基于CRISPR/Cas系统的核酸生物传感器

近年来,CRISPR/Cas系统已经成为转录调控和基因组编辑的重要工具。除了在基因编辑领域的贡献,CRISPR/Cas系统独特的靶核酸顺式切割和非特异性单链核酸反式切割能力,在开发核酸检测的新型生物传感器方面展现出巨大潜力。构建基于CRISPR/Cas系统高灵敏度生物传感器的关键通常依赖其与不同信号扩增策略,诸如核酸扩增技术或特定信号转导方法的结合。基于此,本文旨在通过介绍不同类型的CRISPR/Cas系统,全面概述基于该系统的核酸检测生物传感器的研究进展,并重点对结合核酸扩增技术(PCR、LAMP、RCA、RPA和EXPAR)、灵敏的信号转导方法(电化学和表面增强拉曼光谱)和特殊结构设计生物传感的三大类型信号放大策略的CRISPR/Cas生物传感器进行总结和评论。最后,本文对目前的挑战以及未来的前景进行展望。

遥感反演技术应用于监测地表水体水质参数的现状与展望

遥感反演技术克服了人工采样成本高、耗时耗力、时效性差、采样点位不连续的缺点,已在内陆及近岸水体的水质监测中得到了广泛应用。当前随着经济的快速发展,流域水污染日益恶化,快速、准确掌握地表水体水质的空间分布特征及动态变化情况对于保障水资源安全尤为重要。然而,由于内陆水体光学特性复杂多变,遥感反演技术在内陆水域进行水质监测仍面临极大挑战,如江、河、湖、库等地表水体不同水域的模型迁移性较差,可反演的水质参数有限,且多集中于大范围尺度水域,对小微水域研究较少。文章从遥感数据源、水质遥感反演模型、遥感反演数据集3个方面出发,梳理分析了内陆水体中不同水质参数的遥感反演研究进展,对水质遥感反演在水体重金属的监测方面进行了探讨,总结了水质遥感监测技术在不同空间尺度下的遥感反演数据集,并对构建遥感反演技术监测地表水体一体化体系进行展望。

一种防止中间人攻击的P2P身份认证技术

节点身份认证技术是P2P技术应用中的重点和难点之一。目前,基于PKI身份认证等技术使得P2P应用更加安全,用途更加广阔。然而,原有的身份认证技术没能很好的解决中间人攻击问题,存在一定安全隐患。针对上述问题,设计了一种通过结合公钥密码算法及HASH算法,能够防止中间人攻击的P2P身份认证技术,并通过详细的分析论证,表明该技术确实能够提高P2P网络的安全性及健壮性。

独立成分分析的高光谱异常变化检测

遥感探测到的小目标信号一般是弱信号,利用传统的高光谱异常变化检测方法直接抑制背景来突出异常变化目标,往往导致小目标弱信号同时被抑制,造成目标探测率低、虚警率高。基于独立成分分析方法,研究了弱信号小目标的高光谱变化检测模型,该模型首先通过投影寻踪将异常变化影像投影到独立成分,突出异常变化目标,然后再抑制背景,从而达到异常变化目标和背景的有效分离。该模型可以有效降低虚警率,提高探测率。利用模拟数据和真实数据进行了精度验证,结果表明,利用模拟数据得到的探测精度为99%,利用真实数据得到的检测精度为86%,与传统异常变化检测算法相比,精度最高提高了9%。本文研究方法适用于弱信号小目标的高光谱异常变化检测。

从光谱到时谱——遥感时间序列变化检测研究进展

地物的光谱信息是遥感数据的重要特征,对遥感光谱信息的利用经历了从黑白全色影像到多光谱、高光谱再到时间序列的发展历程。近年来,随着卫星遥感技术的发展和历史数据的积累,大量的重复观测数据被获取。长时序的遥感数据包含光谱维、时间维和空间维4个维度的信息,这在一定程度上能够避免同谱异物、同物异谱的现象。目前还没有统一的概念对长时序遥感数据进行描述,在光谱概念的基础上,提出时谱的概念,详细论述了时谱的理论方法和关键技术,首次尝试对时谱的理论体系进行构建。首先回顾了传统的遥感时间序列变化检测方法,分析传统变化检测方法的优点与不足;然后对时谱的理论方法进行阐述,介绍时谱在数据组织与存储、数据重构、特征深度挖掘和数据源4个方面的关键技术;并介绍基于时谱信息的典型农作物分类和变化检测方法,以期能够为时谱变化检测相关研究提供参考;最后对时谱变化检测研究进行了展望。

基于Sentinel-2的UNVI植被指数及性能对比研究

作物精准识别和分类是农业遥感检测的重要内容,对作物长势监测以及估产十分重要。以美国混合农业带为研究区,基于Sentinel-2时间序列影像,根据其传感器响应函数计算了针对Sentinel-2的通用归一化植被指数(Universal Normalized Vegetation Index,UNVI),并通过两个对比实验,分析UNVI等6个指数在作物精准分类中的性能。实验一以JM(Jeffries-Matusita)距离为指标对不同作物类别之间的可分性进行分析,结果表明UNVI优于NDVI、EVI、WDRVI、NDre1和NDWI指数,在玉米和棉花、玉米和水稻、玉米和水稻的区分上,UNVI优于其他指数区分能力相当,但在其余的作物组合上如棉花和水稻,NDVI等指数则无法将其很好的区分,此时UNVI指数依然可以表现出较好的区分能力;实验二对6种时间序列指数特征分别使用随机森林和支持向量机进行作物分类,结果表明UNVI指数的总体精度和Kappa系数最高,其次是NDre1指数和WDRVI指数,EVI的总体精度和Kappa系数最低,这表明UNVI比其他6个指数更好地区分了研究区大豆、玉米、棉花和水稻等4种主要作物。综上,基于Sentinel-2时间序列的UNVI指数在进行作物分类时与其他5种遥感植被指数相比,具有较大的优势,UNVI可为农作物长势分析和作物估产研究等农业研究和应用的可选植被指数。

时空谱多维数据格式(MDD)结构与计算机配套系统

遥感观测数据包括了时间、空间、光谱属性等特征在内的多维度信息,为了便于多维度大数据之间互操作和数据分析,作者团队在综合考虑多维大数据特点的基础上,研发了一种将遥感产品涉及的时间、空间、光谱特征等关联成一体的数据格式,命名为"多维数据格式(MDD,Multi-Dimensional Data Format)"。本文论述.mdd数据格式的算法原理,像元、波段、光谱时空特征的排列结构,其中包括由TSB(TemporalSequentialinBand)、TSP(Temporal Sequential in Pixel)、TIB(Temporal Interleaved by Band)、TIP(Temporal Interleaved by Pixel)和TIS(Temporal Interleaved by Spectrum)五种数据存储格式组成的关联组织关系和数据组织结构。为了方便使用该数据格式,作者团队研发了计算机配套软件系统-遥感多维数据格式互操作分析软件系统(Multi-dimensional Analysis of Remote Sensing V1.0,MARS),该软件具有.mdd格式数据的输入、存储、分析、输出及格式转换等功能。此外,该软件也具有图像预处理、光谱分析、遥感数据分类等功能。

遥感多维数据格式(MDD)互操作分析系统更新版(MARS v2.03)

作者于2017年6月发表了遥感多维数据格式互操作分析软件1.0版(MARS-Multidimensional Analysis of Remote Sensing V1.0),在此基础上发布遥感多维数据格式互操作分析软件系统更新版(MARS v2.03)。该版系统可以处理作者提出的将遥感产品涉及的时间、空间、光谱特征等关联成一体的数据格式,即"多维数据格式(Multi-Dimensional Data Format,MDD)",其中包括由TSB(Temporal Sequential in Band)、TSP(Temporal Sequential in Pixel)、TIB(Temporal Interleaved by Band)、TIP(Temporal Interleaved by Pixel)和TIS(Temporal Interleaved by Spectrum)五种数据存储格式组成的关联组织关系和数据组织结构,具有.mdd格式数据的输入、存储、分析、输出及格式转换等功能,图像预处理、光谱分析、遥感数据分类等功能,Vegetation Index计算功能,去除系统中的一些冗余和错误,使得系统运行更加顺畅。更新后的版本保留原版本的DOI注册号。