基于高光谱成像技术的水稻叶片SPAD值及其分布问题研究

高光谱成像技术在快速无损检测植物叶片叶绿素含量上得到越来越广泛的应用.运用SPAD仪可同期获得叶片的叶绿素含量.以水稻叶片为研究对象,首先采集水稻活体植株至培养皿,利用SPAD502叶绿素计采集叶片的SPAD值,最后使用高光谱成像仪采集水稻叶片的高光谱影像.运用不同的植被指数和偏最小二乘法分别对SPAD值进行回归分析.结果显示,偏最小二乘回归模型精度较高且较为稳定.根据最佳预测模型反演叶片上任意像素的SPAD含量,通过伪彩色配色即可得到水稻叶片SPAD分布图像.该方法为研究水稻植株的生长状况提供了更为具体的数据资料,为水稻的产量估测和病害预警提供了新的依据和方法.

高光谱成像的土壤剖面水分含量反演及制图

传统土壤水分的获取方法仅可获得离散的土壤水分点位数据,难以获得剖面上精细且连续的水分含量分布图。研究了野外条件下利用近红外高光谱(882~1709nm)成像反演剖面土壤水分含量(SMC),并实现精细制图的可行性。研究剖面位于江苏省东台市,我们利用近红外高光谱成像仪对剖面进行了5天原位连续观测,共采集了280个土样用于烘干法测定SMC。原始高光谱图像经数字量化值(DN)校正、黑白校正、拼接、几何校正、剪切和掩膜等一系列预处理后,提取各采样点的平均光谱反射率。提取光谱(Raw)经吸光度[LOG10(1/R)],Savitzky-Golay平滑(SG)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)和标准正态变量(SNV)转换后,采用偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)方法建立SMC预测模型,并对比分析不同光谱预处理方法与建模方法组合条件下SMC的预测精度。结果表明,光谱反射率随SMC增加逐渐降低,不同光谱预处理方法的预测精度有所差异,除MSC方法外,同一光谱预处理方法的LS-SVM模型预测精度均高于PLSR模型,并且基于LOG10(1/R)光谱的LS-SVM模型对SMC预测精度最高,其建模集的决定系数(R2c)和均方根误差(RMSEc)分别为0.96和0.65%,预测集的决定系数(R2p)、均方根误差(RMSEp)和相对分析误差(RPDp)分别为0.88,1.05%和2.88。利用最优模型进行剖面SMC的高空间分辨率精细制图,通过比较SMC反演图中提取的预测值与实测值关系发现预测精度较高(R2:0.85~0.95,RMSE:0.94%~1.02%),且两者在剖面中的变化趋势基本一致,说明SMC反演图不仅能很好地反映出土壤水分在整个剖面中毫米级的含量分布信息,也可反映出同一位置处不同天数间的含量差异。因此,利用近红外高光谱成像结合优化的预测模型,能够实现土壤剖面SMC的定量预测及精细制图,有助于快速、有效监测田间剖面土壤水分状况。

CD133在人结直肠癌组织中的表达及其与缺氧诱导因子1α和核心蛋白聚糖的相关性

目的探讨人结直肠癌组织中CD133、缺氧诱导因子1α(HIF-1α)、核心蛋白聚糖(DCN)的表达,分析CD133表达与结直肠癌临床病理特征及HIF-1α、DCN的相关性。方法收集2012年12月至2013年7月新乡医学院第一附属医院保存的结直肠癌组织及其相对应的癌旁组织标本各34例。应用免疫组织化学法检测癌组织及癌旁组织中CD133、HIF-1α及DCN的表达,分析CD133与HIF-1α及DCN表达的相关性,以及CD133表达与结直肠癌患者临床病理特征的关系。结果结直肠癌组织中CD133、HIF-1α、DCN的相对表达量分别为0.123±0.023、0.117±0.036、0.049±0.018,癌旁组织中CD133、HIF-1α、DCN的相对表达量分别为0.26±0.048、0.018±0.035、0.211±0.014;结直肠癌组织中CD133、HIF-1α的相对表达量高于癌旁组织(P<0.05),结直肠癌组织中DCN的相对表达量低于癌旁组织(P<0.05)。CD133表达与淋巴结转移、TNM分期、病理分级有关(P<0.05),与患者年龄、性别无关(P>0.05)。Pearson相关分析显示,结直肠癌组织中CD133表达与HIF-1 a表达呈正相关(P<0.05),与DCN表达无显著相关性(P>0.05)。结论结直肠癌组织中CD133与HIF-1α表达呈正相关;CD133可以作为判断结直肠癌恶性程度的指标,也可作为判断患者预后的潜在指标。

基于PLSR的土壤颜色预测方法及其与色系转换法的对比研究

传统的土壤颜色测定主要采用蒙塞尔比色卡比对,精度高,但费时费力。近年来尝试采用色系转换法预测土壤颜色,方法较为简便。基于土壤高光谱反射率和偏最小二乘回归(PLSR)方法进行土壤颜色预测,并与色系转换法进行对比研究。采集皖赣鄂交界地区76个不同颜色的土壤样品,分别采用PLSR及色系转换法进行土壤颜色预测,并与实测结果进行了对比。结果表明,PLSR交叉验证的R2cv分别达到0.62、0.61和0.75,测定值标准偏差与标准预测误差的比值(RPD)分别达到1.94、1.67和2.15,说明PLSR模型用于土壤颜色预测是可行的;其均方根误差(RMSE)仅为1.32、0.55和0.97个单位,较色系转换法的RMSE分别低0.94、1.24和0.95个单位,其HV/C整体预测误差?E的平均值为1.91,较色系转换法的平均值低5.16,说明PLSR方法预测土壤蒙塞尔颜色较色系转换法更优。该方法为土壤颜色的获取提供了一种新的途径。

基于生态农业的乡村景观建设

我国是一个农业大国,有将近9亿的农业人口,解决好农村问题成为我国发展的重中之重,但随着新农村建设的推进,关于乡村的景观建设仍然存在诸多问题,形象工程比比皆是,单纯改善农民生活居住环境并没有抓住农民的主要需求。乡村景观建设需要建立在经济发展的基础上,本文通过对新农村景观建设中出现的问题的分析,提出以生态农业为基础的乡村景观建设是新农村发展的理想模式。