量进行建模,选出最优模型,为进一步提高预测精度,将模型代入4种纹理窗口(3×3、5×5、7×7、9×9)。结果表明:通过遥感图像提取的植被指数之间,具有较强的共线性,单变量建立的模型精度低于多变量模型;利用均方根误差RMSE与决定系数R^(2)对4个窗口下模型的预测精度进行评价,模型在5×5窗口下预测效果最好(R^(2)=0.73,RMSE=0.5),3×3窗口下预测效果最差(R^(2)=0.64,RMSE=0.8),将所有估测模型进行比较,在纹理窗口下模型精度提高了0.11。利用5×5窗口下构建的多变量模型对研究区碳储量进行估算,九峰山国家森林公园碳储总量为1.06×10^(4) t,总体平均碳密度为84.59 t/hm^(2),具有一定的固碳作用。选用国产高分辨率影像GF-2数据对武汉市九峰山森林公园进行反演研究,能很好地运用在森林植被碳储量定量与生长状况领域。研究结果对“双碳”目标下森林生态系统碳汇监测与管理具有重要科学意义。

级联语义分割和边缘检测的GF-2影像耕地提取

针对山地丘陵区的坡耕地和小面积耕地碎片边界模糊不清、分类提取困难的问题,以GF-2影像为数据源,提出了一种级联语义分割和边缘检测模型的遥感影像耕地信息提取方法。首先,针对不同类型耕地的特点选择级联方式;其次,将耕地边缘作为独立的特征类别,结合改进U-Net、DeeplabV3+和DexiNed模型,融合面特征和线特征,使得耕地边缘特征与语义特征能够进行互补,从而提高耕地提取的准确性,实现对复杂地形背景噪声的抑制和不同类型耕地的提取。实验结果表明,对比单一模型DeeplabV3+和U-Net,级联模型的耕地信息提取的总体精度、Kappa系数和F1值均有大幅度提升,针对不同类型耕地级联模型提取的耕地结果更接近真实耕地标注,漏提、误提区域远低于单一模型。

基于网格搜索优化CatBoost模型的GF-5卫星影像铬离子含量反演研究

高光谱遥感技术以其低成本、高效率、广泛覆盖范围、宏观性强和动态监测能力等优势而受到关注。利用高光谱遥感技术,对安图县新合乡尾矿库土壤中六价铬离子污染状况进行有效监测;以高分五号(GF-5)卫星的高光谱遥感影像及实测土壤样本为数据源,基于皮尔逊相关系数、波段加法和比值指数,提取与土壤重金属含量变化相关的特征,构建反演模型。首先,剔除预处理后的遥感影像中饱和、噪声和水汽吸收波段,同时利用各波段反射率进行代数运算构建加法和比值指数,计算其与实测铬离子含量数据的皮尔逊相关系数;然后,基于皮尔逊相关系数得到的前50最高相关特征变量,采用网格搜索优化的CatBoost回归,建立土壤六价铬离子含量反演模型,并使用SHAP方法评估特征重要性,探究影响GF-5反演土壤重金属重要波段。结果显示,在相同光谱变换条件下,与偏最小二乘回归(PLSR)、随机森林回归(RFR)、支持向量机回归(SVMR)、卷积神经网络(CNN)和多元逐步线性回归模型相比,网格搜索优化的CatBoost模型效果最好,训练集拟合优度为0.92,验证集为0.88。利用网格搜索优化CatBoost回归模型对吉林省安图铬渣填埋场进行了土壤六价铬离子含量反演,结果显示该区域尾矿库开采区域周边六价铬离子污染严重,这与该地矿山开采和尾矿堆放实际情况基本一致。该研究为土壤重金属污染监测和环境管理提供了重要的技术手段和科学依据。

基于GF-2遥感影像和改进后PSPNet模型的丘陵地区耕地图斑提取方法

针对丘陵地区耕地地块具有边界模糊、覆盖物种类多样、大小和空间位置分布不规则等特点,传统分类方法难以快速准确提取耕地信息的问题,本文以四川省金堂县竹篙镇和高板镇为研究区域,利用高分二号卫星影像和改进后的PSPNet语义分割网络模型进行耕地图斑提取研究。在模型训练中,引入CBAM注意力模块以提高整个网络的特征提取和表达能力,采用余弦退火学习率以加快模型的收敛速度。结果表明,改进后的PSPNet模型在丘陵地区耕地提取精度方面取得了显著提高,耕地识别精度达到了95.69%,比标准PSPNet模型提高了1.07%,比Unet++,DeepLabv3+和支持向量机方法方法提高了1.32%,1.75%和6.33%。基于改进后的PSPNet模型具有更强的特征提取和表达能力,可以更准确地提取丘陵地区的耕地信息,为农业决策提供更准确的数据支持,促进农业智能化和精准化,提高农作物产量和质量,推动农业现代化进程。

基于尺度分析的CMA-GFS全球能量评估

全球模式能量循环和能量转换规律可准确反映模式动力和物理过程相互作用的物理机制,是诊断大气环流特征的重要方法。基于混合时空域能量循环框架,采用尺度分析方法,利用2022年中国气象局全球数值预报系统(CMA Global Forecast System,CMA-GFS)全球预报产品及欧洲中期天气预报中心第5代再分析资料(ECMWF reanalysis version 5,ERA5),考察CMA-GFS不同尺度下的能量蓄能及转换特征,以此诊断模式的误差来源。结果表明:CMA-GFS可有效预报大气能量循环基本特征,但其对斜压性的高估导致平均环流有效位能偏强,且具有随预报时效逐渐增长的趋势。定常和瞬变涡动能量分别受行星尺度和天气及以下尺度分量主导。涡动有效位能误差由模式斜压性决定,其中CMA-GFS的定常涡动有效位能偏高而瞬变涡动有效位能偏低。定常和瞬变涡动动能均存在系统性低估,负误差主要集中在副热带急流和极夜急流中心附近,偏强的正压输送使更多能量向平均环流转换,涡动能量偏弱。CMA-GFS的4种涡动能量在冬季预报偏低,而在夏季偏高或略偏低,严重削弱了季节变化影响。

基于机器学习优化建模的GF-5影像土壤总氮量预测填图

[目的/意义]大范围快速检测土壤养分并实现基于GF-5影像对土壤总氮量精准填图。[方法]基于实测土壤光谱和GF-5星载高光谱数据,引入偏最小二乘回归(Partial Least Squares Regression,PLSR)、反向神经网络(Back Propagation Neural Network,BPNN)和以核函数Poly为驱动支持向量机(Support Vector Machine,SVM)的机器学习算法,构建3种土壤总氮(Total Nitrogen,TN)反演模型,并以十折交叉验证方法确定各模型的最优解。采用多元散射校正(Multiple Scattering Correction,MSC)获取的波段特征值使模型表现更佳。[结果和讨论]MSCPoly-SVM模型经测试集样本检验,其决定系数(R2)、均方根误差(Root Mean Squared Error,RMSE)和相对分析误差(Residual Prediction Deviation,RPD)分别是0.863、0.203和2.147。将该模型用于星载GF-5号影像数据进行土壤总氮含量的反演填图。由填图结果可见,黑龙江省富锦市建三江垦区86.1%的土地总氮量均在2.0 g/kg以上,土地氮含量以一等地块和二等地块为主,而三等地块和四等级地块仅占总面积的11.83%。研究区内土壤氮要素储备充足,总氮高背景值主要集中在中部靠近河流两岸、呈北东东向分布。本研究土壤总氮预测成图结果与前人1∶25万地球化学插值和航空高光谱影像(Compact Airborne Spectrographic Imager,CASI)和(Shortwave Infrared Airborne Spectrographic Imager,SASI)填图效果具有很好的一致性。[结论]研究表明星载GF-5高光谱数据在土壤全氮含量监测填图和可视化分析上具有极高的潜力,本研究提出方法可为今后大范围开展定量检测土壤养分状况以及合理施肥提供技术支撑。

DOPO对PA66/GF阻燃及力学性能的影响

添加玻璃纤维(GF)能有效提升尼龙66(PA66)的力学强度,但所得PA66/GF复合材料燃烧时易呈现“灯芯效应”,不能满足使用要求,需进行阻燃改性。将不同含量的9,10-二氢-9-氧杂-10-磷杂菲-10-氧化物(DOPO)与PA66/GF复合材料进行熔融复合,探究DOPO添加量对PA66/GF复合材料的阻燃性能、结晶行为、熔体流动性及力学性能的影响。结果表明:DOPO的加入提高了PA66/GF复合材料的残炭量、极限氧指数和熔体流动速率,降低了熔融结晶温度和相对结晶度;当DOPO的添加量较低时,其在树脂基体中均匀分散,复合材料的力学性能得以保持,进一步提高DOPO的添加量,会因团聚和酸性诱导PA66分子链降解,导致复合材料的力学性能降低。因此,阻燃PA66/GF复合材料的制备需综合考虑其力学性能和阻燃性能。