在大豆的種植中，對雜草的管理有利于作物產(chǎn)量最大化。研究發(fā)現(xiàn)麥草畏可有效防除數(shù)種一年生和多年生的闊葉雜草。然而，麥草畏噴霧偏離目標(biāo)漂移或蒸氣漂移會嚴(yán)重危害易感作物，包括麥草畏不耐受性作物。因此評估麥草畏漂移對農(nóng)作物的損害對于有效控制雜草具有重要的意義。目前，作物損害主要是通過評估生理和生化變化（葉面積，葉色，植物高度，產(chǎn)量等）來確定的。但是，這些評估需要耗費(fèi)大量的勞動力。對于大尺度農(nóng)田的評估，則需要更快速且經(jīng)濟(jì)高效的方法。高光譜成像（HSI）可以快速掃描植物樣品且能獲得圖像中每個像素的完整反射光譜，已用于植物生理和生化特性的鑒定以及有毒金屬，鹽和病蟲害引起的植物脅迫的檢測。同時結(jié)合許多機(jī)器學(xué)習(xí)（ML）算法，例如貝葉斯決策，最大似然分類，K均值聚類，隨機(jī)森林，支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)可以檢測，監(jiān)測和量化作物損害。在這篇文章中，科學(xué)家們利用Resonon Pika Ⅱ VNIR高光譜成像系統(tǒng)進(jìn)行了相關(guān)的研究，旨在：（1）了解不同麥草畏噴霧比率下生理參數(shù)，產(chǎn)量和相應(yīng)光譜響應(yīng)的變化；（2）確定適當(dāng)?shù)墓庾V特征，以評估麥草畏比率對植物的影響；（3）基于高光譜成像，使用機(jī)器學(xué)習(xí)算法建立模型，評估麥草畏比率。 1 研究區(qū)域田間試驗于美國密西根州斯通維爾市農(nóng)作物生產(chǎn)系統(tǒng)研究農(nóng)場的美國農(nóng)業(yè)部農(nóng)業(yè)研究處4.5公頃的區(qū)域內(nèi)進(jìn)行。試驗場布設(shè)如圖1所示。大豆于2014年5月7日播種。2014年3月下旬...
發(fā)布時間:
2020
-
07
-
09
瀏覽次數(shù)：144
Hyperspectral imaging for presumptive identification of bacterial colonies on solid chromogenic culture mediaauthor：Mathilde Guillemota,Rony Midahuena, Delphine Archenyb,Corine Fulchironb,Regis Montvernaya,Guillaume Perrina, Denis F. Leroux*a aTechnology Research Department, Innovation Unit,bioMérieux SA, Marcy l’Etoile, France； bR&D Microbiology,bioMérieux SA, La Balme les Grottes,FranceBioMérieux致力于研究自動化微生物學(xué)實驗室，以降低成本 (更少的人力和耗材), 提升性能 (提升靈敏度,機(jī)器算法)，并通過優(yōu)化臨床實驗室工作流，獲得可追溯性。在這項研究中， 我們評估了采用高光譜成像技術(shù)（HIS）代替人類視覺觀測微生物培養(yǎng)解讀的可能性。在顯色...
發(fā)布時間:
2020
-
07
-
09
瀏覽次數(shù)：115
本文旨在利用高光譜數(shù)據(jù)建立一個準(zhǔn)確、可解釋的植物病害識別模型。由真菌引起的大豆炭腐病是一種嚴(yán)重影響大豆產(chǎn)量的世界性病害。在383-1032 nm范圍內(nèi)，Resonon高光譜成像儀在240個不同的波長處捕獲高光譜圖像。針對大豆炭腐病，科學(xué)家建立了3D卷積分網(wǎng)絡(luò)模型，模型分類精度為95.73%，并利用可視化顯著圖檢驗訓(xùn)練模型、敏感像素位置以及分類的特征敏感波段，發(fā)現(xiàn)：敏感特征波段為733 nm，這和常用的鑒別植物健康程度的特征波段范圍（700-1000nm）是一致的。【試驗方法】感染炭腐病的大豆：分別在第3、6、9、12和15天采集健康的和受感染的大豆莖稈樣品，在測量病害程度之前，實時采集健康的和收到感染的莖稈的高光譜圖像。測量儀器：美國Resonon高光譜成像儀，型號：Pika XC （包含安裝支架、移動平臺、操作軟件和2個70 w鹵素?zé)簦?。Pika XC性能：光譜通道數(shù)：240；波段范圍400-1000 nm；分辨率：2.5 nm。（a）室內(nèi)高光譜成像系統(tǒng)（b）不同光譜波段的大豆莖稈樣品高光譜圖像 （c）大豆莖稈內(nèi)外部RGB圖像病害程度比較3D-CNN模型由兩個連接的卷積分模型組成，其中，一個小的構(gòu)架用于防止訓(xùn)練模型過飽和。2個圖層（3*3mm空間維度，16個波段的光譜維度）作為第一個卷積分分層，4個3*3*16的圖層作為第二個卷積分層，修正線性輸入模型作為輸出層?！窘Y(jié)果分析】1....
發(fā)布時間:
2020
-
07
-
09
瀏覽次數(shù)：182
摘要：了解再生物種的水分利用特征對于理解土壤與植物之間的相互作用機(jī)制以及指導(dǎo)水資源受限生態(tài)系統(tǒng)中的生態(tài)恢復(fù)策略具有深遠(yuǎn)的意義。盡管植樹造林是改善退化生態(tài)系統(tǒng)功能和服務(wù)的重要途徑，但對不同人工林類型中優(yōu)勢種的水分利用特征的了解甚少。作者調(diào)查了黃土高原三種代表性人工林（三種落葉樹種刺槐、山杏和臭椿組成的混合人工林，純刺槐人工林，純山杏人工林）的植物水分利用特征。作者測量了每種人工林中優(yōu)勢種葉片的δ13C以及木質(zhì)部和土壤（400 cm）水分的δ2H和δ18O。結(jié)果表明，混合人工林中三個主要樹種在水源貢獻(xiàn)比例上表現(xiàn)出顯著的差異（P＜0.05），表明植物具有水源隔離作用。與純山杏人工林相比，混合人工林中的山杏利用更大比例的淺層土壤水，相應(yīng)地減少了對深層土壤水的消耗。然而，在不同人工林中，刺槐水分吸收比例未表現(xiàn)出顯著差異。混合人工林中植物葉片的δ13C顯著高于純?nèi)斯ち值?。不同人工林中，刺槐葉片的δ13C與SWC呈正相關(guān)關(guān)系，而山杏中未觀察到這種關(guān)系。結(jié)果表明人工林類型會影響植物水分利用特征，具有對人工林類型的物種特異性響應(yīng)，以及種間競爭和種內(nèi)競爭之間不同的水源競爭效應(yīng)。研究區(qū)域該研究是在陜西省羊圈溝流域進(jìn)行的（36°42′45″ N，109°31′45″）。該流域是黃土高原中部的黃土丘陵溝壑區(qū)。樣品采集作者于2016年植物生長季節(jié)5-9月采集了植物葉片樣品用于δ13C的測定...
發(fā)布時間:
2020
-
05
-
29
瀏覽次數(shù)：209
摘要：采礦后地區(qū)受到大規(guī)模和嚴(yán)重的干擾，會對周圍生態(tài)系統(tǒng)產(chǎn)生重要的影響。原本的生態(tài)系統(tǒng)被破壞，而植樹造林可以恢復(fù)這些生態(tài)系統(tǒng)。但其成功和速度取決于所挖出棄土基質(zhì)的特性。熱紅外遙感為棄土基質(zhì)的標(biāo)測和分類帶來了優(yōu)勢，從而確定了其特性。棄土基質(zhì)庫包含光譜發(fā)射率（Designs and Prototypes Model 102便攜式FTIR光譜儀）和化學(xué)性質(zhì)，可以促進(jìn)遙感活動。該研究提供了從捷克共和國褐煤開采場提取的棄土基質(zhì)發(fā)射率的光譜庫。通過干燥和篩分將提取的樣品均質(zhì)化。每個樣品的光譜發(fā)射率通過光譜平滑算法來確定，該算法適用于傅立葉變換紅外（FTIR）光譜儀測得的數(shù)據(jù)。同時測量了每個樣品的化學(xué)參數(shù)（pH、電導(dǎo)率、Na、K、Al、Fe、灼燒損失和多酚含量）和毒性。本文中光譜基因庫以地理坐標(biāo)的形式提供了獲取位置的有價值的信息，呈現(xiàn)的數(shù)據(jù)本質(zhì)上是唯一的，可以在長波紅外電磁頻波中為許多遙感活動提供服務(wù)。1總結(jié)露天采礦過程中，煤層上方大量的基質(zhì)被清除并重新堆放，覆蓋了廣闊的區(qū)域，這些從幾百米深處挖出的材料被稱為棄土基質(zhì)。其物理和化學(xué)特性會發(fā)生變化，異質(zhì)性很大程度上受地質(zhì)及采礦和堆放方法的影響，由于這個原因，基質(zhì)與最近的土壤有很大的不同。它們有極端的pH值，高濃度的重金屬、多酚（即煤分解產(chǎn)物）和鹽含量。這些性質(zhì)會影響采礦后地區(qū)植被發(fā)展的成功和速度。因此，在土地...
發(fā)布時間:
2020
-
05
-
28
瀏覽次數(shù)：83
植被冠層的光合特性是基于地球系統(tǒng)模型進(jìn)程的重要參數(shù)，可用于理解全球碳循環(huán)。然而這些地球系統(tǒng)模型缺乏光合特性連續(xù)的時空信息，導(dǎo)致了很大的不確定性，無法解釋碳的源和匯以及大氣層與陸地生物圈的交換。此外，光合速率的準(zhǔn)確表征對于重設(shè)光合作用途徑以提高作物產(chǎn)量至關(guān)重要。選擇新品種需要在給定環(huán)境中將基因型與表型聯(lián)系起來，但尚未以高通量方式實現(xiàn)，這成為植物育種的主要瓶頸之一。為此，作為全球糧食安全問題解決方案的一部分，迫切需要光合特性高通量表征技術(shù)的進(jìn)步，這對于深刻理解全球環(huán)境變化至關(guān)重要?；诖?，作者研究了安裝在移動平臺上的高光譜成像相機(jī)是否能解決這些問題，重點研究三種主要方法-基于偏最小二乘法回歸（PLSR）的反射光譜，光譜指數(shù)以及數(shù)值模型反演，以從11個煙草品種冠層高光譜反射率估算光合特性。結(jié)果表明，基于PLSR建立的反射光譜和光譜指數(shù)模型預(yù)測Vcmax和Jmax的R2為~0.8，高于數(shù)值反演的預(yù)測結(jié)果（R2為~0.6）。與反射光譜的PLSR相比，光譜指數(shù)的PLSR預(yù)測Vcmax（R2 = 0.84 ± 0.02, RMSE = 33.8 ± 2.2 μmol m?2 s?1）的結(jié)果更好，預(yù)測Jmax（R2 = 0.80 ± 0.03, RMSE = 22.6 ± 1.6 μmol m?2 s?1）的結(jié)果相似。...
發(fā)布時間:
2020
-
05
-
28
瀏覽次數(shù)：240
摘要：本研究旨在理解不同缺水脅迫下10個水稻基本型的表現(xiàn)。記錄了不同脅迫水平下植物的相對含水量（RWC）以及在350-2500 nm范圍內(nèi)的高光譜數(shù)據(jù)。通過光譜指數(shù)，多元技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)確定最佳波段，并建立預(yù)測模型。建立了新的水敏感光譜指數(shù)，并就RWC評估了現(xiàn)有的水帶光譜指數(shù)。這些基于指數(shù)的模型可以有效地預(yù)測RWC，R2值為0.73至0.94。在350-2500 nm范圍內(nèi)的所有可能組合中，使用比率光譜指數(shù)（RSI）和歸一化光譜指數(shù)（NDSI）繪制等高線，并量化與RWC的相關(guān)性以確定最佳指數(shù)。光譜反射率數(shù)據(jù)（ASD Field Spec3 spectroradiometer測量）還用于建立偏最小二乘回歸（PLSR），然后進(jìn)行多元線性回歸（MLR）和人工神經(jīng)網(wǎng)絡(luò)（ANN），支持向量機(jī)回歸（SVR）和隨機(jī)森林（RF）模型來計算植物RWC。在這些多元模型中，PLSR-MLR被認(rèn)為是預(yù)測RWC的最佳模型，校正和驗證的R2分別為0.98和0.97，預(yù)測的均方根誤差（RMSEP）為5.06。結(jié)果表明，PLSR是鑒定作物缺水脅迫的可靠技術(shù)。盡管PLSR是可靠的技術(shù)，但如果將PLSR提取的最佳波段饋入MLR，則結(jié)果會得到顯著改善。使用所有光譜反射帶建立了ANN模型。建立的模型未取得令人滿意的結(jié)果。因此，使用PLSR選擇的最佳波段作為獨(dú)立x變量開發(fā)了模型，發(fā)現(xiàn)PLSR-ANN模型比單獨(dú)的ANN模型...
發(fā)布時間:
2020
-
05
-
25
瀏覽次數(shù)：207
土壤有機(jī)碳（SOC）源和匯之間的平衡會影響溫室氣體以及全球氣候。SOC儲量的微小變化會影響碳循環(huán)，并可能顯著增加或降低大氣中的碳濃度。土壤碳的變化受氣候和土地利用的影響，并且在不同土壤中也會發(fā)生變化。為了更好地理解土壤有機(jī)碳的動力學(xué)及其驅(qū)動因子，作者收集了華北和東北地區(qū)1980年代和2000年代的數(shù)據(jù)，其中2000年代的樣品利用ASD Fieldspec ProFR vis–NIR光譜儀進(jìn)行了漫反射光譜的測定用于土壤碳的預(yù)測，并對各個時期土壤有機(jī)碳的空間變化進(jìn)行了數(shù)字土壤制圖。在1980年代，在30公里的方格中采集了585個土壤樣品，并在2003年和2004年對該區(qū)域進(jìn)行了重新采樣（1062個樣品）。該地區(qū)土地利用類型主要是農(nóng)田，森林和草地。土地利用，地形因素，植被指數(shù)，可見近紅外光譜和氣候因素作為預(yù)測因子，使用隨機(jī)森林預(yù)測土壤有機(jī)碳濃度及其時間變化。1985年平均土壤有機(jī)碳濃度為10.0 g kg-1，而2004年為12.5 g kg-1。在這兩個時期中，土壤有機(jī)碳變化相似且從南到北增加。據(jù)估計土壤有機(jī)碳儲量在1985年為1.68 Pg，在2004年為1.66 Pg，但是不同土地利用下土壤有機(jī)碳變化是不同的。在過去的20年中，平均氣溫升高，大面積森林和草原轉(zhuǎn)化為農(nóng)田。農(nóng)田土壤有機(jī)碳增加了0.094 Pg（+9％），而森林和草地土壤有機(jī)碳分別損失了0.089 Pg（?25％）和0....
發(fā)布時間:
2020
-
05
-
15
瀏覽次數(shù)：81
摘要：氣候變化和人類活動的加劇使管理農(nóng)業(yè)水資源變得更為困難，特別是與作物類型和生長階段有關(guān)的水吸收模式的變化。因此，在華北平原，作者利用全自動真空冷凝抽提系統(tǒng)（LI-2100）將植物木質(zhì)部和土壤樣品中的水分提取出來，利用LGR水同位素分析儀（WIA-35d-EP，912-0026）測量各水體中δ18O和δ2H以研究冬小麥和夏季玉米輪作田的水分吸收模式。根據(jù)土壤含水量，利用層次聚類分析將土壤層分為0-20 cm，20-40 cm，40-120 cm和120-200 cm。夏季玉米在三葉期（77.8%）和拔節(jié)期（48.6%）主要吸收0-20 cm土壤水，孕穗期（33.6%）和抽雄期（32.6%）主要吸收20-40 cm土壤水，吐絲期（32.0%）和乳熟期（36.7%）主要吸收40-120 cm土壤水，成熟（35.0%）和收獲期（52.4%）轉(zhuǎn)為吸收0-20 cm土壤水。冬小麥在越冬期（86.6%），幼苗期（83.7%），拔節(jié)期（45.2%），孕穗期（51.4%），抽穗期（28.8%）和成熟期（67.8%）主要吸收0-20 cm土壤水，在開花期（34.8%）和乳熟期（25.2%）主要吸收20-40 cm土壤水。冬小麥干根重密度與水分吸收的貢獻(xiàn)呈正相關(guān)。然而，夏季玉米中未發(fā)現(xiàn)類似相關(guān)性?；貧w分析表明冬小麥（CWU=-2.03×SVWC+92.73）和夏季玉米（CWU=-0.91&...
發(fā)布時間:
2020
-
05
-
15
瀏覽次數(shù)：149
6372117373571266866723166.pdf
發(fā)布時間:
2020
-
03
-
30
瀏覽次數(shù)：136