基于土壤反射光谱特性的广东省稻田土壤快速分类

选择广东省215个村镇稻田的土壤样本,首先利用ASD Field Spec3测量土壤样本在350~2 500 nm的光谱,并采用S-G一阶导数平滑滤波降低样本测量中光照差异的影响,然后将遗传算法（Genetic Algorithm,GA）和支持向量机分类（Support Vector Machine,SVM）分别用于提取分类光谱特征和建立分类模型,分别在土纲、亚纲、土类3个层次进行土壤分类。结果表明：1）在不同的分类层次下,与铁氧化物密切相关的650~710以及900 nm附近光谱,与羟基矿物吸收有关的2 207~2 237和2 377~2 397 nm区间均被作为分类特征变量。2）随着土壤类型的细分,分类所需变量增多。在土类级,对有机质敏感的2 080 nm附近的光谱也被引入分类定标模型中,土纲和亚纲下分类精度＞67%,土类级分类精度为58.67%。利用遗传算法提取光谱特征,进行基于支持向量机的土壤分类具有一定优势。     

广州酸雨现状及影响因素分析

通过对广州1992—2008年酸雨资料的统计分析表明,广州酸雨年变化明显,17年的年平均pH值为4.05,酸雨年均pH值最低达3.41,最高达4.53;17年的酸雨年均发生频率为86.9%,最低为71.8%,最高为98.6%;酸雨季节变化明显:春季pH值最低,夏季pH值最高;酸雨月平均pH值变化幅度大:pH值最低出现在2月,最高在12月。通过对广州雨水离子组分和污染物浓度分析表明,影响广州雨水酸度的主要离子为: 、Cl-、Ca2+、 和 ,主要大气污染物为SO2和NOx。广州酸雨形成机制不仅与污染源有关,还与污染物在迁移扩散过程的天气系统和边界层气象特征有关。