2020年11月24日4時30分長征五號遙五運載火箭點火升空托舉嫦娥五號探測器送入預定軌道意味著人類時隔44年再次從月球帶回了巖石和土壤樣品上一次月球采樣返回任務是1976年蘇聯的月球24號美國在阿波羅十一號成功登月之后，進行了6次發(fā)射任務，其中有5次都獲得了成功，一共將12名宇航員送上了月球，帶回來了382公斤的月球土壤。中美兩國于1979年1月1日正式建交；而就在這前夕的1978年，美國國家安全事務顧問布熱津斯基訪華時，為表示友好，向中國贈送了1克月巖。地質學家將1g月壤等分成兩份，每份重量0.5g，一份用于研究，另一份用來展覽。如今，我們自己從月球帶回1731克月壤！北京時間2022年10月10 日，國際科學期刊《自然 · 通訊》（Nature Communications）在線發(fā)布我國嫦娥五號樣品的一項研究成果。中國科學院國家天文臺李春來、劉建軍研究員領導的團隊，結合嫦娥五號月球樣品的實驗室分析結果和遙感探測數據，解答了過去對月球晚期玄武巖遙感光譜解譯的疑惑，糾正了月球晚期玄武巖獨特遙感光譜特征的物質成分解譯結果。根據以往地基望遠鏡和月球軌道器遙感光譜數據的分析，普遍認為月球正面西部晚期月海玄武巖覆蓋的區(qū)域富含橄欖石，這是約束月球晚期玄武巖成因的重要因素。然而該推論是否正確，由于缺乏實際樣品的分析而無法證實。嫦娥五號成功著落于月球風暴洋東北部的玄武巖平原，返回樣品...
發(fā)布時間:
2023
-
02
-
28
瀏覽次數：14
蘋果是一種常見而又神奇的水果。很多人學會的第一個英語單詞可能就是Apple；從樹上掉下來，砸到牛頓，啟發(fā)牛頓的也是蘋果；引領消費時代數碼潮流的蘋果公司，logo是被咬了一口的蘋果~對于這種大家經常吃的香甜水果，追本溯源，是來自薔薇科蘋果屬的雜交水果。蘋果的祖先，是一種叫做“新疆野蘋果”的植物，生長在我國新疆和中亞地區(qū)，后來伴隨人類活動擴散開來，果農們也一代代與蘋果樹斗智斗勇，通過雜交等方式把他們調教的越來越美味?，F代農業(yè)，為滿足大家更多需求，蘋果的雜交育種依舊在進行，人類學會了利用更先進的技術，今天推薦大家了解一篇通過高光譜成像來預測蘋果雜交后香氣的優(yōu)秀文章?；赗esonon PIKA XC2高光譜成像預測蘋果雜交后代香氣蘋果是世界上最受歡迎且有價值的水果之一。質地、風味和營養(yǎng)是蘋果最重要的品質。一般來說，香氣在蘋果風味中發(fā)揮著重要的作用。提高蘋果香氣是育種和篩選的目標。因此，構建蘋果香氣成分評估模型至關重要。高光譜成像技術（HSI）結合二維成像技術實現光譜全圖像信息獲取，因其快速、有效和無損特征而廣泛應用在農業(yè)、食品和化學領域?；诖耍诒疚闹?，來自西北農林科技大學園藝學院的研究人員利用高光譜成像（PIKA XC2 高光譜相機，Resonon Inc., Bozeman，MT，USA）建立了‘Honeycrisp’בMaodi’雜交后代的香氣成分預測模型，初步實現了...
發(fā)布時間:
2023
-
02
-
21
瀏覽次數：12
車厘子，相信大家都不陌生，畢竟“車厘子自由”曾經也是風靡一時的網絡熱詞。但是車厘茄是什么呢?車厘子的變種？車厘子和茄子的結合？空想不如實干，看看度娘怎么說......嚯，原來車厘茄就是常見的小番茄！另外，小加還了解到車厘茄含有豐富的維他命和十分高的鐵質含量，不僅有美容功效，還可以預防出現貧血，可謂是值得多次購買的營養(yǎng)好物。但是購買時，我們只能通過樸素的雙眼判斷其好壞，如果從專業(yè)性的角度出發(fā)，該如何評估車厘茄的質量呢？答案就在下面這篇論文里，快一起來看看吧！基于深度學習和高光譜圖像估算車厘茄可溶性固形物含量及硬度車厘茄（Solanum lycopersicum）因其特殊的香味深受世界各地消費者喜愛。可溶性固形物（SSC）和硬度是評估產品質量的兩個主要指標?，F存的測量技術主要依賴于化學方法。然而，這種破壞性的方法不適用于大面積的測量。高光譜成像技術可以同時獲取光譜信息和空間信息，已廣泛應用于各個領域，如植物病害脅迫檢測、工業(yè)食品包裝、醫(yī)學圖像分類及水果質量分析?；诖?，來自浙江工業(yè)大學和浙江省農業(yè)科學院的研究人員選擇當地主流的車厘茄（Zheyingfen-1）為研究對象，測量其硬度和SSC，并基于高光譜圖像（PIKA XC 高光譜相機，Resonon Inc.，Bozeman，MT，USA）和相應的深度學習回歸模型開發(fā)了無損式測量技術。高光譜成像系統(tǒng)【結果】（A）校正的光譜反射率圖。（...
發(fā)布時間:
2023
-
02
-
13
瀏覽次數：19
土壤中重金屬是有害的，其遷移和累積會嚴重威脅生態(tài)環(huán)境安全和人類健康。砷（As）具有高神經毒性和致畸性。人類活動，例如采礦和工業(yè)生產會導致大量As釋放到土壤中?？焖贉蚀_確定土壤中As濃度對As污染評估至關重要。傳統(tǒng)的重金屬調查方法旨在對野外采集的土壤樣品進行化學性質測試，費事費力、成本高。高光譜遙感具有高光譜分辨率、寬波段范圍和連續(xù)光譜信息等特點，已廣泛用于土壤重金屬濃度的估算。然而，現存的基于高光譜數據的土壤重金屬濃度估算模型忽視了土壤光譜和重金屬濃度之間的空間非穩(wěn)態(tài)?；诖?，來自首都師范大學的一組研究團隊以北京東北部地區(qū)（40°10′0″-40°15′30″ N，116°58′4″-117°5′4″ E）為例，基于實驗室測得的光譜數據（ASD FieldSpec 4光譜儀），結合地理加權回歸（GWR）和XGBoost算法提出了一種新的模型（GW-XGBoost模型）來估算土壤重金屬濃度。并評估了所提出模型的有效性。研究區(qū)和采樣位置。As濃度估算過程流程圖?！窘Y果】As和光譜的相關圖。陰影快表示主要化學吸收范圍。As濃度實測值與預測值關系散點圖。As濃度實測值與預測值擬合比較圖。【結論】估算模型選擇的光譜波段與表面含有能與As形成復合物的官能團的光譜活性物質的吸收效應有關。構建模型時考慮該吸收機制可以有效降低高光譜數據的冗余。GW-XGBoo...
發(fā)布時間:
2023
-
02
-
07
瀏覽次數：23
松材線蟲?。≒WD），是由松材線蟲（Bursaphelenchus xylophilus）引起的具有毀滅性的國際森林病害之一，可以在幾個月內對松林造成快速、大面積的危害，已對我國造成了巨大的生態(tài)和經濟損失。因此，及時的監(jiān)測措施非常必要。高光譜遙感可以獲取數百個波段和連續(xù)波長的數據來捕獲受危害樹木的生理變化，有助于檢測早期病蟲害。而基于無人機的高光譜成像儀可以準確觀測樹木冠層的變化，成為評估森林健康情況的有效工具。然而，以往的研究大多使用單日的無人機高光譜數據，難以監(jiān)測病害發(fā)生的時間變化并確定最佳的監(jiān)測時期?；诖?，在本研究中，來自北京林業(yè)大學的研究團隊于2021年5-10月使用多時態(tài)的數據在中國遼寧省撫順市東洲區(qū)（124°12′36′′ -124°13′48′′ E，41°56′53′′ -41°57′46′′）進行了研究。在PWD爆發(fā)期間，作者于2021年5月9日、6月9日、7月11日、8月11日、9月13日和10月21日對紅松林進行了地面調查（通過形態(tài)和分子鑒定確定59棵樹攜帶松材線蟲，另外選擇59棵未被感染的樹木作為對照）。于2021年5月11日、6月10日、7月12日、8月18日、9月15日和10月23日晴朗無云的天氣條件下利用DJI Matrice 600 Pro無人機搭載Resonon Pika L高光譜相機以及LR1601-IR...
發(fā)布時間:
2022
-
12
-
30
瀏覽次數：26
土壤質量直接影響其有機體的健康。然而，土壤容易受到人類活動的干擾，如采礦、工業(yè)化和農業(yè)活動，導致嚴重的土壤污染。在各種土壤污染中，有毒元素會對人類和家畜健康以及食品安全造成威脅。因此，監(jiān)測這些污染類型的濃度和分布對于土壤修復項目至關重要。然而，傳統(tǒng)采樣和實驗室分析方法成本高、費事費力且局限于采樣點位置，不能很好地具體化濃度的空間分布。因此，需要具有高空間效應的快速有效的技術。許多研究已經利用圖像光譜和其它輔助數據或環(huán)境變量來預測有毒元素的分布。而由于衛(wèi)星圖像中云或陰影的存在，土壤采樣和圖像獲取日期存在差距，這種情況下，需要用到具有不同光譜和空間特征圖像的融合，以增加圖像的時間分辨率。Sentinel-2A是“全球環(huán)境與安全監(jiān)測”計劃的第二顆衛(wèi)星，其攜帶一枚多光譜成像儀，可覆蓋13個光譜波段，從可見光和近紅外到短波紅外，具有不同的空間分辨率。Landsat 8是美國陸地衛(wèi)星計劃的第八顆衛(wèi)星，其攜帶的陸地成像儀包括9個波段，空間分辨率為30 m。兩者的協(xié)同應用將改進對地球表面的及時和準確觀測，以及遙感不同學科的使用。基于此，在本研究中，來自捷克生命科學大學的研究團隊于2015年8月12日在Sarcheshmeh礦山采集了120個土壤樣品，在實驗室進行化學（As、Pb、Zn和Cr）和光譜測量（ASD Fieldspec 3地物光譜儀）。并于2015年8月13日獲取Landsat 8-OL...
發(fā)布時間:
2022
-
12
-
28
瀏覽次數：22
土壤水力參數，如田間持水量（FC）和永久萎蔫點（PWP），在灌溉管理、干旱風險評估和土地利用規(guī)劃等方面發(fā)揮著重要作用。這些水力特性是動態(tài)的，隨土壤類型、作物類型和生長季而變化。傳統(tǒng)方法估算大尺度水力特性費時費力，而土壤傳遞函數（PTF）作為一種替代方法，已被用于使用易測量的土壤特性（如土壤粒級、有機碳和容重）來估計土壤水力特性。這些預測參數在很大程度上受各種內在土壤特性如土壤質地、結構、有機質、容重和孔隙度的影響。隨著光譜技術的不斷發(fā)展，因其快速、低成本和無損測量，許多研究者已經利用可見近紅外（Vis-NIR）光譜預測了土壤特性，而使用光譜數據繪制印度土壤類型水力特性的研究非常有限?；诖耍诒狙芯恐校唤M研究團隊在印度卡納塔克邦高原北部地區(qū)收集了558個土壤樣本，在實驗室中測量了其FC， PWP和土壤含水量，并利用ASD FieldSpec光譜儀測量土壤光譜反射率。通過支持向量機、隨機森林和偏最小二乘回歸三個模型預測FC和PWP。其中，2/3的數據集用于校準（368個樣品），1/3的數據集用于驗證（190個樣品）。本研究目標為通過不同統(tǒng)計技術檢驗實驗室Vis-NIR光譜數據估算水力參數的有用性。研究區(qū)域圖【結果】卡納塔克邦高原北部土壤光譜反射率分布（平均值和標準偏差）（N = 558）。FC和PWP預測模型的性能（50 次迭代）驗證集FC和PWP預測值和觀測值散點圖（RF方法）（...
發(fā)布時間:
2022
-
11
-
18
瀏覽次數：17
了解亞熱帶森林樹種的準確信息對于森林可持續(xù)管理、生態(tài)系統(tǒng)服務評估、生物多樣性監(jiān)測以及生態(tài)環(huán)境保護至關重要。因此，亟待快速有效的方法對單個樹種進行分類。傳統(tǒng)的樹種地面調查費事、費力、成本高，難以大面積實施。而遙感可以獲取較大區(qū)域的特征信息。許多遙感數據，如超高分辨率RGB、機載高光譜和雷達數據，已廣泛應用于單木分割和樹種分類。然而以往都是利用其中一種或兩種類型的數據進行研究，綜合這三種遙感數據進行樹種分類的研究十分有限?；诖?，為填補研究空白， 研究者們于2019年8月在中國南方深圳的亞熱帶闊葉林聚龍山公園（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光譜（Resonon Pika L高光譜成像儀）、超高分辨率RGB數據以及地面數據進行單個樹種的分類。作者首次開發(fā)了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法進行單木分割。然后整合UAV LiDAR（提取結構特征），高光譜（提取光譜特征）和超高分辨率RGB數據（提取紋理特征）進行分類。最后通過總體精度（OA）和kappa系數（k）評估分類精度。主要研究目標為：（1）評估所提出的WST-Ncut算法在亞熱帶闊葉森林進行單木分割的準確性；（2）與單獨使用這些數據相比，評估UAV LiDAR，高光譜和超高...
發(fā)布時間:
2022
-
11
-
14
瀏覽次數：13
玉米是世界上最重要的作物之一。在玉米生長過程中，氮（N）是最重要的營養(yǎng)元素之一。玉米葉片中N轉運主要以谷氨酰胺的形式進行。玉米產量與灌漿期葉片中的谷氨酰胺、谷氨酸、丙氨酸、天冬氨酸和天冬酰胺等氨基酸具有很好的相關性。因此，準確快速估算玉米葉片氨基酸含量對于提高玉米產量和N利用效率至關重要。分光光度法、化學分析法和質譜法是確定氨基酸含量的主要方法，具有高靈敏度和高準確度。然而，這些方法會破壞樣品，且需要復雜的樣品處理過程，通量低，成本高。高光譜成像技術因其快速、高通量和無損式測量成為估算作物生理生化參數的新方法，且已廣泛用于作物表型性狀的高通量篩選。然而，目前利用高光譜數據估算新鮮玉米葉片氨基酸含量的研究十分有限?；诖?，為填補研究空白，在所附的文章中，中國農業(yè)大學的研究團隊以新鮮玉米葉片為研究對象，探索了高光譜成像技術估算其氨基酸含量的可行性?？紤]到施氮量對玉米葉片氨基酸含量的極大影響，作者設置了兩個變量施氮實驗。利用Resonon Pika L高光譜成像儀（光譜范圍為400-1000 nm）采集玉米葉片的高光譜圖像，并測量了玉米葉片24種氨基酸含量。作者利用NDVI從背景中分離出綠色葉片（高光譜圖像預處理），利用Savitzky-Golay濾波進行去噪（數據預處理）。在模型建立過程中，作者首先通過樣本變異系數（CV）和偏最小二乘回歸（PLSR）篩選了各氨基酸含量的敏感波段范圍和特...
發(fā)布時間:
2022
-
10
-
24
瀏覽次數：17
監(jiān)測和量化河口（如珠江河口（PRE））懸浮沉積物濃度（SSC）可為環(huán)境過程、水文建設和航行提供重要信息。傳統(tǒng)上基于原位測量進行SSC制圖缺乏詳細分析時所需的空間覆蓋范圍。而以往的許多研究表明，基于衛(wèi)星圖像可以在適當尺度上有效監(jiān)測大型河口區(qū)域SSC格局及變化。然而，單個傳感器獲得的衛(wèi)星圖像通常無法保證用于大空間尺度或長期研究，利用多源衛(wèi)星圖像進行SSC反演在學術界越來越受歡迎。而就反演方法而言，目前仍廣泛使用基于線性回歸和多因素統(tǒng)計的經驗分析方法，而主成分分析和人工神經網絡也是提高精度的有效替代方法。而在小型水體中低SSC預測仍是一個挑戰(zhàn)。基于此，在本研究中，一組研究團隊以珠江河口為研究區(qū)域，基于原位光譜數據（ASD FieldSpec 4光譜儀）和SSC測量，輔助以環(huán)境信息，例如經度、維度、風速和其它大氣環(huán)境因子，并基于Landsat TM/OLI和Sentinel-2圖像開發(fā)模型以量化SSC。通過均方根誤差（RMSE）和相對誤差（RE）評估模型的性能。最后通過所開發(fā)的模型進行珠江河口1986-2020年SSC分布制圖。本研究主要目標為：（1）調查PRE SSC分布的空間格局；（2）探索過去25年SSC的時空變化；（3）分析SSC變化的影響因素及其與人類活動的關系?！窘Y果】2020年7月22日和12月20日原位收集的光譜反射率曲線。從Landsat-8 OLI提取的SSC多年平均值...
發(fā)布時間:
2022
-
10
-
18
瀏覽次數：26