研制了一种小型全光纤耦合非平面环形腔固体激光器，在1.5 W的808 nm半导体激光器泵浦下，单模保偏光纤耦合输出功率近600 mW，线宽小于200 Hz，偏振对比度优于20 dB。对该激光器的调谐、频率稳定性、功率稳定性等性能进行了研究，该激光器通过了力学试验(随机振动均方根加速度为19.8g，其中g为重力加速度)和温度试验(－20～＋65 ℃)，试验前后输出功率变化小于5%，可以用于对力学环境和温度环境要求较高的场合。

叶绿素荧光参数Fv/Fm是探究逆境胁迫对植物光合作用影响的重要指标, 已有研究表明植被指数与Fv/Fm线性相关, 但直接将植被指数与Fv/Fm拟合存在精度不足的问题。 为实现对该参数的准确预测, 本文以茄子为研究对象, 提出一种基于可见-近红外光谱的Fv/Fm预测方法。 试验获取不同生长状态茄子叶片的可见-近红外光谱数据和荧光参数, 使用蒙特卡洛采样法（MCS）去除明显异常样本, 采取3种光谱预处理方法及5种特征波长选择算法进行光谱数据处理, 并建立偏最小二乘回归（PLSR）模型进行方法评估。 基于提取出的最优特征波长组合, 分析误差反传（BP）神经网络、 径向基函数（RBF）神经网络、 极限学习机（ELM）及回归型支持向量机（SVR）共4种机器学习算法对Fv/Fm预测模型精度的影响, 从而确定基于最优方法组合的叶绿素荧光参数Fv/Fm预测方法。 结果表明: 茄子叶片光谱反射率随Fv/Fm的增加呈明显下降趋势, 表明利用光谱信息反演Fv/Fm的可行性。 基于393组试验样本, 使用多元散射校正（MSC）、 标准正态变量变换（SNV）进行光谱预处理, 以竞争性自适应重加权采样法结合连续投影法（CARS+SPA）进行特征波长筛选的效果最优。 其中, MSC-CARS-SPA-PLSR和SNV-CARS-SPA-PLSR的测试集决定系数分别为0.896 1和0.881 2, 均方根误差为0.011 8和0.012 6, 两者精度皆高于全光谱数据对应的PLSR模型; 同时, 两方法提出的特征波长个数均为12个, 仅占全光谱波长个数（1 358）的0.88%。 该结果表明以上两种方法有效提取出了对模型预测有利的少量波长。 基于上述波长建立机器学习模型, 发现SVR建模效果最优。 以SNV-CARS-SPA-SVR的预测精度最高, 其测试集决定系数为0.911 7, 均方根误差为0.010 8。 综上, SNV-CARS-SPA-SVR建模方法提高了模型精度, 有效降低了模型复杂度, 为基于可见-近红外光谱的Fv/Fm准确预测提供了实现方法。 该方法可应用于作物生长状态的快速、 无损检测, 为农情预警提供有效手段。

为了实现对海洋温度剖面进行高时空分辨率且连续测量的目的, 研制出一种将船载拖曳应用与光纤传感技术相结合的新型测量系统。该系统首次将光纤布拉格光栅(FBG)压力传感器集成到温度拖曳链中, 从而获得深度信息并判断拖曳链姿态。文中主要讨论了该拖曳温深链系统的研制及海试情况, 包含系统装备, 压力传感器的实验室标定, 压力传感器的海上静态和动态比测试验。通过分析试验数据, 压力传感器与ALEC Compact-TD的相关系数达到0.999 837, 测量误差小于0.1 m, 进一步验证了拖曳温深链系统已初步具备实用性。