碳纤维增强莫来石陶瓷的介电性能和吸波性能研究

采用模压成型工艺和固相反应烧结制备了碳纤维/莫来石(Cf/Mullite)复合材料。对Cf/Mullite复合材料的物相组成、微观结构进行了表征,使用矢量网络分析仪研究了碳纤维(Cf)含量对莫来石(3Al2O3•2SiO2)陶瓷在X波段(8.2~12.4 GHz)的介电性能和吸波性能的影响。结果表明:Al2O3和SiO2在高温下充分反应生成了莫来石陶瓷,Cf/Mullite复合材料具有相对致密结构,Cf/Mullite复合材料的介电常数和介电损耗角正切值(tanδ)均随碳纤维添加量的增加而增大,且Cf的加入使得莫来石陶瓷具有更优的电磁波吸收性能。Cf体积分数为1.2%、Cf/Mullite复合材料厚度d=1.5 mm时,反射损耗最大吸收峰为-33.3 dB,反射损耗优于-5 dB的吸收频宽达3.675 GHz,反射损耗优于-10 dB的频宽达到2.205 GHz。Cf的加入显著提高了莫来石陶瓷的吸波性能。

基于高光谱遥感的荒漠化草原草种类分类模型研究

植物群落结构的改变是草原退化的主要特征之一,草原草种类识别与分类是基于遥感的草原退化评价与研究的基础。荒漠化草原物种混杂度高且植被低矮,遥感识别与分类难度较大。本研究以内蒙古荒漠草原建群种和退化指示种为研究对象,在实地采集高光谱数据,通过单因素定量实验法对光谱数据进行特征提取。并基于深度学习的方法,采用了VGG-16卷积神经网络法对上述草种进行识别分类。研究结果表明本方法得到的草原草种类识别模型表现较优,平均识别率达到97%,实现了在自然条件下对多种草原草种类的准确识别,为基于高光谱低空遥感的天然草原退化监测与研究奠定了基础。

基于无人机高光谱遥感和3D-ResNet的荒漠草原地物分类

荒漠草原生态信息调查与统计的瓶颈是效率与精度,传统的人工地面调查效率低,航天航空遥感调查受空间分辨率限制,精度难以满足要求。建立的无人机高光谱遥感系统兼具高光谱分辨率、高空间分辨率和高效性等优势,为基于遥感的高精度荒漠草原生态信息调查与统计提供硬件基础。利用深度学习经典网络模型VGG16与ResNet18和改进为3D卷积核的不同卷积核数量的3D-ResNet18-A、3D-ResNet18-B和3D-ResNet18-C模型对采集到的荒漠草原高光谱数据进行地物分类。结果表明,两种经典模型对荒漠草原中植被、裸土展现出较好的分类效果,而改进为3D卷积核的3D-ResNet模型具备更佳的分类效果,同时对小样本地物具备更强分类性能,其中3D-ResNet18-B的分类性能最好,对植被、土壤、阴影和其他四种地物的总体分类精度达到97.73%。无人机高光谱遥感系统和3D-ResNet模型的深度融合为地物精细分类与统计奠定基础。

B4C制备Mo2FeB2金属陶瓷烧结过程中的相变及微观组织的演变过程

以B C为硼源,以及MoFe粉和Fe粉为基础原料,采用真空液相烧结工艺制备三元硼化物金属陶瓷。研究了4 Mo FeB三元硼化物烧结过程中相变和微观组织的变化及力。结果表明:使用该种方法制备Mo FeB基三元硼化物金属陶2222瓷,随着烧结温度的升高,晶粒形貌由近球形转变为方形,晶粒组织先聚集后分散,晶粒尺寸逐渐增大。在烧结温度为1350℃试样的综合性能最佳,其硬度可达HRC70.1。

基于无人机高光谱荒漠草原鼠洞识别方法研究

近年,我国草原鼠害有逐年上升的趋势。草原鼠害不仅加剧了水土流失与荒漠化进程,还会引发鼠疫。鼠洞洞口数是我国进行鼠害监测与等级评价的重要指标,目前采用的人工勘察方法存在着精度低、费时费力、调查成本较高、只适用小面积调查等诸多问题,难以满足大面积实时监测和研究的要求。进行实时、动态的鼠洞数量分布监测,是有效地制定灭鼠措施和预防鼠疫发生的重要手段。本研究利用无人机携带高光谱仪对荒漠化草原进行数据采集,提出鼠洞指数(rat hole index,RHI)对草原鼠洞进行识别。研究结果表明,利用RHI识别草原鼠洞,总体精度可达97%,Kappa系数可达0.93,该模型与归一化植被指数(normalized difference vegetation index,NDVI)、土壤调节植被指数(soil-adjusted vegetation index,SAVI)、比值植被指数(ratio vegetation index,RVI)等3种植被指数模型相比具有较高的识别精度。RHI的提出,有效地提高草原鼠洞的识别精度和效率,为鼠害防治以及草原退化监测和研究提供有效方法。

基于高光谱SMPI法的草原地表微斑块识别与分类

草原地表微斑块特指在高光谱图像上荒漠化草原鼠洞、裸土和植被所表现出的斑块。这些是评价草原退化的重要指标。地表微斑块的识别与分类是基于遥感草原退化监测与评价研究的基础性的工作,对草原区域性规划、系统恢复与重建理起到至关重要的作用。由于高光谱采集及分析诸多方面的原因,目前地表微斑块高光谱的识别研究较少。本研究首次以荒漠化草原实地地表微斑块为研究对象采集高光谱数据,提出了SMPI法(Surface Mini-Patch Index,地表微斑块指数法),实现了草原地表微斑块的高精度识别与分类。研究结果表明,SMPI法可将荒漠化草原地表微斑块进行高精度识别与分类,通过Kappa系数验证,整体验证精度高于96%。此研究为无人机或低空遥感进行草原退化监测与定量反演提供了基础。

基于归一化植被指数对荒漠化草原地面高光谱影像中植被的识别

草原植被的分布与面积是草原退化评定的重要指标。以荒漠化草原植被为研究对象,在内蒙古四子王旗试验区域自然光下采植被的高光谱数据,通过构建植被光谱特征指标阈值对植被覆盖地区与非植被覆盖地区进行识别和分类,为低空高光谱遥感进行大面积的识别及数量统计提供依据,为高效,适时的草原监测和退化评价提供理论和技术手段。选择具有代表性归一化植被指数NDVI分析数据规律。结果表明:荒漠化草原阈值区间为0.01~0.9,其中植被阈值区间为0.4~0.9,非植被阈值区间为0.01~0.4,当NDVI阈值取0.4时对有无植被覆盖分类明显,经Kappa系数验证精度达96.2%。高精度的植被识别为后续无人机高光谱遥感提供数据数据支持及理论基础。

基于A-Clenet5的荒漠化草原草种识别与分类

草原退化已经成为人类面临的主要生态问题,其标志之一是草原植被群落结构的改变,而草原草种的高光谱识别与分类是利用遥感进行大面积高精度草原退化监测与治理的基础与前提。由于天然草原草种分布的随机性和遥感图像云系情况的复杂性,草种识别精度低的问题未能得到满意的解决。本研究基于深度学习首次提出A-Clenet5法,在天然草原自然光下采集典型牧草高光谱数据,对数据进行预处理,利用A-Clenet5法进行特征挖掘和数据分类。研究结果表明,该方法对草种识别精度可达到92.18%,满足基于高光谱的草原草种的识别要求,为草原退化高精度遥感监测提供了可能。

基于高光谱遥感的荒漠草原鼠洞识别方法研究

鼠害是造成草原退化、载畜量下降和牲畜流行病的主要根源之一。无植被覆盖的鼠洞亦是加剧草原退化进程中极为重要的因素。我国草原鼠害监测标准与危害分级均以草原鼠洞洞口数为主要依据,然而多年来鼠洞洞口数的获取一直使用着人工调查方法,难以满足大面积草原鼠害监测要求。本文使用高光谱遥感技术通过采集自然光下草原鼠洞的高光谱数据,首次提出了基于高光谱荒漠草原的微斑块指数阈值法(Micro-Plaque Index Threshold,MPI-T)进行草原鼠洞识别。研究结果表明,采用MPI-T法可使草原鼠洞的总体分类精度达到92.7%,kappa系数达到0.855,满足草原鼠洞的高光谱识别要求,克服了草原鼠洞识别精度低的难题。本研究提出的MPI-T法为利用遥感技术进行草原鼠洞的识别及草原鼠害的等级评价提供了新方法。

基于高光谱MNF-SVM法荒漠化草原地表微斑块识别研究

植被群落结构和土壤性质改变是草原退化的主要表现,鼠害是加剧草原退化的重要因素,对地表微斑块识别是草原退化研究的基础。本文利用GaiaiSky-mimi型高光谱仪采集典型荒漠化草原高光谱影像,使用主成分分析法(Principal Components Analysis,PCA)与最小噪声分离法(Minimum Noise Fraction,MNF)对数据进行前期处理,后采用支持向量机(Support Vector Machine,SVM)法进行地表微斑块识别,并与迭代自组织数据分析法(Isodata)和K均值聚类法(K-means)识别结果进行比较。结果表明:经过MNF处理后,支持向量机法的总体识别精度和Kappa系数最高,识别结果优于其它2种识别方法,对目前处理荒漠化草原地表微斑块的识别具有准确性和实用性,同时为无人机高光谱遥感提供数据及理论支持。