归一化红边植被指数

table width=" 627" cellspacing=" 0" cellpadding=" 0" border=" 1" align=" center" tbody tr style=" height:25px" class=" firstRow" td style=" border: 1px solid windowtext padding: 0px 7px " width=" 125" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 成果名称 /span /p /td td colspan=" 3" style=" border-color: windowtext windowtext windowtext currentcolor border-style: solid solid solid none border-width: 1px 1px 1px medium border-image: none 100% / 1 / 0 stretch padding: 0px 7px " valign=" bottom" width=" 503" height=" 25" p style=" text-align:center line-height:150%" strong span style=" line-height:150% font-family:宋体" 全自动网络化植被指数自动测量系统—VINet /span /strong /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 125" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 单位名称 /span /p /td td colspan=" 3" style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 503" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 北京师范大学 /span /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 125" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 联系人 /span /p /td td style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 152" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 屈永华 /span /p /td td style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 147" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 联系邮箱 /span /p /td td style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 204" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" qyh@bnu.edu.cn /span /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 125" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 成果成熟度 /span /p /td td colspan=" 3" style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 503" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" □正在研发& nbsp & nbsp □已有样机& nbsp & nbsp □通过小试& nbsp & nbsp □通过中试& nbsp & nbsp √可以量产 /span /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 125" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 合作方式 /span /p /td td colspan=" 3" style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 503" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" □技术转让& nbsp & nbsp & nbsp □技术入股& nbsp & nbsp & nbsp √合作开发& nbsp & nbsp & nbsp □其他 /span /p /td /tr tr style=" height:304px" td colspan=" 4" style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 627" height=" 304" p style=" line-height:150%" strong span style=" line-height:150% font-family: 宋体" 成果简介： /span /strong /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201803/insimg/30bcc8b5-d02d-4603-9d07-37a2bf46042c.jpg" title=" 11.png" style=" width: 500px height: 238px " width=" 500" vspace=" 0" hspace=" 0" height=" 238" border=" 0" / /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 植被指数是反映植被与土壤背景反射差异性的指标，可以定量描述植被生长状况。VINet由具有三通道（蓝光、红光、近红外）传感器，不仅能够进行NDVI测量，还可以计算植被大气阻抗植被指数、增强植被指数等多种植被指数；VINet基于Zigbee协议自动组网，支持GPRS远程数据传输与反向控制，可以实时查看数据质量情况。 /span /p p style=" line-height:150%" strong span style=" line-height:150% font-family:宋体" VINet /span /strong strong span style=" line-height:150% font-family:宋体" 观测节点： /span /strong /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 1. /span span style=" line-height:150% font-family:宋体" 六通道高敏光电传感器 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 2. /span span style=" line-height:150% font-family:宋体" 三通道太阳下行总辐射感应模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 3. /span span style=" line-height:150% font-family:宋体" 三通道植被反射上行辐射感应模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 4. /span span style=" line-height:150% font-family:宋体" 归一化植被指数测量模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 5. /span span style=" line-height:150% font-family:宋体" 大气阻抗植被指数测量模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 6. /span span style=" line-height:150% font-family:宋体" 增强植被指数测量模块 /span /p p style=" line-height:150%" strong span style=" line-height:150% font-family:宋体" VINet /span /strong strong span style=" line-height:150% font-family:宋体" 无线控制中心 /span /strong /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 1.Zigbee /span span style=" line-height:150% font-family:宋体" 数据采集模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 2. /span span style=" line-height:150% font-family:宋体" 远程数据传输模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 3. /span span style=" line-height:150% font-family:宋体" 远程反向控制模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 4. /span span style=" line-height:150% font-family:宋体" 数据远程查看软件模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 5. /span span style=" line-height:150% font-family:宋体" 数据可视化软件模块 /span /p p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 6. /span span style=" line-height:150% font-family:宋体" 数据归档管理软件模块 /span /p p style=" line-height:150%" strong span style=" line-height:150% font-family: 宋体" 主要技术指标： /span /strong /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201803/insimg/be41a624-4bcb-40b1-8b5a-1307752aeddc.jpg" title=" 001.jpg" / /p p style=" line-height:150%" strong span style=" line-height:150% font-family: 宋体" 技术特点： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 1. /span span style=" line-height:150% font-family:宋体" 具有蓝、红、经红外 三个波段，可以计算多种植被指数。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 2 /span span style=" line-height:150% font-family:宋体" 具有分布式自动观测能力，可以低成本实现植被指数联网观测。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 3 /span span style=" line-height:150% font-family:宋体" 具有统一的远程数据接收中心，很容易实现数据的汇总与分析。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 4 /span span style=" line-height:150% font-family:宋体" 结合高分辨率卫星数据，很容易实现地面观测与遥感卫星观测的关联。 /span /p /td /tr tr style=" height:75px" td colspan=" 4" style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 627" height=" 75" p style=" line-height:150%" strong span style=" line-height:150% font-family: 宋体" 应用前景： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 植被长势监测、遥感植被指数地面验证、智慧农业、长势监测、病虫害监测、物候监测等 /span /p /td /tr /tbody /table p br/ /p

蛋白归一化在Western Blot中的应用 在Western Blot（WB）实验中，归一化是实验数据处理的关键步骤。WB实验常设计不同的内部对照或检查点，对样本或者实验中的偏差进行监控、修正。在WB中的偏差通常来自蛋白样本浓度不均、凝胶上样不一致或转膜不完全。这些不一致性可以通过凝胶和膜的可见光或荧光标记法监控，用泳道总蛋白或内参蛋白（比如GAPDH、β-tubulin、β-actin或cyclophilin B）进行归一化校正, 来保证实验结果的可靠性。那么泳道总蛋白校正和内参蛋白校正有什么不同呢？内参蛋白校正使用内参蛋白校正是目前比较成熟的一种手段。具体校正方法就是在各蛋白样品中选一种表达量保持一致的蛋白作为内参蛋白（一般是管家基因），将每个样品目的蛋白含量与内参蛋白含量相除，得到每个样品目的蛋白的相对含量。再进行样品与样品之间的比较。例：当前有三份蛋白样品S1、S2、S3，选择的内参基因为Control，需要检测目的蛋白Test在这三份样品中的相对表达量。经过电泳、转膜、封闭、孵育、清洗等一系列实验操作后，获得一张蛋白印迹膜。用GelView 6000 Pro全自动化学发光成像系统或GelView 6000Plus智能图像工作站进行显影成像，获得的发光图。如图1所示：图1BioAnaly分析软件具有蛋白归一化分析功能，可以直接输出蛋白归一化结果，不需要进行额外的操作，方便快捷，如图2所示： 图2最终得到实验结果如图3所示：图3如果仅看三个样品中目的蛋白的灰度值（如图3中蓝色数据条所示），会发现其发光强度基本一致。此时并不能判断目的蛋白的含量一致，因为内参蛋白的灰度值相差较大（如图3中橙色数据条所示），因此还需要通过内参蛋白进行校正，将内参蛋白的灰度值归一化，可得到三个样品中目的蛋白的真实灰度值，该结果才能比较准确地反映目的蛋白的含量。计算结果如图4所示：图4通过内参蛋白校正后发现待测蛋白在三个样品中的相对表达量呈梯度上升趋势。泳道总蛋白校正总蛋白校正是一种新兴的实验策略。具体校正方法就是直接测量样品中总蛋白的含量（通过非特异性蛋白染料对泳道中所有蛋白进行染色测定），将每个样品目的蛋白含量与总蛋白含量相除，得到每个样品目的蛋白的相对含量。再进行样品与样品之间的比较。例：当前有四份蛋白样品S1、S2、S3、S4，需要检测目的蛋白Test在这四份样品中的相对表达量（本次实验中使用的非特异性荧光染料，可以对所有蛋白进行染色；二抗为FITC荧光标记）。经过电泳、转膜、封闭、孵育、清洗等一系列实验操作后，获得一张蛋白印迹膜。用GelView 6000Plus智能图像工作站的荧光模块进行荧光成像，结果如图5所示，泳道内所有蛋白均产生荧光，荧光强度可以代表样品总蛋白的含量：图5通过分析软件BioAnaly计算灰度值，得到实验数据，如图6所示：图6使用475nm的蓝光（不同荧光染料所需波长参照试剂的使用说明）激发目的蛋白Test，结果如图7所示：图7通过分析软件BioAnaly计算发光强度，得到实验数据，如图8所示：图8从上图可以看出，目的蛋白在S3中的发光强度最大，接近S2的2.5倍。然而经过蛋白归一化后，结果，如图9所示：图9我们不难发现目的蛋白在四份样品中表达量基本一致，所以我们说蛋白归一化是必须的。相应的，BioAnaly分析软件也可以直接对总蛋白进行归一化分析。两种方法的对比内参蛋白校正优点1、发展时间久，技术成熟；2、成本低，不需要额外的染色；缺点1、需要根据不同的组织选择不同的内参蛋白，以保证样品间的一致性；2、内参蛋白大小与目的蛋白大小相差5KD以上，防止发光时互相干扰；3、内参蛋白与目的蛋白表达量不能相差过大，防止内参蛋白曝光过度；4、需要证明内参蛋白本身的表达量在各样品间保持一致；总蛋白校正优点1、适用于任何组织样本；2、具有更好的说服力，投稿更方便；缺点1、染料具有一定的线性范围，需要一定程度上控制上样量；2、每次都需要对整张膜进行染色，试剂使用量大；

近日，生态环境部在北京举行高光谱观测卫星在轨投入使用仪式。上海技物所研制的可见短波红外高光谱相机（AHSI）经过在轨测试交付用户投入业务应用。AHSI是2021年发射的高光谱观测卫星主载荷之一，可实现2.5到10纳米光谱分辨率、30米空间分辨率、60公里幅宽，能够同时获取地物从0.4到2.5微米波段范围内的高光谱影像信息，是我国首台可在轨动态配置的宽幅宽谱高光谱相机。AHSI获取的武汉市（2022年5月）的可见近红外光谱立方体（左）和短波红外光谱立方体（右）南四湖、太湖、滇池水质叶绿素a浓度反演结果测试结果表明，AHSI获取的图像清晰，光谱和辐射定量准确，空间结构和光谱反映能力强。与国际同类载荷相比，其综合性能达到国际领先水平。相机在河流/水库/湖泊等不同体量内陆水体的各类水质参数提取、矿区周边生态胁迫、植被精细分类和植被指数反演、大宗固体废弃物遥感监测、海洋生态环境监测、点源甲烷探测等生态环境应用方面，以及在矿物信息精细提取、作物种类识别和生长参数反演、区域产草量等行业应用方面，均具备突出的在轨应用能力，为我国水环境监测、自然生态监测、碳排放监测以及生态环境监管等主体业务提供了国产高精度高光谱数据保障。通过矿物识别分层谱系、光谱特征归一化与光谱特征综合法以及光谱分解法进行矿物信息提取。图为测试区高光谱矿物填图。测试区农田土壤类型调查。图（左）为假彩色合成原始影像，图（右）为测试区农田土壤类型遥感监测识别结果图。煤炭工业园区内的煤矿矿井开展甲烷泄漏监测目前，AHSI正与同为上海技物所研制的资源02D、资源02E、高光谱综合观测卫星同类载荷组网协同观测，使我国拥有当前国际上时-空-谱综合观测性能最强的高光谱对地遥感能力，有效服务于我国环境质量监管和自然资源调查等重大需求。

2023年4月4日，生态环境部在北京举行高光谱观测卫星在轨投入使用仪式。上海技物所研制的可见短波红外高光谱相机(AHSI)经过在轨测试交付用户投入业务应用。 　　AHSI是2021年发射的高光谱观测卫星主载荷之一，可实现2.5到10纳米光谱分辨率、30米空间分辨率、60公里幅宽，能够同时获取地物从0.4到2.5微米波段范围内的高光谱影像信息，是我国首台可在轨动态配置的宽幅宽谱高光谱相机。 　　测试结果表明，AHSI获取的图像清晰，光谱和辐射定量准确，空间结构和光谱反映能力强。与国际同类载荷相比，其综合性能达到国际领先水平。相机在河流/水库/湖泊等不同体量内陆水体的各类水质参数提取、矿区周边生态胁迫、植被精细分类和植被指数反演、大宗固体废弃物遥感监测、海洋生态环境监测、点源甲烷探测等生态环境应用方面，以及在矿物信息精细提取、作物种类识别和生长参数反演、区域产草量等行业应用方面，均具备突出的在轨应用能力，为我国水环境监测、自然生态监测、碳排放监测以及生态环境监管等主体业务提供了国产高精度高光谱数据保障。 　　目前，AHSI正与同为上海技物所研制的资源02D、资源02E、高光谱综合观测卫星同类载荷组网协同观测，使我国拥有当前国际上时-空-谱综合观测性能最强的高光谱对地遥感能力，有效服务于我国环境质量监管和自然资源调查等重大需求。AHSI获取的武汉市(2022年5月)的可见近红外光谱立方体(左)和短波红外光谱立方体(右)南四湖、太湖、滇池水质叶绿素a浓度反演结果通过矿物识别分层谱系、光谱特征归一化与光谱特征综合法以及光谱分解法进行矿物信息提取。图为测试区高光谱矿物填图。测试区农田土壤类型调查。图(左)为假彩色合成原始影像，图(右)为测试区农田土壤类型遥感监测识别结果图。煤炭工业园区内的煤矿矿井开展甲烷泄漏监测

导读 高光谱成像传感器是近几年研究用于监测不同环境中农作物和植被的有效工具。植物的生理学，形态学或生物化学信息可以通过非接触的方式以及不同尺度下评估。例如，利用高光谱传感器用于植物表型分析或农业中的生理胁迫研究。截至目前，市面上有各种非成像和成像高光谱传感器可供选择，这些仪器进行测量的过程相当复杂。因此，现代化检测及研究中对易于用户操作的高光谱传感器的需求日益增加。芬兰新发布的一款新型小型手持式智能型高光谱相机——SPECIM IQ，就是基于用户的现代化便携操作而设计的。SPECIM IQ的机身小巧轻便，只有1.3kg，实现轻松手持操作；同时在相机中直接集成了操作控制系统，通过相机自带的触摸屏就可实时实现基本数据的采集和分析过程（如预处理和分类例程），实现智能化操作。便携手持、现场实时快速检测、全自动智能分析、高质量数据，相信 SPECIM IQ 如此多的现代化特征会让您的高光谱研究更加得心应手！以下我们将SPECIM IQ采集的高光谱数据与已经十分成熟高光谱成像仪技术SPECIM V10E 进行定性对比，发现SPECIM IQ便携手持的设计并未影响到相机的数据准确性，一致地获得了高质量高光谱数据。同时，手持智能型SPECIM IQ还可以实现对植物表型的鉴定以及病害研究检测等，在植物科学研究及其他领域具有无限可能。1、手持智能型高光谱相机SPECIM IQ与SPECIM V10E的定性对比 通过与性能的SPECIM V10E相机对比，我们评估了新型SPECIM IQ的成像质量。SPECIM V10E在推扫式高光谱相机领域是一款具有代表性且广受好评的产品，与SPECIM IQ具有相同的光谱范围（400-1000nm）。在实验过程中，通过采用4倍的光谱合并，达到与SPECIM IQ相似的光谱采集，共有211个波段，每行数据具有1600个像素。研究人员利用两款设备分别在室内（卤素灯光源）和室外（自然光光源）对具有不同颜色的样本：纸片和聚乙烯胶片，进行了高光谱数据采集和对比。 图1 智能型高光谱相机SPECIM IQ（207mm*91mm*74mm） 经过对比，得到如图2所示结果。对相同样本，两款设备采集的光谱形状高度重合：实验室的平均值是0.009，室外平均值为0.043。SPECIM IQ和SPECIM V10E的平均标准偏差分别为室内（0.017和0.021）和室外相同（0.029和0.029），但SPECIM IQ更为均，SPECIM V10E在光谱边界处具有更高的噪声水平（400 -450nm和400-450nm）900-1000nm，见图2）。研究表明，除了925-970nm范围内的大气水汽吸收带之外，周围光谱的原始信号较弱，导致反射信号的快速增加。 图2 平均光谱包含绿色纸片（A）和紫色聚乙烯片（B）的标准差，C表示室内测试的不同颜色的样本 图3 室外数据的光谱对比（A-D）：绿色纸片、暗黄色纸片、紫色聚乙烯胶片以及蓝色聚乙烯胶片 2、手持智能型高光谱相机SPECIM IQ对拟南芥的生理胁迫研究 通过植被指数可评估不同状态下植被的生理结构和功能特性，包括生物量、冠层结构、叶面积指数、叶绿素含量以及植物冠层的光利用效率等。研究人员利用SPECIM IQ对拟南芥的两个变种在胁迫状态下的生理状态分别进行了研究。由于缺乏PsbS蛋白质和紫黄质脱环氧化酶，拟南芥的变种样本对光能量利用能力减弱（非光化学淬灭），但在室温条件下可正常发育，在高光照条件下，突变体可能受光损伤，这些都是肉眼无法察觉的。利用SPECIM IQ对18个样本进行数据采集，并对所采集的数据进行植被指数计算，在此基础上，对样本的叶绿素含量和类胡萝卜素转化的敏感程度进行了评估（图4）。 图4 在非胁迫适应（NSA）和胁迫适应（SA）拟南芥野生型（Col-0）和PQ缺陷突变体（npq1和npq4）之间观察到的差异。 左侧面板显示选定感兴趣区域的假彩色图像（A） NDVI（C） REIP（E） 和由SPECIM IQ采集数据计算的PRI（G）。 右侧面板显示计算出的平均值和标准差（B） NDVI（D） REIP（F） 和PRI（H）从三个单的植物随机分布在成像框架，不同的字母表示基于LSD的显着差异（a = 0.05）。 研究表明，SPECIM IQ可用于拟南芥中叶绿素（NDVI）和叶黄素（PRI）的含量的检测，并能评估植株样本的状态。通过验证具有代表性的植被指数，可为其它植被指数的评估计算提供样例，并为在植被研究领域获得更多生理信息奠定了基础。 3、手持智能型高光谱相机SPECIM IQ对大麦白粉病的研究 高光谱成像作为非接触式的测量传感器，在植物疾病严重程度与宿主植物对特定植物病原体的易感性的评估方面有很大的应用。本研究利用SPECIM IQ评估了不同大麦品种在冠层尺度上的白粉病严重程度，并对品种Milford和Tocada进行了4个和7个不同的白粉病易感性等的比较。研究准确地检测了两个品种的白粉病症状，并通过高光谱成像结合数据分析方法评估品种的不同疾病严重程度。研究人员利用SPECIM IQ对在温室中培养的360个大麦植物样本（稳定的漫射光条件下培养）进行检测，并使用的白色参考板（见图5）和SPECIM IQ的内置功能对高光谱数据进行归一化。研究人员利用SPECIM IQ Studio的光谱角匹配方法（SAM）进行感染检测并与支持向量机分类（SVM）方法进行对比，检测到上部叶中具有类似病状的区域。 图5 使用光谱角匹配（SAM）和支持向量机（SVM）对白粉病进行分类，图像左侧包含白色参考面板研究表明，大麦白粉病的样本检测到的疾病症状分别为所有植物像素的25.8％和4.4％，而健康部分只有2.0％和2.2％。现有的错误分类主要是白色参考边界处（看起来像叶面上的白色菌丝体）混合像素的影响。为了消除这种系统偏差，通过减去错误分类像素量来确定疾病严重程度，预测分析的品种的2.2％至23.7％的强烈差异。因此，SPECIM IQ可用来测量评估复杂冠层的疾病严重性，控制光源照明条件保证高信号质量，此项研究也证明SPECIM IQ空间分辨率足以确定大麦叶片上的单一症状。4、总结 手持智能型SPECIM IQ相机在植物生理和病害检测中具有巨大潜力。通过SPECIM IQ与SPECIM V10E室内和室外环境中对不同材质色卡辐射测量评估，得到两者的光谱特性高度一致性。根据植被指数分析得到的结果表明手持智能型SPECIM IQ在植物研究和表型分型策略的背景下的应用潜力：对于白粉病的评估，表明SPECIM IQ具有足够的测量能力，并且与SVM相结合，在量化中对视觉评估的高度一致性。作为新智能型的高光谱相机设备，手持式SPECIM IQ除具有高精度的数据质量外，其设备本身具有高紧凑性、可移动性强和快速集成处理能力，为科技新领域的应用创造了有利条件。手持智能型SPECIM IQ的发布让高光谱传感器技术以实验室设备的质量水平传输到温室和现场，而无需任何载体平台或控制和存储设备，因此，该款设备的诞生无疑可以支持各个场景下的不同应用，并推动现代高光谱技术在更多领域的发展和影响。 相关产品及其链接1、手持智能型高光谱相机SPECIM IQ：http://www.instrument.com.cn/netshow/C282348.htm 2、芬兰SPECIM高光谱航空遥感成像系统：http://www.instrument.com.cn/netshow/C160539.htm 3、芬兰SPECIM 工业高光谱相机FX系列：http://www.instrument.com.cn/netshow/C265811.htm

p style=" text-indent: 2em text-align: justify " JAI向广大机器视觉用户隆重推出Flex-Eye：一种创新的相机概念，使视觉系统工程师能够自定义基于JAI的Fusion系列2-CMOS或3-CMOS棱镜的多光谱相机中波长的起始范围。 /p p style=" text-indent: 2em text-align: justify " 通过对Flex-Eye进行定制，可以和JAI现有的Fusion系列棱镜相机相结合，便客户能够参与设计多光谱相机。该相机可以查看特定的可见光和近红外光波段，切实地满足用户视觉应用要求。 br/ img style=" max-width:100% max-height:100% " src=" https://www.jai.com/uploads/images/Partner-Section/Hi-Res-Images-and-Thumbnails/Flex-Eye-Launch-Image.jpg" / /p p style=" text-indent: 2em text-align: justify " 这种新方法可以使视觉检测任务或其他多光谱成像应用程序更加高效，因为通过针对目标波段(面向特定应用程序设计)进行微调后的2-CMOS或3-CMOS棱镜相机，可以更精确地显示所需的成像信息，完美屏蔽不需要的波段。 /p p style=" text-indent: 2em text-align: justify " 如果JAI的Fusion系列中现有标准型号的默认波段组合无法完全满足相机用户的特定需求，通过Flex-Eye的定制服务，便可以解决这一问题。 /p p style=" text-indent: 2em text-align: justify " 由于Flex-Eye概念最初是应用于JAI的Fusion系列多光谱模型的，因此，客户可以配置具有2或3传感器棱镜配置的模型，目前其配置为Sony Pregius& #8482 CMOS传感器中160万像素(IMX273)或320万像素(IMX252)两种。在确定传感器之后，再为相机中的每个传感器定义特定的波段位置和区间。 /p p style=" text-indent: 2em text-align: justify " 根据用户的要求，用户所指定的波段可以都位于可见光谱(405-680nm)内，或者也可以放置在整个可见光和近红外光谱的多个位置上，最高可达1000nm。波段的宽度最短可以是25nm，以5nm的增量进行递增。 br/ /p p style=" text-indent: 0em text-align: center " img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/202009/uepic/e5c016d8-84d5-4431-aee5-56abc4c1bf9e.jpg" title=" 1.png" alt=" 1.png" / /p p style=" text-align: center " span style=" font-size: 14px " 上图为定制一个3传感器相机的波长示例，其中指定了一个可见光波段(波段1)和两个NIR波段(波段2和波段3)。 每个波段最短可达25nm宽，以5nm的增量递增。 /span /p h3 style=" text-align: justify " Flex-Eye目标用户 /h3 p style=" text-indent: 2em text-align: justify " Fusion系列Flex-Eye相机适用于几种不同应用场景下的用户，多光谱成像技术在这些市场目前已经得到了应用，但是新的波段组合可以带来新的功能效果。这些最常见的应用场景可细分为： /p ul class=" list-paddingleft-2" style=" list-style-type: square " li p style=" text-align: justify " 荧光引导手术，病理学或其他生命科学应用 /p /li li p style=" text-align: justify " 水果，蔬菜，果仁等食品的分选/检查 /p /li li p style=" text-align: justify " & nbsp 农业和植被分析或除草系统 /p /li li p style=" text-align: justify " & nbsp 包装检查，尤其是塑料包装物的印刷 /p /li li p style=" text-align: justify " 多层电子线路板检查 /p /li /ul p style=" text-indent: 2em text-align: justify " img style=" max-width: 100% max-height: 100% float: right " src=" https://www.jai.com/uploads/images/Products/Flex-Eye-Concept/surgical.png" / 例如，越来越多的外科手术系统正在利用注入到血管或周围组织中并由激光激发的荧光化合物来辅助进行。荧光显示通过覆盖在外科医生的可见彩色图像上的区域来对病变处进行突出显示，从而起到指导手术的作用。系统是设计成突出显示周围的恶性组织还是血管内血液流动，可能需要使用具有不同波长的不同荧光团进行激发和反射。设计者通过对特定的波段的选择，使其系统在性能上区别于常见的多光谱配置。 /p p style=" text-indent: 2em text-align: justify " img style=" max-width: 100% max-height: 100% float: right " src=" https://www.jai.com/uploads/images/Products/Flex-Eye-Concept/farming.png" / 同样，现代科技农业中，通过对NDVI（归一化植被指数）或NDRE（归一化差异红边）公式建立起来的算法，来进行杂草驱除或作物健康分析的系统，需要农业机械提供可见光波段和NIR波段的数据组合。这需要农业机械能从幼苗中识别杂草，或者从作物中标记需要额外灌溉水或肥料的作物。目前在基于标准波段的标准算法，仍需要不断开发定制新的算法以提高特定作物和环境条件的性能，来适应多种多样的作物生产方面的需求。此时，这些现代农业科技公司，就向JAI寻求特定多光谱波段方面的支持，可以通过定制，以使这些系统更准确，有效地获得所需的结果。 /p p style=" text-align: justify text-indent: 2em " 类似的概念也可以应用于当前许多其他使用多光谱成像的应用程序，包括食品检查，药品，包装，电子产品等。 /p h3 style=" text-align: justify " Fusion Flex-Eye的在线配置器 /h3 p style=" text-indent: 2em text-align: justify " span style=" text-indent: 2em " 作为可定制的产品，产品的制作和销售过程与JAI的标准Fusion系列型号或其他相机是不同的。首先客户需要定义自己需要Fusion系列Flex-Eye相机的技术要求，并将其提交给JAI，以从技术角度来确认是否可以完成制作。 /span & nbsp /p p style=" text-indent: 2em text-align: justify " 于是JAI开发了一款 strong Flex-Eye在线配置器 /strong ，可以让客户轻松定义自己的技术要求，它把自定义选择所需波段过程可视化了。通过鼠标逐步点选完成对传感器分辨率，个数，黑白彩色等参数进行选择。直观的GUI界面可以帮助用户在简单的频谱图上进行拉伸或收缩，来完成对波段范围的选择。 /p p style=" text-align: center " img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/202009/uepic/f577a45e-37c1-467f-b8a6-0ddf9da4f98d.jpg" title=" 1.png" alt=" 1.png" / /p h3 style=" text-align: justify " 有关Fusion Flex-Eye相机性能的更多信息 /h3 p style=" text-indent: 2em text-align: justify " Fusion系列的Flex-Eye系统订制出的棱镜相机具有与JAI的Fusion系列的标准型号相同的高性能。配备三个320万像素传感器的相机在全分辨率下能高达107fps运行，而两个320万像素传感器的双通道棱镜相机能以123fps的速度运行。对于具有三个160万像素传感器的棱镜相机，全分辨率下的最大速率为212fps，而对于两个160万像素传感器，更是达到了226fps的速度。 /p p style=" text-align: justify text-indent: 2em " 配备集成的自适应技术的10GBASE-T（10GigE）接口支持相机数据的大数据量要求，提供对NBASE-T（5Gbps和2.5Gbps）和传统1000BASE-T（1Gbps）的自动向下兼容低速以太网标准。除了8位输出之外，相机还可以提供10位和12位输出，并在多个传感器上既支持同步又支持非同步的操作模式。 /p

北科院资源环境研究所副研究员乔鹏炜等针对不同省区重金属来源、扩散途径和土壤理化性质等开展调查分析，评估了它们对相应省区重金属空间分布的影响及规律，得出一系列结论，相关研究成果以《中国土壤重金属空间分布来源、扩散途径和受体属性的定量分析及其嵌套结构分析》为题，发表在中科院一区期刊Science of the Total Environment。 研究结论表明，采矿和选矿业是湖南、云南和辽宁土壤重金属的主要来源，这些地区有许多矿山，采矿活动频繁；工业生产和汽车尾气排放等是上海和浙江等经济发达的地区土壤重金属的主要来源；农药、化肥等归一化植被指数（NDVI）是农业相对发达的广东和安徽地区土壤重金属的主要来源。这些结果为确定国家范围内土壤污染修复和预防的修复和预防目标提供了依据。 乔鹏炜等以我国六种土壤重金属（As、Cd、Cr、Cu、Pb和Zn）为研究对象，识别了不同重金属的污染源，定量分析了扩散途径及受体性质对六种重金属空间分布的影响程度，确定各省重金属污染的来源、扩散途径和受体属性，并探讨了重金属的多尺度空间分布结构。 研究发现，土壤类型、采矿和选矿业、GDP（汽车尾气排放和工业生产）和归一化植被指数（NDVI）是六种重金属污染的主要来源，分别占Cr、Cd、Zn和As污染的92.93%、97.81%、99.30%和96.24%。其中，As的空间分布主要受扩散途径的影响，尤其是坡度的影响；Cd主要受受体性质和扩散途径的影响，尤其是土壤含水率的影响；Cr和Pb主要受受体性质的影响，尤其是土壤含水率及土壤有机碳的影响；Cu和Zn主要受土壤质地的影响。这些因素共同作用，导致我国的东—西和南—北方向均有两种嵌套尺度的空间分布结构。其中，较大尺度的空间结构对重金属的空间分布有更显著的影响，尤其是在东—西方向。 研究指出，要准确防治土壤重金属污染，不仅需要确定重金属的来源，还需要准确评估扩散途径和土壤理化性质对土壤中重金属空间分布的影响。因此，调查及监测全国范围内土壤重金属污染水平，并分析其分布结构及污染来源，对于全国土壤污染防治具有重要意义。 该项研究得到北京市自然科学基金面上项目资助。 相关论文信息：https://doi.org/10.1016/j.jhazmat.2023.130961

冠层叶绿素含量（CCC）可以反映一个种群的总光合生产力，是判断植物个体生长和营养状况的重要依据。通过遥感准确监测冠层和叶片尺度的叶绿素含量是确定作物生长状态和预测产量的关键。玉米是一种高秆作物，叶面积大，冠层深。它具有不均匀的叶片叶绿素含量（LCC）垂直分布，这限制了遥感的叶绿素含量评估。因此，了解LCC和叶片反射光谱的垂直异质性对提高CCC监测的准确性至关重要。 基于此，在本研究中，来自中国农业科学院作物科学研究所和宁夏大学农学院的研究团队以玉米为研究对象，于2019年和2020年在位于中国东部河南省黄淮海玉米生态区的中国农业科学院新乡实验站通过5个氮处理梯度（0、100、200、300和400 kg/hm2（记为N0–N400））建立各种冠层结构，采集不同生长季节作物冠层叶片，并测量了其LCC和叶片光谱反射率（ASD FieldSpec 4光谱仪+植物探头+叶片夹，光谱范围为350-2500 nm）。主要目标为：（1）理解施氮量对玉米冠层叶绿素垂直分布的影响以及生长季节叶绿素分布的动态变化；（2）在不同时空条件下探索冠层叶片光谱反射率特征差异以及验证基于叶片光谱反射率的VI模型是否可以准确反演LCC；（3）确定敏感叶位（可用于表征LCC和CCC之间的关系）以及评估基于叶片光谱的VI模型的鲁棒性和准确性，以评估冠层叶绿素状态。2020年9月2日研究区俯视图 (a)。高光谱反射率测量系统（b）。台式叶绿素分光光度计 (c) 。2020年8月8日五次氮处理（N）下的冠层状况（d）。【结果】2020年生长季节玉米冠层LCC的垂直剖面。（a、c、e）不同位置叶片的光谱反射曲线。（b、d、f）不同叶片位置波段与LCC的相关系数曲线。6种LCC-VI模型的rRMSE（%）：（a）mRER、（b）VOG2、（c）CIred-edge、（d）NDRE、（e）MTCI 和（f） DD。rRMSE用于评估模型反演精度。rRMSE的值较低对应于预测值和观察值更接近。中期模型（a）、后期模型（b）和生殖模型（c）CCC预测值和2019年实测值对比。【结论】 5个施氮水平用于构建不同的玉米冠层结构，揭示玉米冠层叶片叶绿素含量（LCC）的垂直异质性以及叶片光谱反射率特征。基于冠层LCC的垂直分布，建立多元逐步回归（MSR）模型以准确监测冠层叶绿素含量（CCC）；LCC表现出不对称的垂直分布，呈现出底层较低，中层上升，上层下降的趋势。氮处理显著改变了LCC，且不同处理之间LCC的垂直剖面分布基本一致。分析了不同时空条件下叶片光谱反射率特征。绿色波段（531-567 nm）和红边波段（712-731 nm）是监测LCC的敏感波段。6个经典的VIs用于构建VI-叶绿素模型，其中修正的红边比值植被指数（mRER，R2=0.87）构建的模型最优。VI模型可以准确预测生长中期的LCC（rRMSE=10.9%），但是，上、下叶层VI和LCC的相关性在营养生长早期和成熟阶段发生变化（rRMSE=36%-87%）。通过结合反演精度和多元逐步回归，结果发现在CCC估算中，营养阶段叶位L6以及生殖阶段L11+L14（L12是穗叶）最敏感。这样，基于叶片光谱反射率构建了VI-LCC-CCC模型以估算冠层叶绿素状态。利用2019年和2020年田间试验数据评估了模型性能，结果表明该模型具有良好的鲁棒性和准确性（rRMSE=8.97%）。请点击下方链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650312959&idx=1&sn=579c2cd2862e8037f3fe0a32dda8e2ee&chksm=bee1bc00899635161ff79ab90bcff29bc9a96537973b3be2cb439a88caa8d8e36c29108f32eb&token=1852366781&lang=zh_CN#rd

8月12日，北京安洲科技有限公司对中国林业科学研究院的410-Shark机载高光谱、Lidar50机载激光雷达以及AZ3D-2机载倾斜摄影进行了设备验收，在同一地块分别进行了不同传感器的影像数据飞行实验，并进行了高光谱与激光雷达的数据融合处理，实验结果得到了用户的一致好评。410 Shark机载高光谱Lidar 50机载激光雷达AZ 3D-2 机载倾斜摄影410 Shark机载高光谱处理结果ENVI中打开高光谱影像数据高光谱3D Cube归一化植被指数NDVILidar 50机载激光雷达处理结果Lidar 50点云实时预览Lidar 50样区正摄影像图Lidar 50解算完成点云图AZ 3D-2 机载倾斜摄影处理结果角度1 观测角度2 观测NDVI与lidar点云融合结果

森林火灾是一种危害大的自然灾害，是森林扰动的主要类型之一，直接影响森林生态系统结构、碳循环甚至全球气候的变化。近年来，航空平台和传感器的技术进步有效地提升了机载遥感系统探测和监测森林火灾的能力，推动了机载遥感在森林可燃物调查及载量评估、火险测报预测、火场态势及火情监测、灾害损失评估以及火烧迹地生态修复治理等方面的应用。本文将主要介绍中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy （即芬兰SPECIM AisaFENIX1K机载光学全谱段遥感系统）和如何利用系统所采集的多源遥感数据即正射影像、冠层高度模型、高光谱影像、热红外影像，分析其在森林火灾监测评价中的潜力，并以四川省西昌市“3.30 森林火灾”作为该系统火后灾情遥感调查和灾情评估应用示例，表明该系统可有效分析森林火灾的灾情信息、火场及火环境参数，可为预防、预报预警、扑救指挥、灾害评估和生态修复提供支持。中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy （即芬兰SPECIM AisaFENIX1K机载光学全谱段遥感系统），是由芬兰SPECIM公司针对中国林业科学院光学全谱段地空综合森林观测系统及动态数据驱动森林火场全息模拟科研平台定制产品，共包含5个传感器：AisaFENIX1K全光谱高光谱相机、激光雷达、中波热像仪、长波热像仪以及高精度惯导系统，如图1所示。这套系统也是上套可同时采集380-2500 nm高光谱以及中长波热红外数据的航空机载系统，将获取用于林火监测预警、森林参数估测的温度场影像和高光谱影像以及相匹配的数字地面模型，为我国森林防火预警做出重要贡献。图1 CAF-LiTCHy即芬兰SPECIM AisaFENIX1K机载遥感观测系统此次研究的数据采集主要是针对2020-03-30发生森林火灾的泸山风景区，在明火全部扑灭后，完成航飞采集任务。该地区的乔林木主要以云南松为主，零星分布少量赤桉、杨树和栎树，林下有马桑、杜鹃、坡柳等灌木，以及黄茅、草、 莎草、 紫 茎 泽 兰等地被物。在春末干燥高温环境下，易于发生森林火灾，数据如图2所示。（a）CCD 影像（b）高光谱假彩色图像图2 西昌森林过火区机载高光谱数据结合高空间分辨率的机载 CCD 影像以及相关研究 （Lentile 等，2006； Veraverbeke 等， 2012；Meng 等，2017），将本次西昌森林火灾的林火烈度分为未过火、轻度过火、中度过火以及重度过火等4个等。对于单株林木的林火烈度判读标准如下：（1） 未过火：冠层为绿色且保持原本形状，枝叶结构未见火烧痕迹；（2） 轻度过火：树冠未全部被烧，绿色冠层占比 70% 及以上；（3） 中度过火：树冠的枝叶多数被烧黄或烧毁，绿色冠层占比 25%—70%；（4） 重度过火：树冠全部被烧，裸露出烧焦的黑色树干，绿色冠层占比 25% 及以下。图3（a）、（b）分别展示了不同林火烈度的高分辨率机载CCD影像和高光谱影像，不同林火烈度的区域在真彩色和假彩色显示影像中均可明显区分，尤其在中度和重度过火区。（a） 不同烈火程度的CCD影像（b） 不同林火烈度的高光谱影像（R = 887.07 nm，G = 668.89 nm，B = 580.26 nm）图3 不同烈火程度的CCD影像和高光谱影像图4展示了机载高光谱影像中火烧迹地、正常冠层、中度过火冠层、水体、裸土、柏油路的光谱曲线特征的光谱特征的变化，以此作为高光谱数据用于过火区森林冠层评估的理论依据，从该图中可以明显地观察到，相较于未过火的正常冠层，中度过火冠层由于叶片由绿变焦黄、叶绿素丧失，导致蓝、红光的吸收作用减弱，同时由于火烧导致叶片细胞结构发生变化，其叶片在800 nm—1100 nm 的反射峰明显削弱，另外叶片含水量的降低导致其在 1450 nm、1950 nm 的吸收率降低，反射率升高。此外，重度过火区的树木已成碳灰状，使得该火烧灰烬区域在 400 nm—2500 nm区间内的反射率在 0.1 附近。由此可见，过火区不同典型地物的光谱曲线反映了本次采集和处理后的机载高光谱数据具备有效刻画地物光谱特性的能力，对确定过火区的林木冠层受害程度以及估测森林火灾受害面积具有重要的理论依据。图4机载高光谱数据典型地物光谱曲线其次高光谱影像以及其波段衍生的指数可以在空间上更有效地反映林火烈度，结合Haboudane 等（2008）和Huesca 等（2013）的研究结果，利用高光谱数据的优窄波段信息分别计算了修正型土壤调节植被指数 （MSAVI）]和归一化燃烧率指数 （NBR），本文选取机载高光谱影像的673.34 nm（红 光 波 段）、804.22 nm（近红外波段）以及2132.65 nm （短波红外波段）的反射率来计算MSAVI与NBR，如图5所示。在未过火区，MSAVI和NBR 均较高；在重度过火区，MSAVI 和 NBR 均较低。同时，结合CCD影像的林火烈度标准的目视判读结果，利用阈值划分法对 NBR 进行林火烈度划分。图 5（d）展示了该区域林火烈度的空间分布，其中房屋、道路和裸地等非植被区也被归类为重度过火区域，在进一步的分析中可以结合分类结果或光谱特征进行剔除。由上述结果可见，利用高光谱数据及其衍生产品能在一定程度上反映此次森林火灾的受害程度，生成的林火烈度图在空间上与林内实际过火状况表现出很好的一致性。（a）机载高光谱影像 （b）修正型土壤调节植被指数 （c）归一化燃烧率指数 （d）林火烈度中国林业科学研究院机载光学全谱段遥感系统 CAF-LiTCHy集成了激光雷达扫描仪、热红外相机、CCD 相机、高光谱传感器等 4 种对地观测传感器，可同时获取观测区域内地物的垂直和水平结构、光谱以及温度等信息，其中，CCD 相机和高光谱相机具备对地物类型、植被状态 （树木冠幅、植被长势、水分含量、叶面积指数等）、火灾损失程度等灾情信息观测能力，其影像可用于地物类型识别、植被参数提取、火烧迹地识别、以及灾情评估等，从而为火行为预报模型提供的可燃物及环境参数。 参考文献：[1]. 庞勇，荚文，覃先林，斯林，梁晓军，林鑫，李增元 .2020. 机载光学全谱段遥感林火监测 . 遥感学报，24（10）：1280-1292[2]. Pang Y，Jia W，Qin X L，Si L，Liang X J，Lin X and Li Z Y. 2020. Forest fire monitoring using airborne optical fullspectrum remote sensing data. Journal of Remote Sensing（Chinese），24（10）：1280-1292［DOI：10.11834/jrs.20200290］ 公司背景：芬兰SPECIM公司是上早制作商用高光谱相机的厂商，从1995年至今已有二十余年的生产历史，累计有5000余套设备应用于全球各个领域，其产品拥有优异的数据质量。AISA 航空高光谱相机系列是针对航空和国防应用开发的专业解决方案，涵盖VNIR (380-1000 nm), SWIR (1000-2500 nm) 和用于热成像的LWIR (7.6-12.4um) 光谱范围。产品包括：AisaKESTREL系列—高端无人机载高光谱相机、AisaIBIS—超光谱植物荧光探测高光谱相机、AisaFENIX系列—全光谱（400-2500nm）采集高光谱相机、AisaOWL—热红外（7.5-12.5um）高光谱相机。其高光谱传感器无与伦比的性能，使ASIA系统成为在航空高光谱领域的佼佼者，已有近100套系统在全球范围内使用。Quantum量子科学仪器贸易（北京）有限公司作为芬兰SPECIM公司的中国区的官方代理，将竭诚为新老客户服务。

近日，农学院智慧农业团队在国际顶级遥感期刊《Remote Sensing of Environment》发表了题为“A disease-specific spectral index tracks Magnaporthe oryzaeinfection in paddy rice from ground to space”的研究论文，报道了他们在多尺度稻叶瘟敏感光谱指数构建，以及小农户田块稻叶瘟发生时空动态遥感监测方面的重要进展。稻瘟病（Magnaporthe oryzae）是威胁全球水稻生产的最具破坏性的真菌病害。现有的稻叶瘟发病信息主要通过田间调查来获取，这种方法不仅费时费力，而且存在代表性差等弊端，难以满足大范围稻瘟病高时效高精度监测的需求。构建适用于叶片和冠层尺度的稻叶瘟敏感光谱指数，对于遏制病害蔓延、病害定损评估、早期病害预测预警至关重要。现有研究多集中在基于机器学习或统计模型的单一尺度稻叶瘟识别和病情指数估算，缺乏对稻叶瘟高度敏感、可适用于叶片（个体）和冠层尺度（群体）的光谱指数。该研究综合分析了从单叶到冠层尺度稻叶瘟侵染引起的光谱响应（图1），基于单波段可分性和特异性光谱响应规律创建了一对稻叶瘟敏感植被指数(RIce Blast Indices, RIBIs)，进一步通过光谱指数波段优化方法确定了三波段具体位置(R665, R753和R1102)。利用叶片、近地面冠层和卫星平台获取的多年多试验点实测数据，系统评价了RIBIs在不同尺度对稻叶瘟病害严重程度的估算能力。结果表明，在叶片尺度RIBIred对感染和健康样本的识别表现出最高的分类精度（图2），而在冠层尺度RIBInir则表现出与病情指数最高的相关性（图3）。图1. 稻叶瘟侵染下不同病害严重程度的水稻光谱反射率。A. 单叶尺度不同接种后天数(Days after inoculation, DAI）；B. 近地面冠层尺度不同病情指数(Disease index, DI)。图2. RIBIs与传统光谱植被指数在温室（2018和2019）和自然条件下（2020）对健康与感病叶片分类精度的比较。RBVI：前人研究中对稻叶瘟较敏感的植被指数，SVI：类似RIBI的植被指数，TBVI：传统三波段植被指数，OD：其他类型病害指数，CW：叶绿素及水分敏感植被指数。图3. RIBInir和传统指数NDVI在近地面（A和C）及卫星尺度（B和D）与稻叶瘟病情指数DI的相关性。不同颜色散点代表在不同时期和试验点获取的样本。该研究进一步对Sentinel-2卫星影像提取的RIBInir进行时间序列分析和热点分析发现，在时间维度上，基于RIBInir的时间序列能准确追踪小农户田块中稻叶瘟的爆发与恢复态势，而传统植被指数NDVI对自然条件下稻瘟病发生过程的敏感性更差（图4）。空间维度上，RIBInir对稻叶瘟发生区域的刻画更加准确，稻叶瘟时空动态传播规律的与实地调查一致性更好（图5），卫星影像分析结果中表征病害恢复的绿色像素与呈现恢复趋势的黑色调查点吻合度更高。该研究构建了适用于叶片和冠层尺度的稻叶瘟敏感光谱指数，显著提高了对多尺度稻叶瘟发生的识别精度和对病情指数的估算能力；首次提出了基于光谱指数图的小农户田块稻叶瘟爆发热点识别思路，为基于卫星遥感的稻叶瘟传播概率等级划分和病害流行风险评估奠定基础。图4.试验区（以江苏省淮安市唐曹村为例）Sentinel-2影像植被指数的时间序列结果比较（A. RIBInir B. NDVI）。红色星号表示不同水平下的显著性差异。图5.两个典型研究区卫星影像RIBInir和NDVI的热点分析结果（左：江苏省淮安市唐曹村；右：江苏省淮安市太平村）。黑色点代表实地调查点。该研究由南京农业大学国家信息农业工程技术中心完成，农学院博士研究生田龙为论文第一作者，程涛教授为通讯作者。据了解，智慧农业团队在国家自然科学基金等项目，以及现代作物生产省部共建协同创新中心等平台的资助下，瞄准作物病虫害高时效高精度监测预警难题，持续开展了多年温室与田间试验，近两年连续在Remote Sensing of Environment上发表稻叶瘟光谱监测机理与方法方面的创新成果，对于作物病虫害天空地一体化监测预警和作物绿色智慧生产具有重要价值。

火炬松是美国南部最重要的森林树种，它生长迅速、适应性强，可用于建筑木材、胶合板和纸浆等。松梭形锈病是由真菌Cronartium quercuum f.sp. fusiforme（Cqf）引起的一种影响该物种的常见且具有破坏性的病害。这种真菌通常会感染幼树的茎，导致被称为“锈瘿”的肿瘤样生长物产生，可能会造成树木死亡或产生“锈丛”，从而妨碍树木生长，降低木材使用价值。种植抗病苗是限制该病害的最有效的措施。温室中抗病性测试在人工接种幼苗后的目视估计病害发病率和严重程度具有高度主观性，容易出现人为错误，且劳动密集。此外，目视评估只有在病害感染一段时间后，症状充分发展时才能进行。而高光谱成像可同时获取空间和光谱信息，提供了在不同空间尺度上分析光谱信息的机会，已成功应用于多种植物物种的病害和胁迫检测。基于此，在本文中，来自北卡罗来纳州立大学和密西西比州立大学的研究团队提出了一种利用高光谱成像技术筛选火炬松幼苗梭形锈病发病率的创新方法，具体目标为（1）开发高光谱图像处理管道，用于从火炬松幼苗图像中的特定感兴趣区域（ROI）中提取光谱数据；（2）基于来自(1)的特定ROI的光谱数据，评估用于区分患病和未患病幼苗的SVM分类模型。图1 火炬松幼苗高光谱图像采集的成像装置。【高光谱图像获取】线性扫描高光谱成像仪（Pika XC2，Resonon Inc.，Bozeman，MT，USA）用于收集400至1000 nm范围内的高光谱数据，光谱分辨率为1.3 nm。高光谱图像立方体的尺寸为1600×n×462，其中n为创建一个数据立方体使用的线扫描数，1600为每条线的像素数。获取高光谱图像后，通过阈值化归一化植被指数（NDVI）图像从背景中分割出幼苗，并通过使用Faster RCNN模型的目标检测来实现个体幼苗的描绘。随后使用DeepLabv3+模型对植物部分进行分割。并使用几何特征分割冠层像素。从植物片段中提取光谱数据后，训练支持向量机（SVM）分类模型用于患病和非患病植物的分类。【结果】图2 测试集随机组图像的茎像素（红色）和非茎像素（绿色）。对于每株植物，左图显示了地面实况标签，右图显示了DeepLabv3+模型预测结果。表1 利用DeepLabv3+对茎叶像素进行分割的像素精度和平均交并比(mIoU)值。表2 不同ROI的分类模型结果。图3 左：箱线图显示了从不同ROI提取的数据中使用SVM判别模型获得的平衡精度。ST：茎上半部分；S：全茎；SB：茎下半部分；WP：整株植物；C：冠层。右图：使用茎上半部分光谱数据的SVM分类模型的接收器操作特征(ROC)曲线与具有完美和不存在判别能力的模型进行比较。【小结】作者通过研究发现，本文所提出的方法可有效检测病害发病率。随着进一步研究图像采集和处理方法，以及通过使用自动化表型平台，火炬松幼苗的高通量表型分析将成为目前在抗性筛选中心所使用方法的一个组成部分。

Workswell与欧洲领先的生命科学研究机构捷克布拉格生命科学大学作物研究所经过多年合作，开发出了世界首款作物水分胁迫指数成像仪WIRIS Agro，它是第一款可用于农业领域精确绘制大面积水分胁迫指数图（CWSI）的机载成像设备。WIRIS Agro成像仪提供了LWIR波段传感器和10倍光学变焦的全高清相机 (1920x1080像素FHD)，结合配套的CWSI分析仪软件，能够在很短的时间内生产出大面积农作物的潜在产量图。水分胁迫(water stress)是植物水分散失超过水分吸收，使含水量下降，植物细胞膨压降低，正常代谢失调的现象。土壤水分亏缺是作物水分胁迫最主要的诱因，重度水分亏缺会严重影响作物生长发育从而最终影响作物产量。因此，诊断作物水分亏缺、寻求适度水分胁迫阈值以谋求最高的水分利用效率一直是农田节水灌溉和精准农业研究中的热点问题。目前，作物水分亏缺指标使用最广泛的是Idso等于1981 年提出的作物水分胁迫指数（Crop Water Stress Index ，CWSI)，CWSI是基于冠层温度和空气湿度关系，同时综合考虑了植物、土壤、大气等各种作用因素的一项综合性水分胁迫指标,其中冠层温度是可以通过遥感手段获取的基本信息之一。因此，随着目前低空轻小型无人机的大量使用，通过无人机平台高速获取大面积的植物群体CWSI图像数据终于成为可能。作物水分胁迫指数成像仪WIRIS Agro可搭载于多种类型无人机平台（如安洲科技生产的A660多旋翼无人机、AVF-1000/2000固定翼无人机等）快速精准地获取大面积植被的水分胁迫值、热红外图像数据以及高清RGB图，可用于作物产量制图、优化灌溉或控制水分利用管理补救措施等方面，是现代农田节水灌溉、精准农业、遗传育种和植物表型研究的无人机测量利器。通过CWSI图像优化马铃薯田灌溉条件如上图：基于土壤传感器数据的马铃薯田优化灌溉作业，右侧WIRIS Agro成像仪的图像所示，一些区域灌溉饱和，而其他区域灌溉不足，因此需要根据获取的CWSI图像，重新更好地定位土壤传感器。WIRIS Agro机载作物水分胁迫指数成像仪的主要用途及优点：① 状态监测评估，监控水分胁迫：使用彩色CWSI地图表述作物的水分利用问题，并可结合NDVI植被指数对作物的生长状况和产量进行研究评估；② 管理灌溉管理：灌溉系统优化，优化土壤传感器的位置和分布；③ 植物表型：WIRIS Agro成像仪可获取不同的植物物种对水分状况的不同反应，为作物遗传育种和植物表型研究提供基础数据；④ 丰富的接口：WIRIS Agro成像仪提供了多种接口，可以与无人机、控制单元、外部GPS传感器等进行广泛的连接。安洲科技可为用户提供多种机载设备飞行测试服务，欢迎联络！

图1 变色龙软体机器人变色实验图（来源：Nature Communications）近日，韩国首尔大学等团队公开了“仿生变色龙软体机器人”成果，有望在军事等领域应用，基于伪装技术的不断升级，伪装识别系统也同样备受关注！在过去的100年中，伪装在大多数国家和地区的军事行动中扮演了至关重要的角色。在军事中，伪装就是隐真与示假，隐真是通过主题对背景的仿真，从而使主体目标物隐藏在背景目标中，无法或者难以被发现。国防工程中，通过采用伪装网与复合材料等方法，进行仿形和仿颜色遮蔽来实现；例如，迷彩服，就是一种最传统的伪装方法。而示假是通过对真目标的仿真，用假目标迷惑观察者，比如，二战期间，苏联采用大量“木质坦克”来迷惑德军，使得德军不敢轻易急速进军。“仿”易于实现，一般只需外形相仿。“真”是要求性质上的相似。植被环境背景下的作战，是最常见的战场模式，特别是在山区、丘陵、草原等地区的作战；因此植被背景下的伪装，是必须解决的反伪装技术之一。需要用到的仪器图2 真实场景（A 为绿色的目标、B 为浅绿色塑料假草皮、C 为翠绿色塑料假草皮、D 为绿色雨衣、E 为老式伪装目标、F 为草地）图3 可见光波段和短波红外光谱曲线（可由ATP9110-25H测得）图4 左为真实场景下可见光565nm波段的灰度图像；右为真实场景下近红外1320波段的灰度图像（可由ATH9500-4-17测得）对比可见光与近红外高光谱波段伪装目标的伪装效果发现，可见光波段下，即使物体颜色相似，但是材料不同，光谱曲线变化率也会不一样；在近红外波段下，不同物体的光谱反射值存在较大差异，但是光谱曲线变化率相对较小。图5 左是真实树叶，右为高仿绿色伪装网我们采用全波段地物光谱仪（如奥谱天成的ATP9110-25H型全波段地物光谱仪），测得的高仿伪装网的光谱曲线在 400~1300 nm之间与灌木条叶面光谱曲线很相似，而且具有植被“红边”及可见光波段的绿色强反射峰等特征，在此波段区域不易于区分植被和伪装网光谱。这是一款非常优 秀的高仿绿色伪装网。图6 地物光谱仪（可用奥谱天成ATP9110-25测得）采集树叶和纯绿色伪装网光谱曲线图图7 地物光谱仪（可用奥谱天成ATP9110-25）测得树叶和伪装网光谱曲线图（叶绿素吸收、红边区域局部放大图）从图中可以看出，高仿伪装网一样有红边效应，但是与真实的绿叶还是有差别的。另外，树叶有明显的叶绿素反射峰，而高仿伪装网则没有。图8 基于探测与感知的伪装效果评估流程图（可用ATH9500、ATH9500-4-17型无人机高光谱成像仪测得）基于对目标的实时监控、搜索、侦察以提高战场情况的感知能力及提供打击效果评估的需要，美军希望利用高光谱成像具有较高空间分辨率及高光谱分辨率的特点，通过高光谱融合信息探测出可疑目标位置，引导高空间分辨率成像载荷对目标进行详细分类确认，开展了大量的高光谱军事应用研究项目HYMSMO。图9 机载侦查实验图像1994年10月~1995年10月美国先后进行了白沙导弹试验场沙漠辐射 Ⅰ ､ Ⅱ 试验，森林､城市辐射试验，岛屿辐射试验。以沙漠､森林､城市和岛屿等具有典型地貌的场景为背景环境，研究证实了高光谱成像对目标的可探测性。在进行真假目标､隐藏试验时，高光谱谱段数210个，波段范围0.42~5 μ m ，光谱分辨率10nm ，地面像元分辨率范围0. 75~3m 。图9为沙漠背景环境下，机载侦察试验对伪装的“飞毛腿”导弹发射车(图9 ( a )所示)拍摄的全色图(图9 ( b )所示)及高光谱图像(图9( c )所示)，全色图像难以确定目标，但是高光谱图像特征明显。图10 奥谱天成ATH9010无人机载高光谱飞行演示随着科学技术的进步，遥感技术也得到了飞速发展，并日趋成熟。其所具有的全方位、多尺度、全天时、全天候及精细化成像等优点，使遥感侦察变得更加直接与准确，对发现疑似目标与揭露隐蔽目标也更为犀利。遥感技术使传统伪装技术方法与装备器材受到了很大制约，对伪装技术的发展提出了更加严峻的挑战，迫使伪装技术另辟蹊径，寻求更为有效的应对措施与技术方法。更多关于“高光谱”的应用，欢迎咨询！

近日传来消息，我国第二代极轨气象卫星的首发星风云三号A卫星于2008年发射以来，至今已在轨稳定运行六年，这标志着我国极轨气象卫星成功实现了升级换代，具备了全球、全天候、多光谱、三维、定量遥感探测的功能。 　　发射及运行六年来，该卫星在北京奥运会的气象保障、载人航天飞行任务的顺利执行、玉树和雅安地震灾区监测和冰岛火山喷发监测、汛期气象灾害监测和生态 环境监测、马航搜寻和雪龙号考察船救援等方面发挥了重要作用。其资料和产品在多领域得到了广泛应用，提高了天气预报的时效，加强了自然灾害的监测能力，增 强了国家重大活动气象服务保障能力，并在世界气象组织框架下与美国、欧洲共同构建全球气象观察业务应用系统，提升了对全球重大气候和环境事件的监测能力， 取得了显著的应用效益。 　　中国科学院上海技术物理研究所研制的扫描辐射计、中分辨率光谱成像仪、红外分光计及地球辐射探测仪作为卫星的主要载荷，具备单轨3000KM覆盖、多 光谱、三维垂直探测、定量遥感探测等功能，支撑我国气象卫星实现了从单一遥感成像到地球环境综合探测、从公里级分辨率到百米级分辨率的跨越。 　　遥感仪器 在轨工作六年以来，获得了大量的对地成像、探测遥感数据，由地面应用系统处理生成了包括海表温度、海冰监测、海上气溶胶、海洋水色、火点判识、陆表反射 比、陆表温度、陆上大气可降水、晴空大气可降水、陆上气溶胶、全球云量与云分类、沙尘监测、射出长波辐射、雾监测、云检测、云光学厚度和云顶温度/云高、 植被指数等遥感业务产品，直接应用于全球及中国地区重要天气、环境事件以及气候变化等方面的卫星遥感监测和分析，仪器的探测能力已接近并部分超过欧美极轨 气象卫星同类在轨业务应用载荷的水平。 　　六年来，扫描辐射计、中分辨率光谱成像仪和红外地平仪昼夜连续工作，状态稳定，且星上备份产品还未启用，大大超过了在轨工作两年的考核要求，为风云三 号卫星多颗星组网运行提供了技术保障。目前仪器的遥测参数正常，各项性能特别是探测灵敏度未见有明显幅度变化，各通道均工作正常，高质量的遥感数据确保了 卫星遥感产品的应用效能。

p style=" text-indent: 2em text-align: justify " 12月13日出版的《自然》增刊“2018自然指数—聚焦中国”显示，2012年至2017年中国对自然指数的贡献增长了75%，增幅显著超出多个排名领先的国家，如美国、德国、英国和日本。中国在自然指数中所占的全球科研产出份额也由9%上升到16%。 /p p style=" text-indent: 2em text-align: justify " 自然指数表明，中国最具实力的学科领域为化学，中国所有的自然指数论文中有二分之一涉及化学。从2012年到2017年，中国在自然指数中的化学论文产出增长了84%，位列全球第二，居美国之后。在天文学和太空研究方面，中国已超过英国成为全球第二大论文产出国，也仅次于美国。本期增刊发表了一系列专题文章分析了中国在化学、植物生物学、天文学及太空科学、生物医学工程和纳米科学这些优势领域的科研表现和领先地位。 /p p style=" text-indent: 2em text-align: justify " 根据2015年到2017年的科研产出情况，本期增刊还列出自然指数中国十大科研机构：北京大学、清华大学、南京大学、中国科学技术大学、浙江大学、复旦大学、中国科学院大学、中国科学院化学研究所、南开大学和苏州大学。 /p p style=" text-indent: 2em text-align: justify " 自然指数还显示中国科研人员的国际科研合作在不断增多，中国2015年到2017年的自然指数论文中有将近二分之一是国际科研合作的结果，这个比例与美国大致相同。这种国际科研合作在中国科学院、北京大学和清华大学尤为普遍。 /p p style=" text-indent: 2em text-align: justify " 但是，增刊也显示中国在科研质量和效率方面尚需持久的改善——虽然中国在自然指数中的总产出居第二位，但是如果以Dimensions数据库中的总产出和研发支出总额分别为基准进行归一化计算后衡量，中国在领先国家中的排名则不居于前列。 /p p style=" text-indent: 2em text-align: justify " 自然指数主编Catherine Armitage说：“中国的崛起书写了本世纪的科学发展篇章。因此今年有消息说中国的科研论文产出在2016年已超过美国成为世界第一并不令人意外。不过，尽管2012年以来中国在自然指数中的总产出增长了75%，但仍居第二位，距美国还有相当的距离，这表明中国在科研质量方面还需继续前行。” /p p style=" text-indent: 2em text-align: justify " 自然指数追踪的是科研机构在全球82种高水准自然科学期刊上的论文发表情况，这些期刊由科研人员所组成的独立小组评选出来，是他们最想用来发表自己最佳科研成果的期刊。 /p

p style=" line-height: 1.5em " 　　12月13日出版的《自然》增刊“2018自然指数—聚焦中国”显示，2012年至2017年中国对自然指数的贡献增长了75%，增幅显著超出多个排名领先的国家，如美国、德国、英国和日本。中国在自然指数中所占的全球科研产出份额也由9%上升到16%。 /p p style=" line-height: 1.5em " 　　自然指数表明，中国最具实力的学科领域为化学，中国所有的自然指数论文中有二分之一涉及化学。从2012年到2017年，中国在自然指数中的化学论文产出增长了84%，位列全球第二，居美国之后。在天文学和太空研究方面，中国已超过英国成为全球第二大论文产出国，也仅次于美国。本期增刊发表了一系列专题文章分析了中国在化学、植物生物学、天文学及太空科学、生物医学工程和纳米科学这些优势领域的科研表现和领先地位。 /p p style=" line-height: 1.5em " 　　根据2015年到2017年的科研产出情况，本期增刊还列出自然指数中国十大科研机构：北京大学、清华大学、南京大学、中国科学技术大学、浙江大学、复旦大学、中国科学院大学、中国科学院化学研究所、南开大学和苏州大学。 /p p style=" line-height: 1.5em " 　　自然指数还显示中国科研人员的国际科研合作在不断增多，中国2015年到2017年的自然指数论文中有将近二分之一是国际科研合作的结果，这个比例与美国大致相同。这种国际科研合作在中国科学院、北京大学和清华大学尤为普遍。 /p p style=" line-height: 1.5em " 　　但是，增刊也显示中国在科研质量和效率方面尚需持久的改善——虽然中国在自然指数中的总产出居第二位，但是如果以Dimensions数据库中的总产出和研发支出总额分别为基准进行归一化计算后衡量，中国在领先国家中的排名则不居于前列。 /p p style=" line-height: 1.5em " 　　自然指数主编Catherine Armitage说：“中国的崛起书写了本世纪的科学发展篇章。因此今年有消息说中国的科研论文产出在2016年已超过美国成为世界第一并不令人意外。不过，尽管2012年以来中国在自然指数中的总产出增长了75%，但仍居第二位，距美国还有相当的距离，这表明中国在科研质量方面还需继续前行。” /p p style=" line-height: 1.5em " 　　自然指数追踪的是科研机构在全球82种高水准自然科学期刊上的论文发表情况，这些期刊由科研人员所组成的独立小组评选出来，是他们最想用来发表自己最佳科研成果的期刊。 /p p br/ /p

利用遥感方法，可以对地面上的农作物生长情况进行及时、准确的监测和分析。所获得的作物信息有助于粮食安全早期预警，为作物种植管理和贸易决策提供有效支撑。然而在技术层面上，如何用定量和客观的方法来提升农情监测信息的可靠性，仍然极富挑战。在近期发表于《国家科学评论》（National Science Review, NSR）的综述文章中，中国科学院空天信息创新研究院、对地观测组织全球农业监测旗舰计划（GEOGLAM）联合主席吴炳方研究员团队（以下简称CropWatch团队），联合澳大利亚昆士兰大学、比利时法兰德斯技术研究院、美国内布拉斯加大学和俄罗斯科学院空间研究所的相关研究人员系统总结了遥感农情监测中作物长势、面积、产量等信息的监测方法，分析其中存在的问题和挑战，提出了提升农情信息定量化的实现途径和解决地面数据制约农情监测的众源数据方案，并主张发布农情信息需要避免利益冲突。监测作物长势在现有的农情监测系统中，常使用植被指数来评价大区域尺度下作物的综合生长活力，并通过对植被指数当前值与历史值的差异比较，来评价作物长势的好坏。然而，年际间的物候变化、作物轮作休耕现象，以及植被指数饱和等问题，均会导致作物长势监测信息的偏差。因此，作者指出，在作物长势监测时，需要结合物候差异、轮作和休耕等信息对作物长势信息进行订正，以降低作物长势监测的不确定性。另一方面，如何将遥感监测得到的长势信息转化为作物的苗情等级，还缺乏统一的标准，作物长势评估的定量化方法也尚待建立。监测胁迫信息干旱、病虫害等胁迫因素会影响作物的生长，对其进行监测有利于及时发出预警和指导农业生产管理。在旱情监测领域，目前用于气象干旱和农业干旱监测的指标不胜枚举，但是部分旱情指数混淆了气象干旱和农业干旱的表征意义——事实上，通过适当的农田管理措施，如灌溉等，可有效缓解气象干旱对农作物的影响，将二者混淆不利于对真实旱情的把握。因此，对于气象干旱和农业干旱，需要研制不同的监测指标。另一方面，干旱指标划分的旱情严重程度与作物实际受旱程度存在偏差，如何将干旱指数反映的旱情转化为作物的实际受旱程度还缺乏统一的标准。在病虫害监测方面，虽然已有众多遥感指标用于对病虫害的胁迫程度进行表征，但是这些指标都依赖先验知识来确定病虫害的类型。高光谱数据可以反映叶片生化成分及其变化，是养分胁迫和病虫害胁迫监测的有效数据源。然而当前高光谱卫星时间分辨率低、幅宽窄，在大区域业务化监测中还有很长的路要走。未来，需要发展高时间分频率、专注于养分胁迫和病虫害敏感谱段的传感器，以提升养分胁迫和病虫害遥感监测的能力。监测作物产量作物产量预测是农情遥感监测的核心内容，也是用户最关注的农情信息。要完成这一预测，需要通过遥感监测掌握两类信息：特定作物的种植面积，以及该种作物的单产。要了解某种作物的种植面积，首先需要在遥感数据中实现作物分类。随着遥感技术的不断发展，以及机器学习和深度学习等自动分类方法的逐渐应用，作物分类方法也日臻完善，为全球尺度的作物分类制图提供了可能。然而当前方法都高度依赖地面调查样本，当样本量不足时，往往难以取得理想的效果。未来，还需要发展不依赖样本的结构化作物精准识别方法，如CropWatch团队研制的水稻“淹水期-移栽期”光学植被指数和微波后向散射系数显著变化相耦合的方法，实现了南亚和东南亚10m水田的精准提取。此外，还应当发展完善分类模型中的时间和空间迁移学习方法，以减少作物分类模型对地面数据的依赖性。融合水稻关键物候期光学植被指数和雷达后向散射系数强度变化的东南亚和南亚的10m分辨率水稻分布图在种植结构复杂的区域，作物精准识别仍面临挑战，不可能一味通过提高卫星遥感数据的分辨率来实现大范围作物分布的提取。而将遥感监测获得的耕地种植成数与众源数据监测的作物分类成数相结合，可以更为高效可行地解决农田破碎区、作物种植结构复杂区的作物种植面积监测难题，可以满足全球作物种植面积监测时效性高等运行化的需求。作物单产监测则是农情遥感监测的难点。当前的作物单产预测方法可以归纳为：①基于农气信息、关键植被指数和微波特性的统计回归方法；②基于作物生长过程的物理模型法；③生物量和收获系数结合的半经验法；④以机器学习和深度学习为主的数据驱动的预测方法。作物单产预测模型（a.统计回归法，b.生物量与收获指数法，c.作物生长模型，d.数据驱动方法）然而，由于影响作物单产的要素众多，且要素之间相互关联，产量的形成和波动涉及复杂的生物、物理和化学过程，导致作物单产预测仍然是当前农情监测的最薄弱环节，原因是目前所使用的参数、指标和方法并不能完全解释作物单产的决定因素。未来，还需要发展新的传感器来预测作物单产，特别是在光学、微波、热红外监测的基础上，开展作物几何结构的观测，发展新的作物单产预测方法。农情监测：挑战与机遇在农情监测领域，实地观测数据和区域专家知识的缺乏，会显著降低监测信息的准确性和适用性，导致相关决策的误判。实地观测数据因费时、费力、可获得性差，一直制约着农情监测的发展。随着智能手机的普及，其内嵌的传感器越来越丰富，众源大数据有望弥补地面调查数据不足的问题。CropWatch团队基于智能手机开发的GVG众源信息采集APP，通过耦合深度学习算法，实现了带有位置标签的作物类型、灌溉类型信息的高效感知；同时通过融合计算机视觉方法，发展了可用于作物单产快速采集的技术，通过计算穗数、每穗的籽粒数和千粒重等参数，实现了小麦/水稻单产的无损化精确观测，显著提升了地面调查数据的采集效率。基于智能手机、计算机视觉和深度学习的小麦单产无损获取此外，虽然卫星观测数据美丽又客观，但是通过专家分析得到的信息往往包含利益导向。因此，综述作者明确主张发布农情信息需要避免利益冲突，用户也需要使用不同的信息源以避免无意识地被误导。为了减少农情监测的主观影响，CropWatch团队允许用户参与到农情监测信息分析的全过程，最大程度的确保了结果的客观性和透明度，避免了信息的偏差对决策的干扰。当然，最好的方式是用户有自己的农情监测系统。但受开发和维护成本以及技术的限制，这对大多数用户来说都很难实现。为此CropWatch以应用程序编程接口（API）方式开放了所有组件和功能供用户调用。莫桑比克农业和农村发展部通过调用相关功能，实现了整个国家的农情监测。这一实践被国际农业发展基金（IFAD）评为2020年最佳农村解决方案之一，也是2022年联合国“南南合作”促进可持续发展的优秀案例。上述成果得到了科技部政府间国际合作重点项目“GEOGLAM框架下的先进农情监测方法”和中科院地球大数据A类先导专项课题“一带一路资源调查与评估”等项目的支持。

岛津分析制备双流路系统制备液相系统常用于混合样品中目标化合物的分离纯化，建立合适高效的分析条件是获取高纯度目标化合物的重要环节之一。分析条件的优化通常在分析规模上进行，这一过程包含流动相筛选、梯度优化等，各环节都需要消耗大量时间。此外，样品回收后纯度复测通常需要手动转移至进样器完成，增加了人力成本。因此，本文以氢化可的松的纯化过程为例，展示岛津分析制备双流路系统搭配LabSolutions MD方法开发软件，将条件优化、放大制备、纯度复测等过程集中于单一系统中，以完成整个工作流程。 图1 制备纯化的工作流程 岛津分析制备双流路系统 单一系统实现从分析到制备的方法放大及纯度和回收率的确认 利用方法开发软件（LabSolutions MD）自动创建分析方案并实现分离条件优化 LH-40液体处理器可直接将馏分再进样于分析流路，完成纯度检测SHIMADZU• ✦分析规模下分离条件的优化✦• 条件优化前，氢化可的松与主要杂质水杨酸之间非常接近（图2）。此时如果增加上样量可能影响两种化合物之间分离进一步恶化，从而导致回收率降低。因此，优化分离条件至关重要。常规的优化方式，往往需要人为设置多个方法来逐个验证，消耗大量时间且过程复杂繁琐。LabSolutions MD是一款支持方法开发的专用软件，通过对不同参数的设定，可自动生成分析时间表，提高优化效率。在本案例中，设置了三个初始浓度及三种不同水平梯度，可生成九种分析方案（图3），获得如图4所示的分析结果。其中方案③分离度最好。 图2 分离条件优化前色谱图 图3 LabSolutions MD自动生成分析方案 图4 LabSolutions MD优化分离条件结果方法③为最优选择SHIMADZU• ✦上样量的优化✦• 在前序优化条件下，分别注入10、20、30、40、50和100µL的氢化可的松溶液（10000mg/L）。在100μL进样时，氢化可的松和水杨酸的分离并不充分（图5中蓝色椭圆内），同时出现了一个未知的小峰（图5中红色圆圈），表明氢化可的松没有完全分离。而当进样量为50µL时，氢化可的松与相邻峰分离良好。因此，采用50µL为分析条件进样量。完成上述工作后，根据制备柱及分析柱之间横截面积比将已优化分析条件放大至制备规模，进行制备纯化过程。 图5 不同上样量的优化结果SHIMADZU• ✦目标化合物的收集✦• 当完成条件优化后，将方法放大至制备规模进行目标化合物的收集。使用紫外检测器信号触发收集。放大后，氢化可的松与水杨酸之间保持充分分离的状态（图6）。 图6 UV触发制备色谱图SHIMADZU• ✦纯度及回收率的确认✦• 利用LH-40可进样的特点，将已收集的氢化可的松重新注入分析流路进行检测，同时将氢化可的松标准混合溶液进样分析。根据标准品及回收目标化合物纯度色谱图，采用面积归一化法，获得的目标化合物纯度以及回收率均保持在较高的水平。 图7 纯度检测色谱图 SHIMADZU• ✦总结✦• 利用岛津分析制备双流路系统与LabSolutions MD软件的高效结合，可以将制备纯化分析的全过程统一于单一系统完成。该流程包括在分析规模上优化分离条件、扩大分馏规模以及确认纯度和回收率等。可以有效的提高制备效率，同时降低成本，减少实验过程中人为因素的干扰。下期预告通过紫外信号触发的制备色谱图中，在氢化可的松的底部有一个非常小的峰（如图6红色框内），表明在最终的分馏样品中可能仍然有杂质的存在，那面对这样的问题，我们又将如何解决？将在下一期介绍双信号同时触发收集进一步提高回收纯度及回收率的相关方案。 本文内容非商业广告，仅供专业人士参考。

随着智慧农业发展，植物表型研究成为农业科技创新的前沿阵地。深耕智慧农业十余年，托普云农基于在植物表型领域的深厚积累，隆重推出高通量植物表型采集分析平台，实现植物表型测量的高通量、高精度、无损化、可复现。01 重磅上线盆栽植物数字表型采集分析系统左：盆栽植物二维/三维数字表型采集分析系统右：高光谱植物数字表型采集分析系统温室型植物表型采集分析平台左：逆境模拟及植物生长监测平台右：温室型高通量植物表型采集分析平台田间植物表型采集分析平台左：田间无人机式高通量植物表型采集分析平台右：田间轨道式高通量表型采集分析平台左：田间无人车式高通量植物表型采集分析平台右：田间固定式植物表型监测系统02 核心优势高通量可进行植物单器官、单株到群体的表型分析实现自动化传送、自动化采集自动解析识别，一次可获得上百种参数单器官表型分析单株表型分析群体表型分析高精度在可见光、高光谱成像基础上通过自研算法与计算机技术实现植物快速、高精度测量提升株高、冠幅、生物量等参数的测量准确性可见光二维成像可见光三维成像高光谱成像高效率二维单株分析时间小于5秒三维单株解析时间小于2分钟高光谱单株分析时间小于5秒三维单株动态展示无损化采用无接触测量法能够全程监测作物从出苗到成熟的每一个生长阶段实现精准的重复对比分析辣椒缺水状态的重复对比实验多维度对植物的器官-单株-群体从二维图像解析/三维高精度重构/高光谱曲线交互分析等维度解析植物的形态结构和生理功能满足多维度综合型实验数据需要让结果更全面、更精准三维、高光谱成像下植物病害识别展示高光谱成像下30个植被指数可视化动态展示应用广托普云农高通量植物表型采集分析平台，能够测量不同生境下，植物器官-单株-群体等表型数据，并提供智能分析、数据挖掘等功能。广泛适用于遗传育种、分子生物学植物生理学、植物病理学生态学、环境科学、植物保护等研究领域多年深耕精研，托普云农以科研端、产业端真实需求为导向，运用先进的光谱成像、图像识别、深度学习等技术，精心打造多元化植物表型仪器，并与多家科研机构携手，推动表型产品快速落地应用。托普云农期待与更多伙伴携手，以科技力量洞察生命之秘！

作物收获指数（HI）是评价作物产量和栽培效果的重要生物学参数，是进一步提高作物产量的重要决定因素。对作物育种、作物生长模拟、精准农业作物管理、作物产量估算及其它方面的应用研究具有重要意义。近年来，遥感凭借其在速度、精度和覆盖范围等方面的优势已逐渐成为获取大尺度作物HI的有效技术手段。而无人机（UAV）遥感技术也迅速发展，成为农业遥感监测的新手段。目前，UAV遥感传感器主要包括数码相机、多光谱相机和高光谱相机。其中，高光谱相机具有较多的波段，可以获取与作物生长状况密切相关的波段信息，可以为作物动态生长监测提供丰富的信息源，并可靠收集作物HI动态变化信息。然而，目前利用UAV高光谱遥感估算作物HI并无相关报道。基于此，在所附文章中，来自中国农业科学研究院的一组研究团队以冬小麦为研究对象，充分考虑其开花期至成熟期生物量和灌浆过程的变化以获取作物动态HI（D-HI）的空间信息。动态fG（D-fG）参数估算为开花期至成熟期期间不同生长期累积的地上生物量与对应时期地上生物量的比值。作者基于无人机高光谱遥感（DJI M600 Pro UAV+ Resonon Pika L 高光谱成像）数据进行了D-fG参数估算，提出了一种获取冬小麦D-HI空间信息的技术方法，并验证了所提出方法的精度。通过UAV高光谱数据计算的归一化差异光谱指数（NDSI）和D-fG测量值之间的相关关系筛选出D‑fG估算的敏感波段中心和最佳波段组合，从而实现D‑fG的准确估算。最后，基于D-fG遥感参数和D-HI估算模型，准确获取冬小麦D-HI空间信息。Pika L 高光谱成像仪研究区域中国河北省衡水市深州县（37.71°~38.16°N，115.36°~ 115.80°E）。图1 研究区位置和UAV飞行样地分布。图2 本研究应用方法概述结果表1 D-fG和NDSI之间关系及其精度验证图3 基于敏感波段中心λ(724 nm，784 nm)的D-HI估算结果（2021年5月25日）。图4 基于敏感波段中心λ(724 nm，784 nm)的D-HI估算结果（2021年6月4日）。结论通过将静态fG参数转化为动态D-fG参数，提出了一种基于UAV高光谱数据的D-fG遥感参数获取冬小麦D-HI空间信息的方法并进行验证。最后，准确估算了冬小麦D-HI的空间信息。其中，选取5对敏感遥感波段中心以估算D-fG参数：λ（476 nm，508 nm），λ（444 nm，644 nm），λ（608 nm，788 nm），λ（724 nm，784 nm）和λ（816 nm，908 nm）。验证了基于遥感的D-fG估算值，RMSE为0.0436-0.0604，NRMSE为10.31%- 14.27%，MRE为8.28%-12.55%。同时，5对敏感高光谱波段中心的D-HI空间信息估算精度较高，RMSE为0.0429-0.0546，NRMSE为9.87%-12.57%，MRE为8.33%-10.90%。基于高光谱敏感波段中心λ（724 nm，784 nm）的D-HI估算结果精度最高，RMSE、NRMSE和MRE值分别为0.0429、9.87%和8.33%。本研究中D-fG和D-HI的估算结果具有较高的准确性，证明了所提出的基于UAV高光谱数据估算冬小麦D-HI空间信息的方法的可行性。这对未来利用卫星遥感进行大尺度作物D-HI估算具有一定的参考意义。请点击以下链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650311697&idx=1&sn=4d80ee946dd13c8de0696546b9c40941&chksm=bee1a0ee899629f8f3cb273e4a62f4d8ee9c0401ce1a9fddd5448755c2ae8e66b0654c58b3fc&token=1416149618&lang=zh_CN#rd

本文内容非商业广告，仅供专业人士参考。

随着遥感技术的不断发展， 对地球诸多水环境要素进行动态监测成为现实。我国环境遥感应用领域的发展经历了从单纯的环境监测发展到了环境区划、环境影响评价和预测研究等。遥感水环境监测从一次性监测发展到了连续动态监测，从个别指标的定性研究扩展到了多目标、多层次的模型研究和定量分析，从单一卫星数据源的应用发展到了多数据源、多时相、多分辨率遥感数据的应用。遥感在水环境监测中发挥着越来越大的作用。 　　城市水污染监测 　　应用遥感手段，可以快速监测出水体污染源的类型、位置分布以及水体污染的分布范围等。下图是利用 SPOT5 卫星影像得到的某城市污水企业所排放的工业废水情况。 图 1 城市水环境污染监测 　　如图1所示， 从图片中可以清晰的监测出排污管道的精确位置， 同时，可监测出河水表面积累的厚厚的油污和浮游物体。 　　湖泊水污染监测 　　利用遥感技术能迅速、同步地监测大范围水环境质量状况及其动态变化。 水环境的遥感监测是基于污水的光谱效应。遥感在水污染监测中的应用发展很快，现在已可测出水体的叶绿素、泥沙含量、水温、水色等信息，还可对环境污染事故进行遥感跟踪调查、预报事故发生点、污染面积、扩散程度及方向，估算污染造成的损失并提出相应的对策。 　　本方案基于 TM 影像，应用 GIS 平台，提取某区域湖泊信息，利用空间建模工具计算出温度植被指数 TNDVI，研究湖泊水域内部水污染空间分布规律。 图 2 研究区湖泊污染监测 　　利用计算机自动分类与人机交互式解译方式获取土地利用数据，进而提取湖泊水体信息。 图 3 研究区土地利用信息 　　本方案主要监测水体富营养化情况， 考虑到水体温度和叶绿素对水体富营养化的影响，对计算温度植被指数(TNDVI)再分类提取。 　　温度植被指数(TNDVI)可利用空间建模获取，计算函数为： 　　TNDVI=Sqrt[(Band4-Band3/Band4+Band3)+0.5] 　　TNDVI 计算后，根据经验和野外验证(实测数据)对 TNDVI 指数分为四级指标，即： 　　0.41&le TNDVI 图 4 水污染空间分布图 　　基于水污染空间分布图，可定性与定量评价水污染程度、污染面积及主要分布区域。 　　海洋环境监测 　　通过对遥感信息的分析、仿真和模拟， 可以获得影响海洋理化和生物过程， 如海冰运动、海流循环模式、海表面等温线分布、叶绿素浓度等相关参数。在现代海洋渔业中， 遥感已成为渔情分析和预报的重要技术手段之一。在海洋污染监测方面，卫星遥感可实现对海洋大范围、全天候的污染监测，有很高的实用价值。 　　利用海洋遥感产品制作中国近海等温线分布，分布如下。 图 5 海洋等温线分布

癌症疫苗通过将肿瘤抗原呈递给免疫细胞以激活免疫反应，然而，由于在许多癌症中缺乏广泛表达的肿瘤抗原，肿瘤疫苗的制备受到阻碍。由于缺乏广谱表达的肿瘤相关抗原，且每个患者肿瘤细胞所表达肿瘤特异性抗原独一无二，癌症疫苗的临床研究受到阻碍。为了避免上述情况，自体肿瘤细胞由于其无需前瞻性地识别目标抗原，被用于构建个性化肿瘤疫苗。但是，在一般构建个性化多价肿瘤疫苗的过程中，自体肿瘤细胞在经过灭活处理去除致瘤性后，其免疫原性也会大量丢失，很难产生有效的抗肿瘤免疫反应。2021年11月1日，美国新墨西哥大学Jeffrey Brinker，Sarah Adams和Rita Serda课题组合作在Nature Biomedical Engineering杂志上发表题为Cancer vaccines from cryogenically silicified tumour cells functionalized with pathogen-associated molecular patterns的研究论文，报道了一种用于个性化免疫治疗的模块化肿瘤全细胞疫苗，该疫苗在高级浆液性卵巢癌模型中显示出持久的治疗效果。研究团队通过低温生物矿化技术，在去除肿瘤细胞致瘤性的同时，完整保存了患者肿瘤细胞的肿瘤抗原；之后，进一步将病原相关分子模式（PAMP）修饰在矿化肿瘤细胞表面上，模拟病原体表面性质以促进树突状细胞对肿瘤疫苗的识别和摄取；保证大量的肿瘤抗原被呈递给T细胞，并激活T细胞攻击肿瘤细胞，从而实现肿瘤特异性免疫应答。值得注意的是，此疫苗对肿瘤细胞的抗原保存可以简单推及至其他肿瘤细胞。同时此疫苗可以在室温下干燥储存。在补液后，基于个体患者对治疗的反应或针对患者肿瘤的免疫状况，可以个性化加载适宜的免疫佐剂，以提高免疫治疗效果。卵巢癌的患者往往会出现严重的腹水。这些腹水需要通过腹腔经皮穿刺取出或在肿瘤减积手术时排出。研究团队证明卵巢癌患者的腹水样本可用于高效肿瘤全细胞疫苗的制备，这为个性化肿瘤疫苗的快速开发和生产提供了临床可行性。同时，研究团队发现即使在卵巢癌晚期，肿瘤全细胞疫苗与卵巢癌治疗一线药物-顺铂的联合使用也可以极大的提高患者的生存期和存活率。这表明，此疫苗可以有效地整合到现有的卵巢癌治疗方案中，以提高癌症治疗效果。综上所述，研究团队提出了一种高效的自体癌症疫苗。简单的低温硅化过程可以推广到多种肿瘤全细胞疫苗的制备；模块化设计使肿瘤疫苗可以个性化搭载各种免疫刺激物，加强免疫反应。个性化肿瘤疫苗的直接递送，可以将肿瘤微环境重新编程，促进抗肿瘤免疫反应，并保持对肿瘤的免疫记忆，防止肿瘤复发。此外，此方法简化了疫苗的生产和存储条件，避免了临床应用受到冗长而复杂的生产要求的限制。同时与当前化学药物治疗方案的整合，促进了个性化全细胞肿瘤疫苗的临床转化。美国新墨西哥大学健康科学中心内科-分子医学系郭佶慜博士和新墨西哥大学健康科学中心妇产科的Henning De May博士为本文的共同第一作者。原文链接：https://doi.org/10.1038/s41551-021-00795-w

p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201711/insimg/e1b53786-6e16-4afb-80d3-15282f1c3af7.jpg" title=" 2.jpg" style=" width: 600px height: 446px " width=" 600" vspace=" 0" hspace=" 0" height=" 446" border=" 0" / /p p span style=" font-family: 微软雅黑, Microsoft YaHei " 　　在今年年初的J.P. 摩根大通医疗保健大会（J.P. Morgan Healthcare Conference）上，Illumina发表了堪称地表上最强的测序仪NovaSeq。全新的测序架构所带来的超高通量，让Illumina的总裁兼CEO Francis deSouza自信地宣示，百元基因组时代的来临已指日可待。从一月产品发布到Q3 财报公布时, Illumina已经出货近200台NovaSeq到客户手中。 br/ & nbsp br/ 　　无可匹敌的超高通量，是吸引许多客户眼球的第一元素。年初S2 流动槽最先上市，一个流动槽每次运行可达到28-33亿数量的reads / clusters。在双S2流动槽同时运行的情况下，使用2x150 bp读长，一次NovaSeq测序可以在一天半内解码16个人类基因体（平均30x覆盖深度）。10月中推出的S4流动槽，更将通量翻了三遍。一个S4流动槽每次运行可达到80-100亿数量的reads / clusters，所以双S4流动槽运行可以在不到两天内解码48个人类基因体（6万亿硷基通量）。S4的强大功能，将加速大规模基因组研究计画，对临床研究提供关键性的突破。如同哥伦比亚大学基因组医学研究所主任David B. Goldstein所言，NovaSeq系列所激发的研究规模和成本，都是一年前无法想像的。这全新系列的可扩展测序机不只帮助基因组医学走向更大规模的研究，也能推动实现如液态活检、肿瘤深度全基因组分析、和大数量单细胞测序等需要高覆盖深度或高强度的测序应用普及化。 br/ & nbsp br/ 　　NovaSeq高通量的可扩展性，满足不同产量的测序应用，也是其受到许多用户青睐的关键。除了可以选择S2 或S4流动槽，以及自由设定单槽或双槽同时运行之外，与S4同时推出的NovaSeq Xp工作流程让NovaSeq系统的灵活度更上一层楼。NovaSeq Xp工作流程的流动槽上样栈与试剂，让用户可以将文库直接上样到流动槽的单个通道中。由于每个通道的文库独立不混杂，用户可以根据通道来划分样本和项目。NovaSeq Xp工作流程带来更大的自由度，例如每个通道使用96个样本索引，每个流动槽一次可以测序384各样本。这样高度的多样本测序（multiplexing）也顺带减低了每个样本DNA所需的起始量。用户可以自由决定使用标准工作流程来混合各种文库类型在一个流动槽裡，或是利用NovaSeq Xp工作流程裡的上样栈实行新颖的样本索引方法，最佳化有效地利用地表上最高通量的测序仪。 br/ & nbsp br/ 　　NovaSeq 6000系统支援所有文库制备方法，例如全基因组测序（WGS）、靶向重测序（targeted resequencing）、RNA测序（RNA sequencing）、和甲基化测序（methylation sequencing）。用户可以在BaseSpace Sequencing Hub上找到NovaSeq产生的范例Illumina文库测序结果。 br/ br/ 　　更多关于NovaSeq系统规格和NovaSeqXp工作流程的细节，可以参考Illumina网站上的白皮书： br/ https://www.illumina.com/content/dam/illumina-marketing/documents/products/datasheets/novaseq-6000-system-specification-sheet-770-2016-025.pdf br/ & nbsp br/ 　　除了NovaSeq S4流动槽和Xp工作流程，Illumina在10月推出的创新产品还包含了Nextera DNA Flex，一款全新的高性能全基因组测序（WGS）文库制备试剂盒。Illumina了解在NGS测序技术不断进步下，文库制备的技术也要跟上脚步，一起加速基因组医学爆发性地前进。目前许多实验室在NGS流程的文库制备阶段仍然遭遇瓶颈。多数文库制备流程以及前后的多个步骤，耗时又耗工。文库制备前需要DNA提取、定量和片段化，而文库制备后的步骤包括文库质量评估、文库浓度定量和归一化。这让许多实验室都要延误不少时间在文库制备流程，才能开始测序过程。 br/ & nbsp br/ 　　Nextera DNA Flex的核心技术为Bead-Linked Transposome （BLT），将Nextera的转座体（transposome）链接在磁珠上。BLT的On-Bead Tagmentation整合了DNA片段化（fragmentation）、片段接头化（adapter ligation）、和文库定量归一化（library normalization）的步骤，减少手动接触点并节省文库制备时间到2. 5小时。搭配Flex Lysis Reagent Kit的细胞裂解试剂，Nextera DNA Flex允许直接加入样本如血液、唾液、乾血纸片、和微生物菌株。直接加入样本进一步省去了样本制备的繁琐步骤，不需要辅助设备和试剂来提取DNA。从而将文库制备的整体周转时间，从样本到上测序机，缩短到三小时以内。Nextera DNA Flex的简约有助于自动化流程的使用。 br/ br/ 　　除了是Illumina产品线中最快且最简化的文库制备流程，Nextera DNA Flex的On-Bead Tagmentation提供了比in-solution tagmentation更均值的DNA片段化反应。当样本DNA起始量超过BLT的饱和点（大约是100ngDNA），过多的DNA便无法被片段化。不同于其他种文库制备方法，这样的化学特性使得Nextera DNA Flex片段化结果不会受到DNA定量的准确度影响。当DNA量介于100-500ng 之间，Nextera DNA Flex制备后的文库片段长度和上样量几乎是固定的。用户可以利用Nextera DNA Flex的广泛样本DNA起始量，灵活支持各种类型的基因组测序，简化日常操作。　 br/ & nbsp br/ 　　BLT与样本DNA饱和后带来的均匀文库片段长度和上样量，也提升了基因组测序覆盖度的均一性。不管是人类或非人类基因体，文库DNA片段均匀地覆盖在高与低的GC区域，没有偏好性。这样的通用特性让Nextera DNA Flex应用范围广泛，支持人类或其他大型/複杂基因组以及扩增子和微生物、寄生虫或真菌物种的测序，并且与Illumina各款测序仪完全兼容。用户可以在BaseSpace Sequencing Hub上找到Nextera DNA Flex应用在不同动植物和细菌基因体所产生的文库和在不同Illumina测序仪上的结果。 br/ br/ 　　更多关于Nextera DNA Flex的全新技术BLT原理、快速与整合的流程、以及全基因组测序表现和TruSeq Nano与Nextera XT的比较，请参考Illumina网站上的白皮书： br/ https://www.illumina.com/content/dam/illumina-marketing/documents/products/datasheets/nextera-dna-flex-data-sheet-770-2017-011.pdf br/ br/ 　　另外两份白皮书详尽讨论Nextera DNA Flex的文库制备成果： /span /p p span style=" font-family: 微软雅黑, Microsoft YaHei " br/ /span /p p span style=" font-family: 微软雅黑, Microsoft YaHei " strong 人类基因体 /strong br/ https://www.illumina.com/content/dam/illumina-marketing/documents/products/appnotes/nextera-dna-flex-human-genomes-application-note-770-2017-018.pdf br/ br/ strong 微生物基因体 /strong br/ https://www.illumina.com/content/dam/illumina-marketing/documents/products/appnotes/nextera-dna-flex-small-genomes-application-note-770-2017-019.pdf br/ & nbsp br/ 　　今年十月份发布的这些新产品，NovaSeq S4流动槽、NovaSeq Xp工作流程（预计十二月份开始接受订购）、和Nextera DNA Flex文库制备试剂盒，再度展现Illumina的创新能力，并帮助加速基因组医学迈向大规模、高性能的全基因组研究之路。 br/ /span /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201711/insimg/8ccfe1a5-9088-43fc-b096-b005ae6f42b3.jpg" title=" 1.jpg" / /p p span style=" font-family: 微软雅黑, Microsoft YaHei " strong 作者简介 /strong br/ br/ 庄涵宇博士 br/ Illumina高级经理，生物信息和基因组应用合作 br/ Han-Yu Chuang br/ Senior Manager, Bioinformatics and Genomics Applications Partnerships, Illumina Inc. /span /p

近几年来我国每年发生森林病虫害面积达一千多万亩，损失林木二千多万立方米，造成经济损失一百多亿元。森林病虫害是主要的森林灾害之一，破坏森林资源的同时，还造成了一定的经济损失，同时给生态环境也带来了严重的负面影响，被人们称之为“无烟的森林火灾”。林业生产的发展和生态环境的建设与森林病虫息息相关，森林病虫的发生严重制约着林业的可持续发展进程。因此，监测森林病虫害的发生发展对生态文明建设具有重要的意义。在高光谱遥感技术兴起之前，有许多不可识别的物质，但是自从高光谱遥感出现以来，除了定性检测之外，在某些领域还可以对物质进行定量检测。高光谱遥感技术具有多波段、高光谱分辨率、相邻波段间高相关性、高空间分辨率等突出优势。从技术上讲，高光谱遥感技术是光谱技术和成像技术的结合。高光谱遥感技术的出现，使得森林病虫害监测有了新的思路，对实现森林病虫害的早期防治具有重大的意义和价值。奥谱天成-无人机载高光谱随着科技的发展，无人机作为一种搭载传感器的遥感平台，为遥感领域开辟了新的思路。与其他遥感技术相比，它因成本低、操作简单、空间分辨率高、获取图像的时间和地理限制少而逐渐被应用到各行各业。高光谱遥感技术在森林病虫害监测中的研究应用植物在生长过程中与环境因素相互作用的综合光谱信息被称之为植物的光谱特征。基于病虫害光谱响应的生理机制和光谱数据监测病虫害。监测方法主要包括以下方面。基于病虫害光谱响应特征进行监测作物病虫害的光谱响应可以近似为病虫害引起的色素、水分、形态和结构变化的函数，因此它通常是多效性的，并且与每种病虫害的特征相关。基于植被指数进行监测通观察不同病虫害生长条件下的植被特征参数，建立多种监测森林病虫害的植被指数。建模反演:植被生理生化参数能很好地反映植被的长势，进行建模反演是监测森林病虫害的关键。上图：机载高光谱观测森林病虫害由于高光谱遥感图像具有连续光谱、多波段、实效性好和数据量大的特点，其在林业中的应用研究逐渐成为现代林业研究的重点。遥感技术在害虫监测中的应用已经逐渐从理论走向实践，但仍有许多问题需要进一步探索和研究。大规模害虫发生的实时动态监测和预警是未来的一个重要趋势。

第三届高光谱成像应用研讨会暨怀柔光电产业发展论坛于8月12日在北京成功开幕。来自全国各大知名高校及研究院的近百位名专家学者出席了本次会议，围绕高光谱遥感展开精彩学术分享与讨论。主持人张永强（左）、孔令迪（右）本次会议聚焦光谱成像新技术介绍、农业光谱遥感应用、光谱图像分析算法、食品光谱检测应用、林业光谱遥感应用、高光谱目标检测六个议题，涉及食品检测、植被遥感、分析检测、农业遥感、地质探矿、水体遥感、分析算法、工业应用、林业遥感、成像技术、海洋遥感等多个领域。会议以邀请学术报告为主线，其间穿插学术前沿展示和高端国产仪器展示，呈现出高光谱遥感技术的全新精神面貌。会议现场会议伊始，双利合谱法人代表丁良成感谢各位专家老师的莅临，丁总强调，本次研讨会的成功举办离不开各位专家老师的支持和参与，希望通过本次会议能够进一步加强高光谱技术的交流与合作。随后，怀柔区副区长兰雄景为研讨会友好致辞，在致辞中表示，怀柔区一直以来都非常重视科学仪器的发展，希望通过本次研讨会让科学家走进怀柔，共同建设百年科学城，加快形成新质生产力，为推动高质量发展、推进中国式现代化作出更大贡献！北京市怀柔区人民政府副区长 兰雄景北京市卓立汉光仪器有限公司创始人兼董事长 丁良成双利合谱总经理张永强代表公司开场主持，并感谢北京市怀柔区人民政府副区长兰雄景、北京卓立汉光仪器有限公司董事长丁良成、怀柔区经济和信息化局副局长崔元甲、北京卓立汉光仪器有限公司总经理张志涛、怀柔仪器董事长张鸣剑、中国农业大学彭彦昆教授、中国科学院空天信息创新研究院副院长张兵研究员等重磅嘉宾莅临现场。嘉宾合影（部分）中国农业大学教授彭彦昆为大家带来《高光谱成像技术在农产品品质检测分级中的应用现状和趋势》的报告。彭教授在报告中介绍高光谱成像的技术特征的基础上，同时介绍了在农产品品质无损检测分级装备中的应用。针对农产品生产、加工和贮运物流等产销链关键环节品质检测分级技术的现状和需求，报告实用检测分级技术装备案例和应用场景，并展望未来发展趋势。中国农业大学教授彭彦昆来自中科院空天信息创新研究院研究员张兵为大家做了《遥感大数据与智能解译》的报告。报告主要介绍以下几个方向1.智能遥感卫星2.无人机遥感3遥感大数据4.遥感大数据区域时空分析讲述了遥感原理与应用方向；从智能遥感卫星的变革层次以及发展趋势让大家了解最新的遥感卫星技术，以及无人机遥感在遥感成像、信息提取等方面的优勢介绍。并强调了遥感大数据对遥感应用的重要性，人工智能为遥感大数据发展提供了重大机遇，人工智能深度融入遥感数据分析使得遥感解译工作更加贴近人类对客观世界的视觉认识，并超越人类。中科院空天信息创新研究院张兵怀柔区经济和信息化局党组成员、副局长崔元甲报告题目为《怀柔高端科学仪器装备和传感器产业推荐》，主要介绍了北京市怀柔区，怀柔是综合性国家科学中心，称为怀柔科学城，怀柔是有独特定位的，就是打造与国家战略需要相匹配的世界级原始创新承载区。以及怀柔科学城的5个重点的发展领域是生命科学、空间科学，物质科学、地球系统科学和信息与智能科学，也是国家对于怀柔科学城布局的5个主要方向。并在产业空间方面，构建了“一核三区多点”的园区布局。一核，国家高端科学仪器装备产业基地，三区，怀柔科学城产业转化示范区。诚挚地欢迎全球的科学家，企业家和投资人走进怀柔、扎根怀柔、筑梦怀柔、共创未来！怀柔区经济和信息化局党组成员、副局长崔元甲南京大学的教授张永光老师报告题目为《植被日光诱导叶绿素荧光遥感方法与应用》，报告介绍了植被日光诱导叶绿素荧光作为新兴的遥感技术之一，能够准确感知植被光合作用动态信息，实现陆地生态系统的高效动态、监测。并重点围绕日光诱导叶绿素荧光遥感方法、监测系统、反演算法及其光合作用探测等研究进展进行汇报，阐述结合“天-空-地”多源遥感数据植被监测中的应用。南京大学教授张永光中国科学院空天信息创新研究院研究员祁志美老师为大家带来的报告是《高光谱SPR传感技术在材料表征、细胞与组织分析方面的应用》。报告系统介绍HSPRM系统集成、性能指标、数据处理算法、及其在材料表征、细胞与组织分析方面的应用研究成果。中国科学院空天信息创新研究院研究员祁志美老师北京理工大学教授李伟老师报告题目为《图谱特征耦合的多源遥感智能解译技术》。李老师在报告中以数据融合、特征优化、协同解译为主线，介绍了高光谱图像具有“图谱合一”的特性，其纳米级光谱探测能力能够对不同类型目标进行精细化解译，在湿地地物类型精准监测任务中独具优势。高光谱多源协同能够集成不同传感器的优势，进一步提升解译性能。然而高光谱多源协同信息提取手段存在不同维度无法同时高分成像、特征异质冗余协同表征不足、跨域分布差异解译泛化性低的问题，严重制约其效能发挥。北京理工大学李伟老师南京农业大学程涛老师做了题为《粮食作物农情参数高光谱遥感混合反演技术》的报告，报告介绍了农情参数遥感反演是农业遥感领域的重要方向，对于粮食安全监测预警和智慧农作具有重要支撑作用。如何构建适用于不同场景的农情参数高精度遥感反演模型，是当前的热点前沿方向之一。由于混合模型可综合经验模型的简便性和物理模型的机理性，它逐渐成为农情参数遥感反演的主流。团队以多年水稻、小麦小区试验和区域散点试验为基础，运用植被指数分析、作物先验知识支撑的辐射传输建模等方法，系统开展了农情参数高精度普适性遥感估算研究。同时介绍了团队在稻麦农情参数高光谱反演方面的最新进展，包括叶绿素敏感指数、遥感氮分配理论、半经验模型标定等创新性成果。研究成果对于作物生长监测仪自主研制、生长动态高频次卫星遥感监测、产量品质智能化遥感预测等具有重要价值。南京农业大学程涛来自扬州大学的孙成明老师报告题目为《基于多源数据的作物生长智能监测》。报告主要介绍围绕稻麦等主要作物，利用图像分析、机器视觉、光谱分析、机器学习等技术与方法，从籽粒计数、麦苗计数、麦穗计数、氮素含量估算、病虫害监测、生长状态监测以及生物量与产量估算等方面开展了研究与探索，得到了一批基于图像技术的计数方法以及基于光谱技术的估测方法，为稻麦生长的智能监测与调控提供了理论支撑与技术途径。扬州大学孙成明老师浙江大学刘飞教授报告题目为《作物信息无人机遥感监测技术与发展趋势》。报告介绍了针对无人机遥感中飞行高度对单位时间作物信息监测面积（效率）和图像空间分辨率（质量）难以统一的难题，研究构建了含29万张作物图像的数据集CropSR用于自监督训练，并基于无人机正射影像和定点航拍数据，构建了真实匹配数据集CropSR-OR/FP用于模型测试；提出并创建了方差-均值-空间注意力(VASA)扩散模型(EVADM)，实现了无人机遥感高效率与高质量的融合统一；融合结构和感知相似度，提出了超分相对保真指数(SRFI)，实现了超分模型综合一致性评估。在×2和4的真实SR数据集上，EVADM相较于基线模型FID降低14.6和8.0的，SRFI提升27%和6%。在Agriculture-Vision公开数据集和多个任务表现优越，为无人机遥感高效率高质量大面积监测提供支撑。浙江大学刘飞教授中国科学院植物研究所严正兵研究员报告题目为《基于高光谱遥感技术的植物功能生态学研究》，本报告将从多尺度植物功能性状的高光谱遥感监测方法、植物功能性状对环境变化响应预警、景观尺度植物功能性状对关键生态系统功能调控等方面加以汇报，希望有助于促进高光谱遥感技术在植物生态学中的应用。中国科学院植物研究所严正兵研究员河南农业大学乔红波教授为大家带来题为《作物病虫害成像高光谱监测研究》的报告。报告针对作物上重要的病虫害，利用成像高光谱技术，在地面和无人机平台对病虫害发生程度进行定量遥感建模和评估，生成病虫害发生危害空间分布，并对其精准防治进行了初步研究。河南农业大学乔红波教授北京师范大学副教授刘志刚老师为大家带来《日光诱导叶绿素荧光（SIF）和光化学指数（PRI）在干旱监测中的应用》的报告。为大家主要介绍利用SIF和PRI监测干旱的原理和研究现状，同时介绍了高光谱遥感可以提取日光诱导叶绿素荧光（SIF）和光化学指数（PRI）。SIF和PRI与植被的光合作用和非光化学淬灭密切相关，能反映干旱胁迫下植被的生理异常。北京师范大学副教授刘志刚老师江苏双利合谱科技有限公司销售总监邓新强报告题目为《科研级高光谱成像系统介绍》。报告主要从光谱技术发展，以及高光谱成像在机载、地面、室内暗箱、显微等不同尺度上的应用，GaiaSky系列的机载高光谱的应用案例介绍、GaiaField 系列在植被冠层，表型等应用，以及 GaiaSorter、GaiaMicro 在反射光谱和荧光光谱的应用案例介绍。江苏双利合谱科技有限公司销售总监邓新强山东农业大学刘平教授报告题目为《高光谱在智能设计育种中的应用》。报告介绍了小麦长势和产量的高效准确估算对小麦评估和田间管理至关重要。为了提高小麦生长和产量估算的准确性，提出了一种基于遗传算法改进的支持向量回归（GA-SVR）算法的估算方法。通过对光谱数据计算的植被指数与小麦生长表型和产量之间的相关性分析，获得具有高度相关性和良好估算性能的最佳植被指数组合。在12个小麦品种和3个梯度氮肥施用的试验中，构建了小麦生长监测的最佳模型并建立了产量估算模型，在不同氮肥施用水平下验证其适用性。结果表明，所构建的叶面积指数、株高和产量估算模型表现良好，决定系数分别为0.82、0.71和0.70，均方根误差分别为0.09、2.7和68.5。无人机遥感技术可用于监测小麦生长状况和估算产量为小麦产量评估和田间管理提供技术支持。山东农业大学刘平教授中国人民公安大学姜红教授报告题目为《高光谱技术在法庭科学中的应用》。报告介绍了高光谱技术在法庭科学中的应用，主要有三点：1.利用高光谱技术检验常见的微量物证、2.利用高光谱技术检验中药材、3.高光谱结合卷积神经网络对食源性致病菌的快速识别。中国人民公安大学姜红教授中国矿业大学（北京）赵恒谦副教授报告题目为《高光谱技术在矿产勘查中的应用》。报告介绍了高光谱遥感技术作为一种重要的辅助手段，能够弥补传统技术的不足，并提高找矿的效率和精确性。选取河北兴隆县花市铷矿床为研究对象，利用GF-5数据进行光谱角制图处理，获取精细的蚀变遥感异常信息分布，并对比分析ASTER多光谱数据的蚀变矿物提取结果，为下一步的蚀变矿物信息提取研究提供技术参考。针对地面采集的刻槽岩石样本，利用ASD便携式地物光谱仪采集样本的点光谱数据，并结合深度学习技术进行岩性分类实验，同时与基于可见光数据的岩性分类结果进行对比，为高光谱技术在矿产勘查中的应用提供了参考。中国矿业大学（北京）赵恒谦副教授厦门大学助理教授郭伟杰报告题目为《基于显微分辨高光谱的Micro-LED发光机制研究》。报告为我们展示了Micro-LED显示已经成为倍受关注的新一代显示技术。然而，尺寸效应制约着Micro-LED显示的分辨率。随着尺寸缩小，Micro-LED的侧壁表面积与其体积之比显著增大，侧壁缺陷密度相应增大，导致载流子非辐射复合加剧、量子效率大幅降低。侧壁区域对Micro-LED的光电性能有重要影响，侧壁缺陷影响载流子的注入分布、非辐射复合，侧壁后处理以及绝缘层沉积影响漏电流，侧壁的粗糙程度影响光提取效率。通过采用显微分辨高光谱，研究Micro-LED侧壁区域的显微分辨发光机制，能够揭示侧壁区域微观构造对光电性能的影响规律，为Mesa蚀刻、侧壁处理、外延设计、二次光学设计等多个方面提供有效支撑，具有重要的科学价值和实际意义。厦门大学助理教授郭伟杰西南交通大学副教授郭裕钧报告题目为《输电线路绝缘子状态高光谱检测方法及应用》。报告介绍高光谱技术在输电线路绝缘子污秽和老化状态检测方法及应用的最新进展。绝缘子是电力系统使用量最大的设备之一，起到杆塔和线路间的机械支撑和电气绝缘作用，电网运行的复合绝缘子已达上千万只。由于长期在户外运行，绝缘子表面易沉积污秽，且受到电、热、紫外等因素长期老化作用，绝缘性能下降可能引发闪络事故，严重时甚至造成大范围停电。传统的输电线路绝缘子状态检测依赖运维人员登塔取样，需要线路停电且检测效率低下。高光谱可反映物质对不同波长光的吸收、反射特性，可在紫外、可见光、近红外等波段对目标区域进行成像，并包含图像与光谱双重信息，在输电线路绝缘子状态非接触、大范围检测方面具有很好的应用潜力。西南交通大学副教授郭裕钧华南理工大学食品科学与工程学院副教授蒲洪彬报告题目为《食品加工过程高光谱快速检测技术与深度学习研究》。报告先是介绍了高光谱技术的原理和现状，接着介绍冷冻、真空预冷等食品加工过程高光谱快速检测方法，最后为我们介绍了食品加工过程高光谱数据的深度挖掘方法。华南理工大学食品科学与工程学院副教授蒲洪彬无锡谱视界科技有限公司销售总监王宇斐报告题目为《跨越光谱技术应用的“门槛”-从科研成果到“实战”场景》。报告主介绍了谱视界公司主要涉及领域以及光谱发展历程，随后介绍了谱视界成像光谱仪的核心技术，和数据分析平台光谱智云，光谱智云的构建模型确保硬件精度的逐步提升。并阐述了目前谱视界的现阶段“实战”方向，主要包含水环境监测、智慧农业、食物数字化、工业分选等领域。最后介绍了目标“实战”的“产学研”合作内容。无锡谱视界科技有限公司销售总监王宇斐会议期间的学术前沿展示区和仪器展示环节也吸引了老师们进行参观和热烈的讨论。同时在第一天的会议圆满结束之后，我们特别举办了一场精彩纷呈的晚宴，并在晚会上进行了抽奖活动。仪器展示环节

Resonon+LR1601 | 机载高光谱成像和激光雷达相融合用于洋白蜡EAB危害的早期监测及新的EAB监测指数-NDVI北京百万亩平原造林项目种植了大面积的北美外来树种—洋白蜡。作为一种外来树种，它极易受到中国本土害虫—白蜡窄吉丁（EAB）的危害。在EAB危害早期，洋白蜡没有明显的受害症状，危害严重后洋白蜡则会大量死亡，因此，亟须开发出一个精准有效的EAB危害的早期监测技术以阻止其进一步扩散蔓延。遥感技术对识别树木大尺度生理和形态变化至关重要，激光雷达可以准确采集物体的三维信息，进行单木分割，提取每棵树的位置和结构信息，从而对森林进行精准管理。无人机系统的快速发展极大地增强了激光雷达在森林健康监测方面的能力。然而，目前尚未有相关研究将机载高光谱图像（UAV-UI）和激光雷达（LiDAR）相结合进行EAB监测。基于此，在所附的文章中，来自北京林业大学的研究团队于2019年8月和9月在中国北京通州区漷县镇（37.7125°N，116.8528°E）（图1）的一片白蜡树林进行了相关研究。作者将机载高光谱图像（Resonon Pika L高光谱相机）和激光雷达（LR1601-IRIS机载激光雷达系统（依锐思，北京理加联合科技有限公司））相融合（图2）监测了EAB对白蜡木的危害，主要研究目标为：（1）确定哪个窄波段光谱HI数据和3D LiDAR数据最有利于白蜡树EAB危害的早期监测；（2）结合UAV-HI和LiDAR，开发一种有效且快速方法进行EAB相关胁迫的早期监测；以及（3）开发半自动分类器用于北京地区白蜡树EAB的早期监测。图1 北京EAB研究区。黄色方框表示UAV飞行区域，红色方框表示两个采样点位置。图2 LR1601-IRIS LiDAR和Pika L高光谱成像仪机载系统。图3 试验流程图。【结果】通过PLS-VIP算法，确定R678 nm是对EAB危害最敏感的高光谱单波段。在此基础上，提出了一个新的EAB早期监测指数-NDVI（776，678）。LiDAR数据被用来进行单木分割和提供单木三维结构信息。通过使用NDVI（776，678）指数，不同受害程度白蜡树的分类准确率得到了较大提升。其中，健康树木的准确度为90%，轻度受害的准确度为76.25%，中度危害的准确度为58.33%，重度危害的准确度为100%，总准确度为82.90%。图4 在选定的敏感波段范围内：（a）400-1000 nm；（b）484-571 nm；（c）608-698 nm；（d）938-1000 nm，不同EAB危害阶段白蜡树冠层平均反射率值。表1 六个数据集对四个EAB危害程度的RF分类结果。图5 （a）飞行区内的HI。（b）包含NDVI（776，678），11个其他植被指数和10个LiDAR指标在内的EAB危害制图。【结论】阔叶树钻蛀性害虫的精准治理是可持续森林管理不可或缺的一部分。由于钻蛀性害虫管理的复杂性，需要高技术手段进行有效和准确管理。无人机高光谱、激光雷达和人工智能技术相结合为精准森林提供了有效解决方案。本研究从HI中收集了窄带光谱信息，从LiDAR中收集了3D数据，并开发了新的植被指数，NDVI（776,678），用于白蜡树EAB危害的精准管理。在HI的原始窄波段反射率光谱中，678 nm处的反射率是检测白蜡树EAB危害最敏感的波段。LiDAR成功用于单木分割。单独使用LiDAR数据区分白蜡木危害阶段的准确度很低，表明LiDAR对洋白蜡EAB危害早期监测不敏感。新指数，NDVI（776,678），在白蜡树健康，轻度和中度阶段存在统计学显著差异（p 0.0001）。同时，当结合HI和LiDAR时，其识别轻度EAB危害阶段的准确度为76.25%，对所有危害阶段的总准确度为82.90%，这高于未使用NDVI（776,678）情况下的准确度。因此，NDVI（776,678）是一个很好的新窄波段植被指数，可用于洋白蜡不同EAB感染阶段制图，也可用于指导北京地区阔叶树健康遥感监测。

仪器信息网讯 为了给首都装点绿色，同时加强体质锻炼，增进团队协作精神，2012年4月13-14日，仪器信息网组织员工及部分家属从繁忙的工作中暂时脱离出来，跟随春天的脚步，开启了亲近大自然的踏春之旅——植树、登慕田峪长城。 仪器信息网2012年春季植树活动合影 为首都装点绿色——植种爱心林 　　《礼记》中曾说：“孟春之月，盛德在木”， 我国从古到今历来重视植树造林。4月14日早，仪器信息网一行驱车前往怀柔植树基地，为首都装点绿色，让心灵和自然来一次绿色的亲密接触。两人一组，挖坑、扶树苗、培土、浇水……忙的不亦乐乎，欢笑声此起彼伏，处处弥漫着春的气息。我们植种的不仅是一棵棵树，更多的是希望和祝愿，我们相信，大地上多了一棵绿树，天空中就少了一片尘埃。 植树现场 　　植树任务完成之后，根据植树现场表现及种植质量评选出了5组植树能手奖，仪器信息网总经理唐海霞女士亲自为获奖代表颁奖。 唐海霞女士为获奖代表颁奖 　　随后，唐海霞女士向大家宣布了仪器信息网的一项重大计划：仪器信息网要用十年的时间，在全国不同的地方植1000棵树!今天是这个项目的第一站，待项目完成之时，仪器信息网将举办隆重的庆祝仪式。 唐海霞女士讲话 登慕田峪长城，感受中华文明之博大精深 　　植树活动结束之后，大家又奔赴慕田峪长城。慕田峪长城西接居庸关长城，东连古北口，周围山峦叠嶂，植被覆盖率达90%以上。著名的长城景观箭扣、牛角边、鹰飞倒仰等位于慕田峪长城西端，是万里长城的精华所在。 　　大家首先参观了中华梦石城，穿“慕田水琳洞”，过“怪石圈”，游“奇石大观楼”，体会到了中国石文化的博大精深和瑰丽无比，同时也感叹大自然的鬼斧神工! 中华梦石城 慕田峪长城脚下 　　随后，怀着无比崇敬的心情，大家拾级而上，向慕田峪长城“进军”，开始了文化观瞻及意志锻炼之旅。虽时值春天，阳光却格外灿烂，一路上，各位相互鼓励、帮助、扶持，终于克服困难登上了位于半山腰的长城。虽然很累，但当脚踏上青砖的那一刻，每个人都立即被长城的雄伟魅力所折服了。 美丽景色 　　扶着宽厚的城墙，观巨龙腾飞，蜿蜒连绵，壮观；览树木成林，苍翠欲滴，秀美。这里人文情怀与自然景观兼具，虽历经几千年的风雨，依然没有改变它昔日的容颜，似乎每一块青砖都是华夏悠悠历史之见证，是中华民族不屈灵魂之象征!就这样，在自然与人文的双重洗礼下，大家情不自禁地沉浸在一种感慨与沉醉的状态中，流连忘返……

上海书俊仪器设备有限公司正式代理美国MicaSense光谱产品正式代理MicaSense旗下所有光谱产品Multiple Camera Array Wireless System(引领WiFi时代)多光谱数码相机/多光谱成像系统/多光谱成像仪/植被指数成像仪/植被指数成像系统/叶绿素反馈仪/叶绿素反馈系统光谱产品适合各类行业和应用,特别适用于特殊要求的客户群,能够对精准农业(各类农作物,蔬果等),环境,林业,渔业,海洋,航空,物料筛选,考古研究,行为学,工业检测等各类行业提供完整光谱数据支持,强悍的技术和产品质量, Parrot-Sequoia和Prime RedEdge能够充分满足航拍,水体,野外,实验室等各类环境,包括各类复杂的工业环境.MicaSense旗下Parrot Sequoia光谱产品MicaSense旗下Parrot RedEdge光谱产品MicaSense光谱产品全新特点: ADVANTAGE 独一无二约1800万超高清图像,出色的地面分辨率,支持多格式图像存储 超大容量存储,极速存储,支持容量扩展,支持移动硬盘功能 全景曝光(全幅曝光)型传感器,提升光谱敏感度,图像拍摄更稳定,更清晰 系统内置高精度GPS/GNSS/IMU/磁力计支持,无限连接视频及GPS/IMU制导信号收发 系统自集成多阵列传感器,高分辨率光谱图像与高清真彩RGB图像同时呈现,4+1的享受 WIFI通联与传输,业界独步, 引领智能无线WIFI时代WIFI时代WIFI时代 超低能耗(最低至8W),减省宝贵航电,绿色飞行,助力航飞,提高单位效率 独立内置操作系统,支持同步操作,”智”领天下,边拍边处理,光谱图像实时呈现 适配任何无人机或有人机,国际通用标准接口,就是那么简单-DIY整合 自带智能获取控制Automatic Gain Control (AGC)功能 系统自配光谱传感器,方便生成反射率图像,无惧天气环境干扰(*选配) 强大的多光谱图像编辑软件,支持互联网云功能,全球移动式办公,一键完成(*选配) 可选配强大的图像拼接软件Lcaros(*选配) 可选配业界独有3D/4D拼图软件Pix4DMapper,实现光谱信息全三维模型再现(*选配) 用户自定义光谱波段配置,最大化满足,更改光谱波段(450~1000nm)(*客户定制) Products are all ready for your selection产品静待各位客户甄选航飞应用案例：广州某型航飞载具成功装载我司机载多光谱相机，并成功帮助其系统方案顺利打开国际航飞市场。Parrot-Sequoia各系列航飞系统/DJI航飞系统/Parrot航飞系统