通过溶胶凝胶法制备了光催化活性更高的Ce∶ZnO复合粉体光催化材料，并采用X射线衍射(XRD)、电子顺磁共振(EPR)、紫外可见光谱(UV-Vis)技术对所制备的粉体样品的晶体种类及结构、自由基种类及含量、光催化效率进行表征分析。复合样品的X射线衍射测试结果显示，随着掺杂浓度的增加，先后检测到CeO2的(111)和(200)晶面特征峰，且衍射峰强度逐渐增强。此外，适量的掺杂(c(Ce3+)=2%)可减小ZnO晶体的晶粒尺寸。电子顺磁共振测试结果显示，Ce∶ZnO复合光催化材料中存在三类自由基，分别是Zn-H络合物、正一价氧空位、CeO2表面吸附的超氧根离子。紫外可见光谱测试表明，适量的掺杂可有效提高ZnO催化剂的光催化活性，综合分析显示，ZnO光催化活性提高的主要原因是Ce3+的掺入使得材料中电子数量增多，进而提高了活性自由基·O-2的数量。本文通过EPR技术和XRD衍射技术，成功表征了Ce3+掺杂对ZnO材料中自由基种类合成的影响过程，并结合UV-Vis技术，对Ce∶ZnO复合材料光催化降解甲基橙的过程中的电子转移过程作出了合理的解释。

利用晶体的双折射、双反射现象及电光效应,设计了一种具有集成结构的2×4的90°空间光学桥接器,其由一块电控双折射晶体和一块检偏双折射晶体构成。电控双折射晶体通过4次全内双反射和电光调制实现信号光与本振光的分束和耦合,通过调节电控双折射晶体的控制电压和检偏双折射晶体的双折射效应,输出了4路具有90°相移的信号光与本振光混合光束。该桥接器具有结构简单紧凑、损耗小、性能稳定等优点,适用于空间相干通信系统。

利用光谱技术监测植被水分状况是了解植被生理状况及生长趋势的重要手段之一。 选择艾比湖湿地自然保护区作为靶区。 采用聚类分析、 变量投影重要性分析(VIP)以及敏感性分析等方法， 对植被不同含水量进行分级， 并针对不同等级的植被含水量进行估算及验证。 结果表明： (1)基于聚类分析中的欧氏距离的方法将植被叶片相对含水量划分为高等、 中等、 低等三个等级， 其范围分别为7076%～8069%， 5327%～7076%， 3100%～5327%。 在中红外与远红外（1 350～2 500 nm）之间， 反射率越低植被含水量越高； 波长380～1 350 nm范围， 无此现象。 (2)应用VIP方法可知， 所选的8种植被水分指数VIP值均超过了08， 说明植被水分指数预测能力均较强且差别不显著。 其中MSI， GVMI与植被叶片相对含水量的非线性三次拟合函数效果最佳， MSI决定系数R2为06575和GVMI决定系数R2为0674 2。 植被叶片相对含水量在30%～45%范围， MSI指数的NE值最低， 在45%～90%范围时， GVMI指数的NE值最低。 NDWI1240指数的NE值在70%左右起伏较大， 说明NDWI1240 指数在植被含水量为70%左右， 预测能力较差。 (3)通过误差分析可知GVMI指数反演的结果误差最小， 不同的植被指数对不同含水量的植被估算结果相差较为明显， 因此分段估算植被含水量是有必要的。 综上所述， 利用高光谱遥感技术对监测艾比湖保护区植被生长及干旱环境提供基础研究。

采用偏最小二乘法和径向基神经网络结合近红外光谱技术建立蝙蝠蛾拟青霉发酵菌丝体中虫草酸、 多糖和腺苷含量的定量分析模型, 模型泛化能力强且预测精度高, 能够满足原料药及相关产品实际检测中的应用。 通过化学诱变和液体深层发酵获得214个蝙蝠蛾拟青霉菌丝体样品, 扫描获得近红外光谱, 采用常规方法测定样品中虫草酸、 多糖和腺苷的含量。 在应用蒙特卡罗偏最小二乘法识别异常样品、 确定校正集样品数量的基础上, 以逼近度(Da)为评价指标, 采用可移动窗口偏最小二乘法和径向基神经网络筛选特征波长变量, 最佳光谱预处理方法及建模重要参数。 通过比较分析, 最终确定蝙蝠蛾拟青霉菌丝体中虫草酸、 多糖和腺苷含量定量分析模型分别为RBFNN, RBFNN和PLS模型, 其校正集和预测集样品实验测定值与预测值间相关系数(R2p和R2c)分别为0.941 7和0.966 3, 0.980 3和0.985 0, 0.976 1和0.972 8, 表明模型具有很好的拟合度和预测性能。

采用径向基神经网络(RBFNN)结合近红外光谱(NIRS)技术建立一种分析安络小皮伞发酵菌丝体中甘露醇、多糖和腺苷三种组分的定量分析模型。收集164个安络小皮伞液体发酵菌丝体样本的近红外光谱数据，采用常规方法分别测定样本中甘露醇、多糖和腺苷的含量。在应用蒙特卡罗偏最小二乘法（MCPLS）识别异常样本、确定校正集样本数量的基础上，以逼近度（Da）为评价指标，采用可移动窗口径向基神经网络(MWRBFNN)筛选特征波长变量，筛选最佳光谱预处理方法、隐含层节点数(NH)等模型参数。建立甘露醇、多糖和腺苷组分定量分析模型，最佳RBFNN-NIRS模型中校正集和预测集样本实验测定值与预测值间相关系数分别为0.9274、0.9009、0.9440和0.9354、0.9018、0.8847，表明模型具有很好的拟合度和预测性能。

建立了同时快速测定蛹虫草菌丝体中腺苷、蛋白质、多糖和虫草酸含量的近红外（NIR）光谱定量分析校正模型。收集了来自不同蛹虫草突变株在不同的发酵条件下发酵获得菌丝体并采集其NIR光谱，采用径向基神经网络（RBFNN）建立样品的NIR光谱与其腺苷、蛋白质、多糖和虫草酸含量间的相关模型。RBFNN模型经过采用可移动窗口法提取各组分的NIR光谱特征波长变量、选择有效的光谱预处理方法、隐含节点数和扩展常数进行优化，获得测定腺苷、蛋白质、多糖和虫草酸含量的最优模型，其训练集样本的参考值与模型预测值间的相关系数（Rc）分别达到0.9436,0.9884,0.9018和0.8848，表明模型的拟合度很好，测试集均方根误差(RMSEP)RMSEP分别为0.6225 mg/g,0.0179 g/g,0.0115 g/g和0.0102 g/g，表明模型的预测性能很好。

应用近红外(NIR)光谱技术结合化学计量学法建立测定蛹虫草菌丝体中腺苷、 蛋白、 多糖和虫草酸4种主要有效成分含量的定量分析模型, 可应用于蛹虫草高产突变株的筛选和发酵条件的优化。 468株蛹虫草突变株在不同的摇瓶发酵条件下进行发酵, 收集菌丝体粉末样品并采集NIR光谱, 同时采用常规方法分别测定样品的4种有效成分含量。 偏最小二乘法(PLS)用于建立NIR光谱与有效成分含量间相关模型。 采用蒙特卡罗偏最小二乘法(MCPLS)识别异常样本和选择合适的校正集样本数； 采用移动窗口偏最小二乘法(MWPLS)筛选波长变量； 以逼近度(Da)为考察指标, 选择最有效的光谱预处理方法和最适的PLS隐变量数, 最终得到测定蛹虫草菌丝体中腺苷、 蛋白、 多糖和虫草酸含量的最优PLS模型, 其校正集样本参考值与预测值间相关系数(Rc)分别为0.929 43, 0.984 79, 0.907 85和0.851 31； 预测集误差(RMSEP)为0.667 14, 0.020 65, 0.011 31和0.011 59, 表明模型具有很好的拟合度和预测性能, 应用该方法进行蛹虫草诱变筛选和发酵条件的优化是可行的。