物理性质分析

摘要土壤有机质（SOM）在全球碳循环中起着非常重要的作用，而高光谱遥感已被证明是一种快速估算SOM含量的有前景方法。然而，由于忽略了土壤物理性质的光谱响应，SOM预测模型的准确性和时空可迁移性较差。本研究旨在通过减少土壤物理性质对光谱的耦合作用来提高SOM预测模型的时空可迁移性。基于卫星高光谱图像和土壤物理变量，包括土壤湿度（SM）、土壤表面粗糙度（均方根高度，RMSH）和土壤容重（SBW），建立了基于信息解混方法的土壤光谱校正模型。选取中国东北的两个重要粮食产区作为研究区域，以验证光谱校正模型和SOM含量预测模型的性能和可迁移性。结果表明，基于四阶多项式和XG-Boost算法的土壤光谱校正具有优异的准确性和泛化能力，几乎所有波段的残余预测偏差（RPD）均超过1.4。基于XG-Boost校正光谱的SOM预测精度最 高，决定系数（R2）为0.76，均方根误差（RMSE）为5.74 g/kg，RPD为1.68。迁移后模型的预测精度、R2值、RMSE和RPD分别为0.72、6.71 g/kg和1.53。与模型直接迁移预测相比，采用基于四阶多项式和XG-Boost的土壤光谱校正模型，SOM预测结果的RMSE分别降低了57.90%和60.27%。 这种性能比较凸显了在区域尺度 SOM 预测中考虑土壤物理特性的优势。Figure 1. Framework of the proposed SOM estimation model.研究区域试验点1位于中国东北黑龙江省黑土耕地保护区，如图2所示，面积为1095 km2。该地区属温带大陆性季风气候，年降水量为450–650 mm，降水主要集中在6–9月，占全年降水量的80%。研究区地势南高北低，西高东低，大部分地区为堆积平原。该研究区是全球仅有的四个黑土区之一，耕层深厚，土壤肥沃，含腐殖质的土层厚度为25–80 cm，适合种植玉米、大豆等作物。图 2. 研究区域概览。（a）研究区域的地理位置；（b、c）分别为站点 1 和站点 2 的土壤采样点；（d、e）“裸土期”的土壤表面。试验点2 位于中国吉林省黑土耕地保护区，如图 2 所示，面积为 713 km2。站点地势平坦，海拔在 189 至 237 m 之间。该区域为东部湿润山区与西部半干旱平原区的过渡地带。研究区属温带大陆性半湿润季风气候，年平均气温 4.6 ℃，年降水量 600—700 mm。该区域河流水系丰富，农业水资源相对丰富，地表土壤空间异质性强。该区域土壤主要为黑土，腐殖质层厚度为 0.6—1.0 m。试验点2的土壤类型、地表特征等环境因素与试验点1有明显差异，可以验证本研究中SOM含量预测模型的时空可迁移性。2022 年 10 月 29 日至 30 日，共从试验点 1 采集了 104 个表层土壤样品（图 2b）。2023 年 4 月 14 日至 15 日，从试验点 2 采集了 40 个表层土壤样品（图 2c），用于测试模型的时空可迁移性。图3. 样区内土壤样品采集与参数测量示意图。(a)象限采样示意图；(b)土壤表面点云数据测量。研究过程样品运回实验室后，通过称重、烘干等方法获得每个象限9个子样本的SM和SBW，并计算子样本的平均值。然后，将9个子样本混合成复合样本，在实验室内使用（ASD FieldSpec 4地物光谱仪）进行光谱测量（取十次测量的平均值）和使用重铬酸钾加热法测定SOM含量。为保证每个样品的SBW相同，将土壤样品装入一次性培养皿中进行光谱测量。对每个测量点的土壤表面点云数据进行拼接、裁剪和滤波。利用处理后的点云数据建立三维相对坐标系（图3b），提取所有点云数据的Z坐标，计算该象限的RMSH。资源一号02D（ZY1-02D）高光谱图像数据来自中国科学院空天信息创新研究院，图像生成时间与土壤采样时间同步，所有图像的云量均小于1%。本研究选取450~1290nm、1408~1828nm和1963~2460nm波段作为光谱波段。为了验证ZY1-02D高光谱图像的可靠性，将土壤像素光谱与土壤地面光谱进行了比较（图4）。尽管土壤像素光谱的形状与土壤地面光谱相似，但在可见光-近红外（VNIR）波段范围内存在一些噪声和平滑度较低的情况。此外，土壤像素的光谱反射率略低于实验室测量的反射率。计算了像素反射率与地面反射率之间的斯皮尔曼相关系数（SCCs）和皮尔逊相关系数（PCCs）。结果表明，大多数波长范围内的PCCs低于0.5，而在480至680nm和2000至2500nm波长范围内的SCCs基本大于0.5，表明可能存在非线性关系。为了揭示影响像素光谱的因素，比较了不同物理属性梯度下土壤反射率的差异。随着SM的增加，土壤光谱反射率显著下降，尤其是在500至1300nm和1450至1700nm波长范围内（图5）。随着SBW的增加，土壤光谱反射率的下降幅度相对较小。RMSH对土壤光谱的影响最为显著，反射率随着RMSH的增加显著下降。综上所述，SM、SBW和RMSH对光谱的耦合效应是导致两组光谱数据偏差的重要原因，严重限制了成像光谱仪对土壤“纯光谱”的获取。因此，有必要在像素光谱数据中分离土壤的物理和化学信息，以提高高光谱遥感对土壤有机质（SOM）预测的准确性。图4. 成像光谱、实验室光谱及其相关系数。图5. 不同物理性质土壤的光谱特征。图6. 基于多参数估计模型的土壤物理参数与土壤像素光谱拟合的R² 值。图 7. 使用试验点 1 数据建立的 XG-Boost 模型，基于 (a) 原始像素光谱、(b) 地面光谱、(c) 四阶多项式校正光谱和 (d) XG-Boost 校正光谱和站点 2 数据测量和预测的 SOM 含量的散点图。结果本研究利用卫星和地面高光谱数据以及土壤物理参数数据，分别基于四阶多项式和XG-Boost构建了两种土壤光谱校正模型，以缓解土壤物理性质对像素光谱的耦合效应。通过使用来自两个试验点的数据，评估了土壤光谱校正模型的性能及其对SOM预测模型精度和时空可迁移性的影响。主要结论如下：土壤像素光谱反射率与土壤地面光谱反射率呈非线性关系。表面物理性质的差异是导致这两种光谱数据类型偏差的主要因素。RMSH对土壤像素光谱的影响最为显著，其次是SM和SBW。四阶多项式和XG-Boost模型具有良好的土壤光谱校正精度。基于XG-Boost的土壤光谱校正模型精度更高，时空可转移性更强，因为它考虑了所有特征，持续调整树的权重，防止结果陷入局部最优。土壤光谱校正显著缓解了土壤物理性质对土壤像素光谱的耦合效应，有效提高了SOM预测模型的准确性，更重要的是，大大增强了基于像素光谱的SOM预测模型的时空可转移性。未来，通过充分考虑更多土壤特性，可以获得更准确的SOM预测结果。本研究为预测其他区域的土壤性质参数提供了一种新的研究范式。

p style="text-indent: 2em "近日，日本科学家研制出两种新材料，它们都是三层石墨烯结构，但由于堆叠方式不同，却各具独特的电学性能，这项研究对于光传感器等新型电子器件的发展具有重要意义。/pp style="text-indent: 2em "自从2004年，两位科学家首次利用清洁石墨晶体的透明胶带分离出了单层碳原子，石墨烯就因其迷人的特质吸引了无数研究者蜂拥而至。它的强度是钢的200倍，不仅非常柔韧，而且是一种极为优良的电导体。/pp style="text-indent: 2em "石墨烯的碳原子呈六边形排列，构成了蜂窝状晶格。在单层石墨烯上再堆叠另一单层石墨烯，就可以形成双层石墨烯结构。有两种堆叠方法：让每层石墨烯结构的碳六边形中心彼此正对在一起，就构成了AA堆叠结构；而将其中一层向前移位，使得其碳原子六边形中心位于另一层石墨烯的碳原子之上，就构成了AB堆叠。AB堆叠的双层石墨烯材料在施加外部电场时，具有半导体的性质。/pp style="text-indent: 2em "刻意堆叠三层石墨烯结构是非常困难的，但是这样做却可以帮助科学家们研究三层材料的物理性质是怎样随层与层间堆叠方式的不同而变化的，并从而对新型电学仪器设备的发展具有促进作用。现在，日本东京大学和名古屋大学的研究者已成功研制出两种具有不同电学性能的三层石墨烯结构。/pp style="text-indent: 2em "他们采用了两种不同的方式加热碳化硅，一种是在加压氩气环境下将碳化硅加热到1510摄氏度，另一种是在高真空环境将碳化硅加热至1300摄氏度。随后用共价键已被破坏成单个氢原子的氢气喷涂两种材料，两种不同的三层石墨烯结构就大功告成了。在加压氩气下加热的碳化硅形成了ABA堆叠结构的三层石墨烯，其顶部和底层的碳原子六边形精确对齐，中间层稍有移位。高真空环境下加热的碳化硅则形成了ABC堆叠结构的三层石墨烯，每一层碳原子六边形都比其下面一层稍稍向前移位。/pp style="text-indent: 0em text-align: center "img src="http://img1.17img.cn/17img/images/201805/insimg/fda047f2-d0aa-4cca-894b-6475b2f605a5.jpg" title="同是三层石墨烯结构 电学性质因何大相径庭？.jpg"//pp/pp style="text-indent: 2em text-align: center "span style="color: rgb(127, 127, 127) font-size: 14px "ABA堆叠状三层石墨烯（图a）与ABC堆叠状三层石墨烯（图b）的晶体结构示意图/span/pp style="text-indent: 2em "科学家们检测了这两种三层石墨烯结构的物理性质，发现他们电学性能差异显著。ABA型石墨烯与单层石墨烯类似，是十分优良的电导体，而ABC型石墨烯却更像AB型双层石墨烯结构，具有半导体的性质。/pp style="text-indent: 2em "“ABA型和ABC型两种不同三层石墨烯结构的成功制备，将从堆叠层数和堆叠序列的角度，拓宽石墨烯基纳米电子器件的研发可行性。” 相关研究人员在NPG Asia Materials杂志上发表的论文中这样总结道。/p

污水的类型 物理性质与污染指标污水的污染指标一般可以分为物理性质、化学性质和生物性质三类，其中物理性质分为： 工业企业排出的污水都有较高的温度，会导致水体缺氧和水质恶化； 是一项感官性指标，纯天然水清澈透明无色，污水往往五彩斑斓，污水排放对色度有严格要求； 水的易臭来源于还原性硫氮化合物、挥发性有机物和氯气等污染物质。 固体包括溶解性固体和悬浮固体，悬浮固体和挥发性悬浮固体是重要的水质指标，也是污水处理厂设计的重要参数。化学性质与污染指标有机物：生化需氧量BOD是有机物被生物分解所消耗的溶解氧量；化学需氧量COD是有机物被化学氧化剂氧化所消耗的溶解氧量；这两个参数被广泛运用于表达水中有机物的含量。此外，代表水中所有有机物含碳量总碳TOC以及氧化这些碳的总需氧量TOD也是衡量水中有机物含量的重要参数。 污水中的苯类化合物、酚类化合物、有机酸减、有机农药等，这些物质对微生物都有毒害与抑制作用，属于有毒物质。 污水中的油类污染物和表面活性剂（俗称洗涤剂）虽然无毒，但是对自然界的危害依旧很大，前者直接坑死动物；后者会让水体富营养化，间接坑死动物。 无机物：这个主要指示水样的酸碱性，正常水的pH值在6~9之间。 无机污染物也有有毒和无毒之分，重金属、砷（本身没毒，但极易氧化成砒霜）、含硫化合物、氰化物等都属于有毒物质。无毒的无机污染物主要是植物营养素氮、磷，农田里求之不得的肥料放在自然界的水里就是水生生物的大杀器，过量的氮磷造成水藻疯长、水体富营养化，严重影响鱼类生存。 生物性质与污染指标 细菌总数反映了水体受细菌污染的程度；大肠杆菌则是被视为最基本的粪便污染指示菌群；病毒则是比细菌还小还麻烦的东西。水体自净作用 水体的自净分为以挥发、稀释和沉淀为主的物理净化；以氧化、还原和分解为主的化学净化；以微生物分解为主的生物净化。污水处理就是使用自然净化的模式在小区域内人工加速这一过程，让废水达到排放标准。