检测生物质原料的灰分含量是高效转化能源的基础, 但传统高温灼烧法测试耗时长、 成本高, 而近红外光谱分析技术能够实现无损、 快速及低成本对未知样本定性或定量的分析。 以5个地点、 10种类型的1 465份生物质原料样品为研究对象, 应用“筛选分类集合法”将样品划分9个集合, 构建近红外光谱生物质样品灰分含量模型。 主要结果为: 玉米秸秆（M）、 小麦秸秆+玉米秸秆+棉花秸秆（WCM）和小麦秸秆+杂草+园林叶（WWL）主因子数分别为5、 6和6； M集合的交叉验证决定系数（R2cv）为0.975, WCM集合的预测决定系数（R2p）为0.983, 模型拟合度最高； 长白皮+棉花秸秆集合（WC）的均方根标准误差（RMSE）最小分别为0.588 7和0.486 4, M集合的交叉验证相对分析误差（RPDcv）最高为6.3, WCM集合的预测相对分析误差（RPDp）最高为7.8, 模型预测精度最高； M集合的交叉验证平均相对偏差ARDcv最小为6%, WCM集合预测平均相对偏差ARDp最小为8%, 木质（W）集合RMSECV/RMSEP为1.01, 模型稳健性最高； 9个生物质样品灰分含量集合模型的R2范围为0.753 8~0.979 4, 建模集与预测集偏差较小均具有较好的线性关系, 其中, H集合（R2=0.942 5）、 M集合（R2=0.979 4）和WCM集合（R2=0.978 7）其拟合度与线性关系最优； L集合（木材边角料）的R2最低, 其值为0.753 8, 判断影响的主要因素是样品中含有泥沙、 粘合剂和油漆等杂质。 为解决常见生物质发电厂原料检测评估问题, 利用9个生物质灰分集合模型对11种生物质样品计算平均相对偏差（ARD）进行预测评估, 草质样品模型预测效果好（ARD范围为3.7%~16.5%）。 应用“筛选分类集合法”划分样品集合来建立近红外光谱生物质灰分含量模型, 其拟合度、 稳健性和精确度都较全样品集合模型性能更高。

分析了肺腺癌细胞和间皮细胞间的拉曼位移及细胞化学染色形态学特征参数间的关系,为非创伤性检查肿瘤细胞提供参考。选择A549和Met-5A两种细胞进行拉曼光谱分析,将两种细胞进行H&E和PAP染色,计算其形态学图像特征。两种细胞在1082 ,1155 ,1304 cm ^-1处存在拉曼位移。通过图像识别A549和Met-5A细胞的能量标准差,采用PAP染色方法的两种细胞差异具有统计学意义(p<0.05),但是采用H&E染色方法的两种细胞差异无统计学意义(p>0.05);对于颜色均值特征值,采用两种染色方法的两种细胞差异均具有统计学意义(p<0.05)。基于化学物质亲和特性,从肿瘤物质表达及堆积结构方面分析肺癌细胞拉曼位移特征,实验结果显示,临床组织病理染色分析核酸及蛋白表达特征,而拉曼光谱分析发现肺癌细胞存在核酸、蛋白表达及脂质结构的拉曼峰位移,这为拉曼检测肿瘤细胞物质波峰设定提供参考。