A. 手機節電方法！跪求給分
1、關閉按鍵音，如果按鍵的時候覺得單調，可以用嘴巴嘖嘖給予配合。 2、關閉振動功能，如果想創造振動效果，劇烈晃動手腕或手臂即可。
3、拒絕玩手機游戲，能卸載的盡量卸載，如果實在閑得無聊就玩跳房子或做眼睛保健操。
4、將手機音量調到最小，如果怕到了嘈雜的地方，聽不到聲音，就每隔兩分鍾拿出手機看一次。
5、關閉時間顯示功能，如果想隨時知道時間，可以詢問別人，如果屬內向性格，可買機械表一隻。
6、關閉鬧鍾功能，如果需要叫醒服務請招呼爸媽。
7、關閉所有無線上網功能，什麼GPRS、wap統統不要，如果要上網，請去最近的網吧。
8、關閉動畫屏保，如果覺得手機待機畫面死板單調，可以拒絕看它。
9、拒絕使用閃光貼，盡量呆在信號強的地方，避免搜索網路費電，如果發現網路信號不強，請迅速離開那個地方。
10、關閉背景燈，如果怕到了黑暗處看不見屏幕，請隨身攜帶打火機照明。
11、盡量少的發簡訊，如果需要回復，請打個草稿，一次性了結，簡訊結章節附註明今天最後一條。
12、盡量少的打電話，不急的時候可以跑腿去面談，非常急的時候盡量找固定電話，實在找不到固定電話就用別人的手機，不到萬不得已就不要打手機。
13、不要頻繁地開關機，如果可能最好就是只關機，永遠不開機。
B. 小雞草可以洗眼睛嗎
草坪是用多年生矮小草本植株密植，並經修剪的人工草地。18世紀中，英國自然風景園中出現大面積草坪。中國近代園林中也出現草坪。用於城市和園林中草坪的草本植物主要有結縷草、野牛草、狗牙根草、地毯草、鈍葉草、假儉草、黑麥草、早熟禾、剪股穎等。草坪有下述分類方法： 按照氣候類型可以分為：冷季型草和暖季型草兩大類。冷季型草多用於長江流域附近及以北地區，主要包括高羊茅、黑麥草、早熟禾、白三葉、剪股穎等種類；暖季型草多用於長江流域附近及以南地區，在熱帶、亞熱帶及過度氣候帶地區分布廣泛，主要包括狗牙根、百喜草、結縷草、畫眉草等等。 按植物材料的組合分可分為：1，單播草坪。用一種植物材料的草坪。2，混播草坪。由多種植物材料組成的草坪。3，綴花草坪。以多年生矮小禾草或擬禾草為主，混有少量草本花卉的草坪。 按草坪的用途可分為：1，遊憩草坪。可開放供人入內休息、散步、游戲等戶外活動之用。一般選用葉細、韌性較大、較耐踩踏的草種。2，觀賞草坪。不開放，不能入內遊憩。一般選用顏色碧綠均一，綠色期較長，能耐炎熱、又能抗寒的草種。3，運動場草坪。根據不同體育項目的要求選用不同草種，有的要選用草葉細軟的草種，有的要選用草葉堅韌的草種，有的要選用地下莖發達的草種。4，交通安全草坪。主要設置在陸路交通沿線，尤其是高速公路兩旁，以及飛機場的停機坪上。5，保土護坡的草坪。用以防止水土被沖刷，防止塵土飛揚。主要選用生長迅速、根系發達或具有匍匐性的草種。暖季型草坪草 1、結縷草（Zoysia spp. Willd.） （1）、日本結縷草（Zoysia japonica Steud.） 又名老虎皮、結縷草。主要分布於我國、朝鮮和日本溫暖地帶。日本結縷草具有堅韌的地下根莖及地上匍匐莖，莖節上產生不定根，幼葉捲曲形，成熟的葉片革質。種子成熟易脫落，外層附有蠟質保護物，不易發芽，播種前需對種子進行處理以提高發芽率。日本結縷草適應性強，喜光、抗旱、耐高溫、耐瘠，在暖季型草坪草中屬於抗寒能力較強的種。在-20℃左右能安全越冬，氣溫20~25℃生長最盛，30~32℃生長速度減弱，36℃以上生長緩慢或停止生長，但極少出現夏枯現象，秋季高溫乾燥持續時間長可進入枯萎休眠。 （2）、細葉結縷草（Zoysia tenuifolia Willd.） 細葉結縷草又名天鵝絨草、台灣草。主要分布於日本及朝鮮南部地區。細葉結縷草是3個種中葉片質地最細的種，但不耐寒，主要分布在熱帶和亞熱帶環境中。 通常呈叢狀密集生長，莖稈直立纖細。地下根莖和匍匐莖節間短，節上產生不定根。葉片絲狀內卷。總狀花序頂生，穗軸短於葉片，故常被葉所覆蓋；種子小，成熟時易於脫落，採收困難。多採用營養繁殖。 2、狗牙根（Cynodon spp. Rich.） 狗牙根又名行義芝、絆根草、爬根草、百慕大等。狗牙根屬。狗牙根草具有根莖和匍匐莖，匍匐莖的節間長度因品種不同有所變化。芽中葉片折疊，葉舌纖毛狀。由於種和品種的差異葉片質地有粗有細。多年生深根系，可在匍匐 莖節上產生不定根和分枝。穗狀花序，種子成熟易脫落，具一定的自播能力。 3、鈍葉草 [Stenotaphrum secundatum S.（Walt.）Kuntze] 鈍葉草葉環很窄，但葉片和葉梢較寬，形成了重要的鑒別特徵。在葉環處葉片與葉梢呈90度直角。鈍葉草有細長的匍匐莖，能在地面上爬幾尺遠，無根莖。葉尖呈變形的船形，每個節有時見到兩個枝條。 4、美洲雀稗（Paspalum notatum Flugge） 美洲雀稗在同一植株上有芽內葉片捲曲和折疊兩種芽型，葉舌短膜狀，這些在暖季型草中是不多見的。葉片寬展，葉梢有些壓縮，並帶有零星的纖毛。依靠短、硬的根莖擴繁。葉片質地比鈍葉草細。粗硬發達的根系，具有廣泛的適應性，在弱酸至中性的肥沃土壤中生長良好，但尤喜沙性土壤。該草喜溫暖濕潤氣候，但抗寒力差，有一定抗旱性，能順利生長在乾燥的山坡地上。該草侵佔力強，覆蓋力驚人，極易形成平坦的坪面，有一定耐踐踏能力，適於用作公路兩邊的護坡草坪。該草耐低修翦，留茬高度一般為1.5~2.5 cm，在生長季節應該經常修翦以防止抽穗。 5、假儉草（Eremochloa ophiuroides [Munrvo] Hack.） 假儉草又名蜈蚣草，原產於中國南部亞熱帶地區，主要分布長江流域以南各地區，中南半島等地也有分布。膜狀葉舌，葉舌頂部有纖毛，是鑒別假儉草的重要特徵。葉片寬，葉環緊縮，葉梢與鈍葉草相似，但假儉草的葉環有纖毛，葉片下部邊緣有毛，有匍匐莖，無根莖。秋冬抽穗開花，總狀花序。該草喜光、耐旱，適宜低矮修翦，較細葉結縷草耐陰濕，不耐踐踏，需肥量少，是一種最耐粗放管理的草坪。對土壤要求不嚴，在排水良好、土層深厚而肥沃的土壤上生長茂盛，在酸性及微鹼性土中亦能生長。是優良的堤壩護坡植物。 6、鋪地狼尾草屬（Pennisetum clandestinum Hochst ex Chiov.） 鋪地狼尾草顏色淺綠，葉舌毛狀，疊式芽形，葉梢被細纖毛包被，葉環上有較長的纖毛，葉片上也有短毛，但不如葉鞘上多。有匍匐莖和根莖，繁殖能力強。種穗短，捲曲穗狀花序。在每天低修翦的草坪上，均有種穗抽出，影響草坪草質量。 7、野牛草 [Buchloe dactyloides ( Nutt.) Engelm.] 野牛草葉片的反正面均有細毛。葉片不舒展，有捲曲變形表現，葉色呈灰綠色。葉舌毛狀，捲曲芽形，有匍匐莖和根莖。無葉耳，葉環寬，生有長絨毛；雌雄同株或異株。 8、格蘭馬草[Bouteloua gracilis(H.B.K)Lag.exSteud.] 格蘭馬草有疊狀芽形，毛狀葉舌。有短的根莖，葉片尖細。彎曲的花穗從葉軸一側伸出，呈顯著的鑒別特徵。 冷季型草坪草 1、早熟禾屬（Poa） （1）、草地早熟禾（Poa pratensis L.） 草地早熟禾又叫肯塔基早熟禾、肯塔基藍草、藍草等。有地下生長的根莖。草地早熟禾喜光，耐陰性差，喜冷涼濕潤的環境，同時具有很強的耐寒能力，抗旱性差，夏季炎熱時生長停滯，春秋季生長繁茂。在排水良好、肥沃濕潤的土壤生長良好。根莖繁殖力強，再生性好，較耐踐踏。 與其他早熟禾區別的關鍵特徵是船形葉尖和芽中葉片折疊狀。有根莖，膜狀葉舌短（0.2~1.0 mm），這與一年生早熟禾有很大區別。在主葉脈的兩側有兩條半透明平行線。 （2）、一年生早熟禾（Poa annua L.） 一年生早熟禾又名小雞草。為北半球廣泛分布的一種草，我國大多數地區及亞洲其他國家、歐洲、美洲的一些國家均有分布。 船形葉尖和芽中葉片對折，膜狀葉舌長是區別於草地早熟禾的主要特徵，但某些變種分櫱上的葉舌較短。一年生早熟禾一般視為叢性型，但某些變種也有短的根莖。葉色淺綠，即使在低修翦條件下也經常見到種穗。從技術上講，一年生早熟禾是雜草，但有時在草坪中最後成了主導草種，還可以管理成良好的草坪草。一年生早熟禾分布廣泛，屬冬季一年生，夏季常死亡。 （3）、粗莖早熟禾（Poa trivialis L.） 粗莖早熟禾源於歐洲、北非和亞洲，現廣泛分布於濕潤地區。 粗莖早熟禾質地細、多年生、有匍匐莖，膜狀葉舌2.0~6.0 mm長，幼葉呈折疊形，成熟的葉片為V形或扁平，柔軟；葉片的兩面都很光滑，在中脈的兩旁有兩條明線；葉尖呈明顯的船形。無葉耳；具有開展的圓錐花序，長13~20cm，分枝下部裸露。適宜濕潤、冷涼溫帶地區，喜濕潤肥沃土壤，耐陰，不抗旱，常與草地早熟禾混播，以增加草地早熟禾適應陰面環境。 （4）、加拿大早熟禾（Poa compressa L.） 加拿大早熟禾有扁平、壓縮的草莖，船形葉尖，折疊葉芽，膜狀葉舌，莖基在夏末可以伸長。有短小根莖，葉色藍綠，春、夏莖葉堅挺。 加拿大早熟禾適應於較乾燥、冷涼的氣候。形成的草坪粗、質量低，主要用於粗放管理場合的草坪。夏末莖基伸長後可造成草坪質量的退化。 2、羊茅屬（Festuca L.） （1）、高羊茅（Festuca arundinacea Schreb） 高羊茅芽中葉片呈捲曲狀，尖形葉尖、葉片質地粗，葉片上面葉脈突出，缺少主脈。葉領較寬，有時呈亮、淺綠色。基部紅色或紫色，圓錐花序。普通型有短葉舌和圓形的葉耳，改良型則無這一特徵。高羊茅具有顯著的抗踐踏、抗熱、抗乾旱能力，同時適度耐陰。缺點是抗凍性稍差，叢狀生長，在草坪中常呈叢塊狀。由於抗凍性能稍差，高羊茅很少用在北方的冷濕帶，主要適於南方的冷濕地區、乾旱涼爽區以及過渡帶。近十年來，高羊茅成了該類地區的重要草坪草類型。 （2）、匍匐紫羊茅（Festuca rubra L.） 紫羊茅又名紅狐茅，葉鞘基部紅棕色，分櫱的葉鞘閉合。幼葉呈折疊形，成熟的葉片寬1.5~3mm，光滑柔軟，對折內卷；葉舌膜質，長0.5 mm，無葉耳。圓錐花序。 （3）、丘氏羊茅（Festuca rubra ssp. fallax [Thuill.] Nyman） 丘氏羊茅除了無根莖以外，與匍匐紫羊茅完全相同。幼葉呈管狀，葉片成齡後則裂開。丘氏羊茅耐陰性好，但陽面也可，比匍匐紫羊茅抗夏季脅迫方面好一些。盡管無根莖，但草皮質量很好。某些品種在修翦高度2.5 cm、向陽的環境條件下壽命可達10年以上。含內生菌的丘氏羊茅抗性增加，適應范圍擴大。 （4）、硬羊茅（Festuca brevipila Tracey.） 硬羊茅的質地、外觀及叢生性與其他細羊茅相同，只有顏色上呈灰藍色。幼葉鞘呈交叉覆蓋形，而丘氏羊茅則是呈管形。硬羊茅同丘氏羊茅相似，更適應於較乾旱的環境。但在太濕的年份會變得稀疏。可用於混播增加草坪草的耐陰性。內生菌增強的品種抗性增加。 （5）、羊茅（Festuca ovina L.） 羊茅一般用於管理粗放的地方，特別是在不修翦的高爾夫球場的邊緣和不能修翦的坡地上。外觀上同種丘氏羊茅和硬羊茅相同，質地細，叢生。葉色上同硬羊茅相似，呈藍綠色。 3、翦股穎屬（Agrostis L.） （1）、匍匐翦股穎（A.. Palustris Huds.） 匍匐翦股穎有發達的匍匐莖，葉芽捲曲，尖型葉尖，匍匐莖的節上易生根系。較長膜狀葉舌是鑒別的主要特徵，葉片的正面葉脈明顯。 匍匐翦股穎能耐低修翦，修翦高度可低達3 mm，在2.5 mm高度下能保持草坪覆蓋地面。溫帶地區的所有高爾夫球場果領都用這種草坪草。由於其高質量的草坪表面，在熱帶氣候也逐漸應用。匍匐翦股穎在高爾夫球道和發球區當修翦高度在1.25 cm時，可以形成高質量的草坪。過去的十幾年裡，冷涼氣候區用匍匐翦股穎作球道草坪的越來越多。 （2）、細弱翦股穎（A. acpillaris L.） 細弱翦股穎質地細，為草皮型多年生草坪草。它通過匍匐莖和根莖擴繁，易形成緻密的草坪。地上莖盡管橫向生長，但節上不易紮根，不太適宜很低的修翦。適宜的修翦高度為1.25 cm，更適於作高爾夫球道草坪草。 （3）、小糠草（Agrostis alba L.） 小糠草又名紅頂草。主要分布於歐亞大陸的溫帶地區。 小糠草具有根莖，淺生於地表；卵圓形葉舌，長3~5 mm；葉片線形扁平，表面微粗糙。由於該草在抽穗期間穗上呈現一層鮮艷美麗的紫紅色小花，故又名紅頂草。該草喜冷涼濕潤氣候，耐寒，喜陽，耐陰能力比紫羊茅稍差。 4、黑麥草屬（Lolium L.） （1）、一年生黑麥草（Lolium multiflorum Lam.） 一年生黑麥草鞘內葉芽捲曲（而多年生黑麥草是折疊），尖型葉尖，爪狀葉耳，葉環寬，葉正面葉脈明顯，葉的背面發亮光滑。 （2）、多年生黑麥草（Lolium perenne L.） 多年生黑麥草葉芽對折，葉尖呈尖型，葉的背面光滑發亮，正面葉脈明顯，叢生，普通品種有膜狀葉舌和短葉耳，寬葉環。多數新品種沒有葉耳，葉舌不明顯，有時也呈現船形葉尖，易與草地早熟禾相混。但仔細觀察會發現葉尖頂端開裂。不像草地早熟禾那樣在主脈的兩側有半透明的平行線。葉環比早熟禾更寬、更明顯一些。耐陰性較差。該草喜溫暖濕潤而夏季較涼爽的環境，耐寒性和耐熱性都不及早熟禾。不耐乾旱，也不耐瘠薄。在肥沃、排水良好的粘土中生長較好，在瘠薄的沙土中生長不良。當氣溫低於-15℃會產生凍害。 其他冷季型草坪草 1、無芒雀麥（Bromus inermis Leyss.） 無芒雀麥葉梢在近葉環處閉合，形成像「V」型毛衣領狀。在葉片上有明顯的「W」形痕跡。無芒雀麥在某些方面具有特點使其可以用作草坪草。但在低矮修翦的條件下形成粗放、稀疏草坪，因而主要用於公路低養護水平的護坡及設施草坪。 2、冰草 冰草有捲曲的葉芽，膜狀葉舌較長，葉舌邊緣有纖毛，爪狀葉耳。扁穗冰草（Agropyron cristatum）是叢生型，而藍莖冰草 [Pasrum smithii (Rybd.) Love] 則有根莖。作為草坪草冰草主要用於乾旱冷涼地區，特別是在無灌水條件。草地早熟禾不能正常生長的情況下使用，也主要限於庭院草坪和高爾夫球道草坪。草坪建成初期較漂亮，草坪的密度不如草地早熟禾和多年生黑麥草。 3、梯牧草（Phleum L.） 梯牧草芽中葉片捲曲，尖形葉尖，膜狀葉舌明顯。莖的基部有明顯的膨脹，呈塊形加粗，有這種結構的其他類型的冷季型草坪草只有球莖早熟禾。球莖早熟禾則是船形葉尖，芽中葉片折疊。有兩種類型的梯牧草用在草坪中，梯牧草Phleum pratense L.在冷季型草坪中是粗質地雜草。梯牧草Phleum bertolonii D.C.為草坪型梯牧草，在歐洲有人用其建植賽馬場草坪。 4、鴨茅（Dactylis glomerata L.） 鴨茅具有船形的葉尖，葉芽中葉片折疊，這兩點與草地早熟禾有相似之處。但葉片比草地早熟禾寬，葉色更淺一些。葉稍扁平、壓縮，膜狀葉舌是在冷季型草坪草中最長的。 5、鹼茅（Puccinellia distans L. Parl.） 鹼茅叢生，顏色灰綠，芽中葉片捲曲，膜狀葉舌。圓錐花序夏季開花至秋季。鹼茅對土壤中的Na有較強的抗性，主要用於鹽鹼土地區草坪建植和公路護坡。『法次』（『Fultz』）是鹼茅的主要品種。 草坪的價格一般以平米計算，價格從十幾元到幾百元/平米不等
C. 用來綠化的草是什麼草多少錢
一般高羊茅、早熟禾、黑麥草的混播，其他的有白三葉、狗牙根、結縷草、野牛草、剪股穎。等 一般從15-400元/公斤不等。 有需要可以聯系網路濟南綠城園林。詳細的免費咨詢吧。
D. 成像光譜方法技術
一方面，高光譜解析度的成像光譜遙感技術是對多光譜遙感技術的繼承、發展和創新，因此，絕大部分多光譜遙感數據處理分析方法，仍然可用於高光譜數據；另一方面，成像光譜技術具有與多光譜技術不一樣的技術特點，即高光譜解析度、超多波段（波段＜1000，通常為100～200個左右）和甚高光譜（Ultra Spectral）解析度（波段＞1000，主要用於探測大氣化學成分）的海量數據。因此，常規多光譜數據處理方法不適合於成像光譜數據的定量分析，於是成像光譜數據處理和分析技術應運而生。在成像光譜數據處理和分析方法中，關鍵性的技術問題是地物光譜重建，光譜特徵的量化及提取，混合像元的分解和定量分析及模型識別。
2.3.2.1 光譜重建技術
按照不同的模型及演算法，從成像光譜數據中把地物的光譜特性反演出來的過程就是地物光譜重建技術。根據不同的工作情況及條件，採取不同反演模型來重建地物光譜，是實現成像光譜數據遙感定量化分析的第一步。若對其不進行反演，則沒有一個統一物理量進行對比。目前，光譜反演模型大體可分為三大類型：基於大氣傳輸理論的大氣傳輸模型，基於統計分析的統計模型以及基於地面地物同步觀測的經驗回歸模型。
2.3.2.1.1 基於大氣傳輸理論的模型
該模型實質上就是用理論模型消除大氣中氣體分子、水蒸氣、氣溶膠及塵埃等分子顆粒對地反射輻射能量吸收與散射以及大氣程輻射效應，並將其還原成地物的反射輻射光譜。這是一種比較復雜的同時必須進行地物光譜及大氣參量測量的絕對反射率生成方法，也就是對成像光譜數據進行絕對輻射標定的再反演。在這一反演過程中，關鍵是建立大氣傳輸的模型。自1960年，Chndrasekhar提出了輻射傳輸理論以來，相繼發展了許多方法，如Ordinate方法和Variational方法等來解決輻射傳輸問題。目前，常見的大氣傳輸模型有5 S（the Simulation of the Satellite Signal in the Solar Spectrum）、6S（the Second Simulation of the Satellite Signal in the Solar Spectrum）、LOWTRAN 7及MODTRAN（Teillet，P.M.，1989；Vermote，E.，Tanṙen，D.，Deuże，J.L.et al.，1994，1996；Bo⁃Cai Gao，K.B.Heidebrecht and A.F.H.Goetz，1997；Z.QIN，A.Karnieli and P.Berliner，2001）。其中，6S模型是由法國Tanré等人研究開發的，是目前世界上發展比較完善的大氣輻射校正模型演算法之一。該演算法既能合理地處理大氣散射、吸收，又能產生連續光譜，避免在光譜反演中較大的定量誤差。它還充分利用了分析表達式和預選大氣模式，使計算時間大大縮短。許多遙感專家使用此模式進行地物光譜反演後認為，該模型較其他模型計算精度高。不足之處是必須開展試驗區典型地物光譜反射率觀測以及大氣環境參量實測，如：大氣光學厚度、溫度、氣壓、水蒸氣含量、大氣分布狀況等。相對來說，盡管LOWT⁃RAN 7和MODTRAN模型計算精度低一些，但它不需要地面實測典型地物的反射率。這些模型一般用於對感測器選定標定場，開展數據絕對輻射標定。
2.3.2.1.2 基於統計分析的模型
該模型的建立是在分析不同地物光譜遙感信息在不同光譜波段的傳輸特點基礎上，利用計算機對典型地物的光譜特性進行統計分析後，得到的地物光譜特性反演模型。對成像光譜數據進行地物光譜反演常用模型有平滑域反射率模型 FFR（Flat Field Reflectance）（Goetz and Srivastava，1985；Conel，1985；Crowley at al.，1988；Rast et al.，1991），內在平均相對反射率模型IARR（Internal Average Relative Reflectance）（Kruse et al.，1985；Kruse，1988；Mackin and Munday，1988；Zamoudio and Atkinson 1990），對數剩餘模型LRC（Logarithm Resial Correction）（Green，R.O.etal.，1985；Gower，J.F.R.etal.，1992）。在這3種模型中，FFR模型是在圖像上選取光譜和地貌特徵都均勻平滑（平滑性是指地物無光譜吸收譜帶，光譜曲線平直）的地物平均值，來消除大氣輻射衰減和儀器的零響應；White模型是根據整幅圖像的平均光譜曲線平均值對圖像歸一化處理，然後計算每個像元光譜曲線與平均光譜曲線的比值，也就是地物光譜特性；LRC模型是經Lyon和Lanze修正後，對太陽輻射衰減、大氣效應及地形影響都有所消除。Green和Graige提出的對數剩餘糾正公式如下：
lg（Rij）=lg（DNij）-lg（aveDNi）+lg（DNi）+lg（DNg）（2-3-1）
這里Rij是第i波段、第j個像元的剩餘值；DNij是第i波段、第j個像元的亮度值；DNi是第i波段所有像元數據的平均值；DNj是第j像元在所有波段上數據的均值；DNg是所有波段及所有像元的均值。該方法完全基於圖像本身特徵，不需要野外地物光譜測量。在前兩種模型中，FFR模型優於IARR模型，它克服了IARR模型因受像福強吸收特徵的影響而出現的假反射峰的弱點，而且計算量較小。
2.3.2.1.3 經驗線性回歸模型
利用該方法重建地物光譜技術實質就是通過開展典型地物的同步反射率觀測，根據成像光譜數據DN值與地面實測地物反射率值，經最小二乘法求出回歸方程Rij=Aj·DNij+Bj（這里Aj，Bj是感測器第j波段的線性回歸系數），然後，根據此方程反演地物的反射光譜。這種模型的數學和物理意義明確，方法簡便，運算量少，應用廣泛（Roberts et al.，1985；Conel et al.，1988；Elvidge，1988；Green et al.，1988；Kruse et al.，1990；Zamoudio and Atkinson 1990）。例如：美國JPL的Abrams利用該模型在美國Nevada州的Cuprite礦區進行礦物學填圖；美國科羅拉多大學的Zamudio等人，利用該模型在美國 Nevada 州東部進行礦物識別和岩相分析；日本Pasco公司的Mochizuki，利用該模型在美國Navada州進行蝕變礦物的反射光譜研究等。該模型的不足之處是要開展野外地物光譜觀測，成本比較高，回歸精度的高低依賴於對野外概實測的精度。
除上述這些典型光譜重建模型之外，還有 UA RT Code，JPL Code，連續內插波段比演算法（CIBR），背景法等模型（De Jong，1998）。
2.3.2.2 岩礦光譜特徵的量化、提取，定量分析及識別模型
成像光譜數據經過光譜重建模型處理後，獲得了地物的光譜特徵譜線。不同地物光譜具有不同的診斷特徵譜帶，如吸收譜帶，特徵譜線的微積分變化，波形變化等等。如何有效地開展地物特徵定量分析和識別地物，首先要弄清楚如何去量化及提取地物的光譜特徵。因此，開展基於地物特徵譜的量化提取是十分必要的。
2.3.2.2.1 地物光譜特徵度量、提取與匹配識別模型
（1）就地物光譜特徵（這里指地物反射輻射光譜）而言，不外乎兩大類型：吸收譜帶（或反射谷）和光譜曲線的斜率變化（含波形變化）。針對這兩類光譜特徵的形態、結構，分別採取不同的度量方式。目前，對吸收譜帶的分析度量方法是外殼系數法，它通過把光譜曲線歸一化後去測量吸收譜帶的波長位置（position）、吸收深度（depth）、吸收寬度（FWHM）和對稱性（sym⁃metry）（Lyon et al.，1985；F.A.Kruse，A.B.Lefkoff，1993）。這種外殼系數法可以由外殼凸形曲線與光譜之比來表示，也可以由外殼值去減相應波長上的光譜反射率值來求得。由於吸收峰的非對稱性，採用RBD方法難以准確描述其特徵。連續插值小組段演算法（CIBR，Continuun interpolated band algorithm）（De Jong，1998）和光譜吸收指數圖像（SAI，spectral absorption index image）（王晉年等，1996）與相對吸收深度圖方法類似，但引入了對稱度因子，使其對吸收特徵的描述更為合理。除了這些測量參數外，對植被光譜有多種度量參量，如植被、綠度指數等等。對於光譜曲線斜率變化的特徵，表徵和提取的方法有基於地物光譜的總體波形特徵度量，如傅里葉變換的波形分析方法是利用有限級次的諧波振幅和初位相度量地物波譜特徵；基於切比雪夫多項函數的波形分析是利用多項式函數對地物光譜曲線進行擬合，提取有限項的系數來表示或組合特徵，或用其比值來表示地物光譜波形特徵的參量；基於波形相似性（總體或分段）分析的光譜角度量；還有光譜曲線特徵的微分度量、積分度量及二值度量等等。當然，對吸收譜帶及斜率特徵度量還可以用統計特徵量去表徵度量，如均值、方差、協方差矩陣、特徵值、特徵向量、特徵因子及組內離差等。
（2）光譜匹配識別模型不同於多光譜的模式識別，它是根據光譜特徵度量參數來進行匹配識別的，是成像光譜數據處理分析的特色之一。這種特色模型在處理過程中往往是採用可視化的互動式的圖像與光譜、光譜與標准光譜形式進行的。目前，光譜匹配識別模型有：編碼匹配識別法（均值編碼匹配法，坡向編碼匹配法，比值編碼匹配法L吸收峰編碼匹配法、波形匹配法和光譜角匹配法等等。在這些匹配識別模型中，編碼匹配基本上都是按二值（0和1）進行編碼、匹配與識別的；吸收特徵編碼匹配是根據外殼系數法歸一化後，對每個特徵的吸收深度與波長位置進行編碼；波形匹配包括相似度、傅里葉變換參量，切比雪夫等方法。近幾年發展起來的小波變換分析在成像光譜數據分析處理中應用相當多，尤其是對原始信號按不同小波尺度，分解成不同的小波進行波形分析，突出低頻弱信息，有利於信息增強，比如用小波變換進行圖形圖像插值、融合及混合像元分解等。
2.3.2.2.2 成像光譜數據的定量分析及識別模型
定量化分析及識別模型化是當今遙感技術的發展方向之一，應用於成像光譜數據處理。定量化分析與識別模型，除了不斷完善和改進已有基於統計分析的定量化及識別模型（如：改進的主成分分析、最佳波段組合、改模型最大似然法、基於決策邊界特徵矩陣的變換和正交子空間投影），其他學科的新思想、新方法也在不斷地引人遙感數據分析和理解之中，如人工智慧的專家系統，模糊邏輯映射，證據推理、神經網路、分形和分維等。
人工智慧專家系統技術是目前比較流行的信息處理技術，尤其對比較復雜問題的解決有獨到之處，Gotting和Lyon在1986年就已建立的光譜信息專家識別系統用於分析實驗室和野外光譜，它是結合已有的地物光譜特徵知識，由專家確定判別規則決策樹（Decision Tree）以達到識別地物或地物類別目的。決策樹這一基於知識的判別准則層次是建立專家系統成敗的關鍵。通過這個系統進行編碼匹配，他們成功地從大量的實驗室光譜中識別出11種礦物。1993年，美國地球空間研究中心（CSES）和美國環境科學研究所的F.A.Kruse和A.B.Lefkoff研製了基於知識的成像光譜地質制圖專家系統。選定各種特徵在識別過程中的作用並賦予相應的權值，或根據專家對判別知識和經驗建立判別准則進行識別。
目前，神經網路模型在遙感地物分析和識別方面備受青睞，有著廣泛的應用（Golen Giser，1996；Giles，M.F.et al.，1995；郭小方，1998；王潤生等，2000）。由於神經網路分類規則對訓練樣本的數量及分布特徵沒有特定要求，因而可以在特徵空間形成非線性判別邊界，並且還有一定的抗雜訊、抗干擾和自適應能力，適用於大數據量的分類研究，最為常用的分類准則是後向傳播（BP）網路模型。
目前，從成像光譜遙感數據分析與識別的各種新理論、新方法的引入來看，大多數模型的研究和應用還是一種嘗試，在如何將模型與成像光譜數據相結合的研究方面，分析不夠深入。
2.3.2.3 混合像元分解模型
由於空間解析度不高的原因，在圖像像元內會出現不同成分（end member）的地物，即混合像元。不同的地物具有不同光譜特徵，因此需要通過混合光譜分解技術來提高識別精度。混合像元問題是遙感技術的研究難點和熱點。由於成像光譜技術的光譜解析度已從微米（μm）提高到納米級（nm），因此，其混合像元分析、分解及其模型研究就顯得更為重要。
目前，開展高光譜遙感混合像元研究的方法技術，首先從實驗著手，進行地物混合光譜的測試、分析、數字模擬、分解模型開發研究，然後將其外推到遙感圖像上，進行典型地物混合像元分析，主要包括空-地同步觀測獲取典型地物（或可通過人工布標）數據，經模型分析後，對混合像元的地物進行分解，或混合光譜模擬合成。在實驗室里，通過對不同礦物光譜混合含量測試發現，不透明礦物或暗色礦物，其光譜按比例混合到其他礦物中，混合的反射率急劇下降，而不是逐漸下降，說明其混合光譜與其混合的端員礦物光譜是非線性關系（磁鐵礦和橄欖石）。當兩種礦物的色調相近時，實驗測試的混合光譜與線性模型合成的混合光譜都呈線性逐漸變化，說明混合光譜可以按線性模型分解端員礦物光譜，如橄欖石和紫蘇輝石，且吸收譜帶的波長位置也是逐漸從一個波長位置逐漸過渡到另一波長位置。不僅如此，還發現在可見光、近紅外這一波長上，低成分端員混合時呈線性趨勢，當成分增加時，線性關系劇烈變成非線性關系。在這三種情況中，第一種非線性關系是由於組合混合光譜的端員成分之間互相作用、互相影響後光譜被光譜儀檢測到；第二種線性關系是由於各端員成分之間無互相影響作用，各自獨立地反射電磁波能量貢獻於混合光譜；第三種情況是兩種關系都存在，二者之間存在臨界條件（邊界條件）。目前，有關此方面的研究極少。根據這些分析，混合像元分解模型大體分為線性模型和非線性模型。在遙感混合像元中，絕大多數反射率相似的地物，可以用線性模型來分解端員成分，如：土壤與植被、不同含水量的耕地、岩石露頭與草地、荒地等等。在一幅圖像中，事先知道有N種端員（地物種類），並且也知道各種端員的光譜反射率，那麼就可以用線性模型：
成像光譜岩礦識別方法技術研究和影響因素分析
這里DNc是波段C上混合像元的DN值或反射率；Fi是第i種端員在混合像元中所佔比例（或權系數）；DNi，c是C波段上第i種端員的DN值（或反射率）；Ec是C波段上擬合誤差。對每個像元都按照最小二乘法解方程，進行分解。在圖像中，端員的DN值（或反射率值）要麼可以從訓練區取值，要麼在地面實測。端員成分的確定過程實質上是一個迭代過程，迭代結果使M個波段上總誤差ε最小（且N≤M）。
成像光譜岩礦識別方法技術研究和影響因素分析
求得版中各種端員成分之後，就可以定量或半定量地對端員豐度製作豐度等專題圖件。
用非線性模型開展混合像元分解不多見，但已有這方面的研究，如模糊分割模型（Jin Ⅱkim，1996），概率鵬模型，幾何光學模型（Charles Ichoku，1996）及基於神經網路模型的混合像元分解（王喜鵬，張養貞等，1998）等等。
目前開發的模型有：
——光譜吸收指數模型SAI（王晉年，童慶禧等，1996）：
SAI=∑fiSAIi，∑fi=1，fi＞0 （2-3-4）
——高斯模型法MGM：該模型是基於礦物和岩石的反射、吸收光譜性質模擬反射光譜的各種模擬方法。它是一種確定性的而不是統計性的方法。高斯改進模型MGM 是近幾年在分析反射光譜的基礎上發展起來的分析技術（Cloutis，1989，Veverka，J.et al.，2000）。
m（x）=S*exp（-（xn-μn）2/2σ2）， （2-3-5）
通常取n=-1。
光譜識別與分類技術（Spectral Classification）：主要是利用地物高光譜特徵的量化參數，結合其在圖像空間上分布進行提取有利的信息，達到分類的目的。主要的分類方法有：
——最大似然法MLC：
g（x）=-ln｜∑i｜+（x-mi）t∑i-1（x-mi），（2-3-6）
——人工神經網路技術ANN：一般採用前饋網路模型，即第一隱層的節點輸入等於輸入層諸節點輸出的加權和。迭代的次數以系統的平均誤差為最小時為准。
成像光譜岩礦識別方法技術研究和影響因素分析
——光譜角制圖法SAM（Spectral Angle Mapper）：該方法是通過計算測試樣本光譜矢量（像元光譜）與參考光譜矢量（訓練的端員樣品光譜，或標准光譜庫的光譜），在n維空間（n波段）上的角度來確定它們兩者的相似度。一般兩矢量之間的角度越小，兩光譜向量越相似，進而可識別兩種地物為同類，否則視為異類。數學模型是：
成像光譜岩礦識別方法技術研究和影響因素分析
這里i=1，2，3，……，n，n為波段數。
——光譜維特徵提取法（Spectral Dimension Feature Extraction）：在高光譜遙感分類中，使用該方法對多波段、高相關、數據冗餘度高的數據進行降維處理。相關的有統計方法，如主成分、典型變數及改進的PCA法等。
——光學模型（Optical Modeling）：除了前述的數據分析及模型外，植被因其特有反射性質，還有獨特分析模型（光學模型）。該模型主要利用高光譜遙感數據預測或估計植被的多種生物物理、化學參量，如葉面指數LAI、總生物量、覆蓋度等；葉綠素、水分、N、P、K含量等。該模型也屬於經驗性的統計模型方法。一般性通用模型為：
S=f（λ；θs，Φs；θv，Φv；С）， （2-3-9）
這里S為預測的生物物理、化學參數；λ是波長；θs，Φs，θv，Φv是入射光和感測器探測幾何位置參數，C是描述植被冠層為特性參數。依靠法的模型有葉子光學性質光譜模型PROSPECT，葉子的任意斜散射模型SAIL，即生化參量反演的LIBERTY模型等。
高光譜在植被應用中除了生物、化學參量的反演分析外，還注重利用植被光譜特性譜線的藍邊、反射峰、黃邊、紅光吸收谷、紅邊、近紅外反射高原區等變化及數據的歸一化、對數、微分等變換，來監測植被的長勢及病蟲害，進行森林識別、分類、制圖（Clark，R.N.，Roush.T.L.，1984）。
2.3.2.4 光譜數據應用處理分析軟體
通過開展岩礦高光譜特性測試分析和成像光譜方法技術及應用分析研究，已發展並開發了如下數據處與分析軟體：
2.3.2.4.1 光譜資料庫及分析軟體（400～2500φ）
國外：美國地質調查所USGS和JPL的標准礦物光譜庫（含機載光譜）及光譜分析管理軟體SPAM，IRIS，日本地調所的岩石礦物光譜庫等（http://speclib.jpl.nasa.gov；http://speclab.cr.usgs.gov；Kruse F A et al.1993）。
國內：中國科學院安徽光學研究所、中國科學院遙感應用研究所、原地質礦產部航空物探遙感中心等科研單位都已建自己的光譜庫（王潤生等，2000）。
2.3.2.4.2 圖像處理分析軟體
目前國內外常用的光譜圖像處理分析軟體有：Erdas、PCI、ENVI等。其中PCI和ENVI都有高光譜分析處理功能（ENVI User』s Guide.，2000）。此外，還有像Tetricorder（Clark，R.N.，G.A.Swayze，K.E.Livo，2003）。國內通過高光譜遙感方法技術及示範應用研究，中國科學院遙感應用研究所、國土資源部航空物探遙感中心相繼建立了成像光譜數據分析處理系統，如：HIPAS，ISDPS等。
E. 誰知道馬卡
馬卡——全球矚目的保健食品
肖培根劉勇肖偉
(中國醫學科學院葯用植物研究所 北京 100094)
摘要
馬卡（MACA）系南美安第斯高山地區印加人的保健食品，作者介紹了其化學成分、葯理作用、臨床觀察及產品開發等情況，認為值得進一步研究開發。
關鍵詞
馬卡（MACA）化學成分 葯理作用 臨床觀察
馬卡(Maca)是十字花科植物馬卡獨行菜(擬)Lepidium meyenii Walp.的形似蘿卜樣肥大的根莖，原產於秘魯中部基寧（Jinin）及帕斯科（Pasco）附近4000米以上的安第斯山區，該地區低溫、強風，生態條件惡劣，不適於其它作物生長，因而馬卡便成了生活在高山地區印加人的食物來源之一。它的鮮根可以和肉或其它蔬菜一起炒熟食用，也可以曬干後用水或牛奶煮熟食用，當地土著人常把鮮根加蜂蜜和水果榨汁作為一種飲料飲用。食用馬卡可使體力增強、精力充沛、消除焦慮、提高性功能。最近, 馬卡頻繁出現於網際網路或國外的報刊雜志上，說明其保健作用在全球范圍內受到青睞。筆者根據現有資料，作簡要綜述。
1、馬卡的化學成分
新鮮馬卡含水分10.4%、蛋白質10.2%、脂肪2.2%、碳水化合物59%、纖維8.5%、灰分4.9%。其蛋白質含有豐富的人體必需的氨基酸，如：精氨酸（9.94%）、天門冬氨酸（9.17%）、谷氨酸（15.6%）和賴氨酸（54.5%）等。馬卡的脂肪酸中不飽和脂肪酸的含量佔52.7%（其中亞油酸18.5%、亞麻酸8.87%），還含有芥子油苷（glucosinolates）甾醇和鉀、鈣、鐵等[1]。馬卡的脂類部位含有瑪卡烯（maceaene）及馬卡醯胺（mecamide），還包括N-苄基辛醯胺、N-苄基-16-羥基-9-氧化-10E，12E，14E-辛葵三烯醯胺、N-苄基-16羥基-9，16-二氧-10E，12E，14E-辛葵三烯醯胺以及其它17個馬卡烯和馬卡醯胺的同系物。馬卡烯和瑪卡醯胺被認為是馬卡提取物中具促進性功能的有效物質之一[2]。
2、葯理作用
2.1、增強體力
馬卡具有適應原樣作用。小鼠游泳試驗表時，馬卡組游泳時間平均可延長到1463S，而對照組的時間則平均為886S。將小鼠放入低溫水池中一段時間，計算其體溫恢復至正常溫度的耗氧量，馬卡組耗氧指數為86，而對照組則為98，具有明顯差異。
2.2、減輕壓力
在12h內對兩組小鼠連續電擊4次。馬卡組壓力減輕系數為19、21、22、19，而對照組則為28、37、37、32。實驗結束24h後，馬卡組的壓力指數已接近0，而對照組則為13。
2.3、增強性功能
最近的研究表明，服用馬卡的雄性大鼠有關性行為的實驗參數，如跨騎、交配潛伏期、射精潛伏期、射精後潛伏期、射精至再次交配的時間、交配頻率、交配間隔期、交配效能等，均有明顯的改善[3]。
3、臨床觀察
台灣省所收集的服用馬卡30天的病例中，1680例精神不振，易疲勞者體力得到恢復，消除疲勞有效率為92.2%；340例經期不規律者恢復正常經期，有效率為88.7%；1120例缺乏性慾者性慾增強，有效率為94.6%；660例性功能障礙者性功能增強並改善，有效率為75.65%。目前在世界范圍內，對馬卡的臨床觀察正大規模地進行中。
4、上市產品
馬卡產品已有秘魯、美國、加拿大、英國、荷蘭、瑞士、日本、法國、澳大利亞、西班牙等國生產的幾十種，大都以保健食品的形式銷售。最簡單的方法是將馬卡乾粉裝入硬膠囊，每粒500mg，每日服4-8粒（總量為2000-4000mg），美國品牌Vimaca質量較好。也有與其它葯物配伍，如淫羊藿、刺蒺藜、育亨賓等，每瓶零售價20-40美元。另外還有液體提取物制劑。
結語
馬卡是近年來從傳統經驗中挖掘出的具有很好作用的保健食品。初步研究表明，它對人體有適應原樣作用，對亞健康狀態人群恢復健康有很好的調整作用，在改善性功能和內分泌方面有良好前景。目前國際上對瑪卡的研究剛剛起步，我國應盡快開展綜合研究。
秘魯現在年產馬卡原料300-400t，遠不能滿足國際上日益增長的需要。美國、日本、西班牙、澳大利亞已相繼引種成功。我國西部地區適宜馬卡的生長，如能盡快在我國引種，對改善西部生態環境、發展當地經濟將起到積極的推動作用。
註：肖培根 中國工程院院士,中國醫學科學院中國協和醫科大學葯用植物研究所名譽所長、國家重點實驗 室主任、研究員。該文發表於中國著名的學術雜志《植物葯分冊》第16卷第6期（2001年11月出版）。
參考文獻
1、Dini A. Food Chemistry,1994,49:347
2、Zheng BL.Urology,2000,55:598
3、Cicero AFG.J Ethnopharmacol,2001,75:225