基于实测高光谱和Landsat 8 OLI影像的土壤盐化和碱化程度反演研究

针对宁夏银北地区土壤盐碱化定量监测的需要,利用实测土壤高光谱和Landsat 8 OLI多光谱影像数据采用多项式、多元线性回归等方法进行土壤含盐量和pH值反演研究,并对影像光谱反演模型进行校正,以提高遥感定量反演精度。结果表明:(1)基于实测光谱的土壤含盐量反演精度均高于基于OLI影像反演精度;基于实测光谱敏感波段反射率反演精度高于实测盐分指数反演精度,其中实测光谱经平滑后敏感波段建立的模型效果最佳(R^2=0.695)。(2)基于实测光谱平滑后敏感波段建立的pH值反演模型精度最高且最稳定(R^2=0.545),基于OLI影像光谱反演精度低于实测光谱,但也通过了显著性检验和精度验证。(3)经实测光谱模型校正后的Landsat 8 OLI影像光谱的土壤含盐量反演模型R^2从0.347提高到0.623。研究结果可以为准确、快速地定量监测当地土壤盐分含量、pH值的变化提供科学依据和技术手段。

重庆万盛采矿区内主要农作物的光谱测量和分析

矿山开采中产生的固体废弃物和废液会使矿区土壤中富集重金属元素,进而影响矿区内的农作物生长。选择重庆市万盛区矿区作为研究区,采集红薯和南瓜的实测高光谱数据和土壤样本的重金属含量数据。通过对土壤重金属含量和农作物的红边位置偏移进行相关分析,发现不同土壤重金属含量对研究区内主要农作物的影响是不同的。可以看出,在研究区内的两种主要农作物中,红薯对矿区土壤中的重金属Cr、Mn和Cd比较敏感,而南瓜则对以上三种土壤重金属具有一定的吸收和抵抗作用。该结果可以为万盛区矿区内农作物种植的选择提供理论依据。

From Phenotypes to Molecules: Revolutionizing Gut Microbiota Identification Methods

The gut microbiota is a complex ecosystem composed of many bacteria and their metabolites.It plays an irreplaceable role in human digestion,nutrient absorption,energy supply,fat metabolism,immune regulation,and many other aspects.Exploring the structure and function of the gut microbiota,as well as their key genes and metabolites,will enable the early diagnosis and auxiliary diagnosis of diseases,new treatment methods,better effects of drug treatments,and better guidance in the use of antibiotics.The identification of gut microbiota plays an important role in clinical diagnosis and treatment,as well as in drug research and development.Therefore,it is necessary to conduct a comprehensive review of this rapidly evolving topic.Traditional identification methods cannot comprehensively capture the diversity of gut microbiota.Currently,with the rapid development of molecular biology,the classification and identification methods for gut microbiota have evolved from the initial phenotypic and chemical identification to identification at the molecular level.This review integrates the main methods of gut microbiota identification and evaluates their application.We pay special attention to the research progress on molecular biological methods and focus on the application of high-throughput sequencing technology in the identification of gut microbiota.This revolutionary method for intestinal flora identification heralds a new chapter in our understanding of the microbial world.

基于WorldView-2影像的土壤含盐量反演模型

针对WorldView-2影像高空间分辨率评价其定量反演土壤含盐量的能力,以盐渍化现象较为明显的新疆克里雅河流域为研究对象,基于WorldView-2影像和实测高光谱数据,利用偏最小二乘回归(partial least squares regression,PLSR)和BP人工神经网络(back propagation artificial neural networks,BP ANN)方法建立定量反演该流域土壤含盐量模型并做出研究区高空间分辨率土壤含盐量分布图。结果表明:1)利用实测高光谱数据和影像数据分别建立的2种模型中BP神经网络模型预测精度都高于PLSR模型,其中基于影像数据建立的6:8:1结构的3层BP神经网络模型决定系数R2、均方根误差RMSE、相对分析误差RPD分别为0.851、0.979、2.337,模型的稳定性和预测能力都优于PLSR模型(R2、RMSE、RPD分别为0.814、1.139、2.007)。2)利用WorldView-2影像提高了土壤含盐量制图的空间分辨率,归一化植被指数NDVI和比例植被指数RVI较有效降低了植被覆盖与土壤水分对预测精度的影响。该文建立的考虑植被覆盖与土壤水分定量反演土壤含盐量的模型不需要复杂的参数,一定程度上满足了干旱、半干旱地区的盐渍化监测需求,可以促进WorldView-2等高空间分辨率卫星在盐渍化监测中的进一步应用。

基于GF-1卫星数据的水库叶绿素a浓度联合反演研究

探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于GF-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型。文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段,基于GF-1/WFV影像数据构建叶绿素a浓度一元回归联合反演模型,生成浓度等级图。研究表明,相关性分析下叶绿素a的敏感波段区间为550~620 nm,波段区间对应影像中的绿波段(520~590 nm),模型反演精度较优,满足水库叶绿素a浓度监测精度要求,可为发展基于遥感影像大面积反演不同污染程度水质叶绿素a浓度提供基础支持。