基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。     

基于ULS、 TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

天然红树林湿地对河水中溶解性磷酸盐的净化作用初探——以广州市南沙开发区为例

以广州市为数不多的天然红树林湿地之一,南沙开发区内珠江火电厂下游珠江狮子洋河段西南岸以及槽船村内河道水闸下游两个区域的天然红树林湿地沿途的溶解性磷酸盐含量变化的实测数据为依据,研究天然红树林湿地对磷的净化作用。河道内红树林不同覆盖宽度区之间和不同河道之间溶解性磷酸盐含量的对比分析显示红树林湿地对水体中的溶解性磷酸盐具有很强的净化能力,河岸红树林湿地的过滤作用的大小与河岸红树林占据河道面积的大小有关,同等河宽条件下,红树林植物覆盖宽度越大其净化能力越大。     

湖泊水体年龄与水体中放射性同位素浓度关系浅析

为了研究湖泊水体年龄与水体中放射性同位素浓度之间的定量关系,运用数学物理方法给出了湖泊水体年龄展开为湖泊水体中放射性同位素浓度的函数表达式.在介绍年龄输运方程概念及其意义的基础上,以微分方程为分析工具,根据质量守恒原理和放射性衰变原理,利用微元法分别推导了湖泊水体的年龄输运方程和湖泊水体中放射性同位素浓度的变化规律,并给出了各自的解析解;在此两者的基础上给出了湖泊水体年龄与水体中放射性同位素浓度之间的函数关系.     

甘肃省非天然地震分布特征研究

近年来非天然地震受到越来越多的重视,台网工作人员迫切需要对责任区内非天然地震多发区域、波形特征、频谱特征等进行归纳总结,形成图谱以作为工作参照。本研究选取并重新校正了2010年1月—2020年10月记录的甘肃省行政区划内ML≥2.0的非天然地震事件共387例,发现甘肃省内存在白银区、金川区、红古区、华亭市、肃南县、永登县6个非天然地震多发区域。经过对各地非天然地震的波形特征、记录特征和傅立叶频谱特征进行分析,不同发震地点的非天然地震因为其震动类型、震源深度和地层结构的不同,波形和傅立叶频谱存在明显差异,震源深度、地层介质和震动类别决定了非天然地震的波形特征和频谱特性。     

城乡接合部黑臭水体综合治理工艺实践——以安徽省潜山市为例

以安徽省潜山市某城乡接合部河道为例,遵循现状调查—原因分析—工艺设计—效果评估的思路,研究基于控源截污、内源治理、生态修复3个维度的综合治理工艺的适用性,并从水质和水生态等全面评价治理效果.实施综合治理且运营维护6个月后,河段水体透明度、DO值均有改善,不再属于黑臭水体.水体COD、氨氮和TP的平均去除率分别为58%、80%和31%,河段水质整体符合GB 3838—2002Ⅴ类标准,DO、COD、TP 3项指标达到或优于GB 3838—2002Ⅳ类标准.经过综合治理后,河道受污染严重区域的底泥微生物群落多样性得到有效提升,初步恢复一定的水体自净能力.     

可变形天然裂缝动态宽度流-固耦合计算模型

针对当前的天然裂缝宽度预测模型没有考虑裂缝在缝内流动净压力作用下变形的问题,开展了可变形天然裂缝动态宽度流-固耦合计算模型研究。首先,根据天然裂缝的变形控制方程和缝内流动净压力方程建立流-固耦合漏失动力学模型,得到漏失速率和漏失前端侵入速度的控制方程;然后,运用自适应搜索法求取天然裂缝等效平均宽度,结合体积等效原则求得天然裂缝初始宽度,联合初始宽度和漏失速率的几何控制方程建立天然裂缝形态系数的求解方法;最后,基于漏失前端侵入速度的几何控制方程进行天然裂缝形态约束求解得到法向刚度,进而得到天然裂缝动态宽度流-固耦合计算模型。建立的可变形天然裂缝动态宽度流-固耦合计算模型,经验证其计算结果与现场测量数据吻合较好,仅需钻井液性能、井漏现场测量的漏失速率序列及漏失体积序列,就能进行天然裂缝动态宽度预测,便于现场应用。     

腐植酸负载钯催化剂对Heck反应的催化性能

研究了腐植酸负载钯催化剂对碘苯、溴苯及其芳基卤衍生物与丙烯酸的Heck芳基化反应的催化性能.在氮气保护下,讨论了时间、温度、催化剂用量、碱和溶剂对反应产率的影响.结果表明:以溴苯与丙烯酸的反应为例,催化剂在130℃反应12 h,三丁胺作为碱,催化剂用量为0.44 mol%的钯含量,四丁基溴化铵作为溶剂的条件下具有较好的催化性能;对碘苯及溴苯的衍生物与丙烯酸的反应也有很高的催化活性.     

蛛丝蛋白载药膜的结构表征及其降解性能研究

为治疗化疗后的口腔黏膜炎,以敬钊缨毛蛛的天然蛛丝作为成膜材料制备载药膜剂,并对膜剂特性进行表征。采用溶剂浇铸法制备出蛛丝蛋白膜,通过水接触角实验、傅立叶红外光谱法、X-射线衍射法、扫描电镜评价膜剂的结构特征,探讨了膜剂的降解性。本试验所制备膜剂表征实验证明药物成功载入膜中,降解实验表明膜剂在人工唾液中7 d内的降解失重率仅5%,在人工胃液中72 h降解失重率达到65%以上。以天然蛛丝-六氟异丙醇溶液为成膜液,采用溶剂浇铸法可成功制备出载有肌苷药物的口腔膜剂。     

基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络,分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合,充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。