水是生命之源, 作为人类生活的必需品, 水质的优劣直接关系到人们的健康生活。 目前, 关于水质COD在线检测方法的研究主要集中在光谱数据预处理和光谱特征提取, 而针对光谱数据建模方法的研究较少。 卷积神经网络（CNN）作为目前深度学习领域应用最广泛的网络模型, 具有强大的特征提取和特征映射能力, 本文将CNN与紫外-可见光谱分析法相结合, 建立了基于CNN的水质COD紫外-可见光谱预测模型。 模型使用Savitzky-Golay平滑滤波方法去除光谱噪声, 光谱输入卷积层提取光谱数据特征、 池化层降维、 全连接层映射全局特征, 通过ReLU和Adam优化方法, 从而得到模型的预测值。 通过实验发现, CNN模型具有较强的水质COD预测能力, 具有较高的预测精度和回归拟合优度, 通过与BP, PCA-BP, PLSR和RF等模型比较后发现, CNN模型的预测样本的RMSEP和MAE最小, R2最大, 模型拟合效果最优。 在与训练样本的模型效果评价对比后发现, 模型具有较强的泛化能力。 针对吸收光谱的波峰偏移对预测结果所造成的预测结果不准确的问题, 作者还提出了一种基于CNN的分类回归模型卷积神经网络增强模型（CNNs）, 去噪后的光谱数据通过CNN分类模型按照吸收波峰的不同特征分为三类, 分别输入对应CNN回归模型进行预测。 实验结果表明, 分段式CNNs模型比整体式CNN模型的拟合效果更好, 预测精度更高, R2达到0.999 1, 测试样本的MAE和RMSEP分别为2.314 3和3.874 5, 比CNN分别下降了25.9%和21.33%, 效果显著。 通过对预测模型的性能测试, 计算得出检出限为0.28 mg·L-1, 测量范围为2.8~500 mg·L-1。 本文创新的将卷积神经网络与光谱分析方法相结合, 为光谱分析方法在水质COD吸收光谱建模的应用开拓了新思路。

国家标准规定的Ⅰ级水是分析实验室常用的试验用水, 为快速、 准确的实现纯水水质分析, 为分析实验室设备自动化、 智能化提供科学依据, 采用全波段(200~900 nm)紫外-可见光谱分析技术, 设计了基于紫外-可见光谱国标Ⅰ级水净化系统(NSGI-WPS)。 该系统以树莓派为核心控制器, 光谱探测器、 电导率传感器为采集模块, 改良的硅钼蓝分光光度法为可溶性硅测定方法, 实现了对分析实验室用水254 nm吸光度、 电导率和可溶性硅含量的同时在线检测。 在痕量硅含量的测定试验中, 为了消除噪声干扰对试验的影响, 系统采用Savitzky-Golay平滑去噪法对光谱进行预处理, 通过窗口宽度和多项式次数的不同组合形式, 获得了80组平滑后的光谱数据, 将其分别与0.004, 0.006, 0.008, 0.010和0.012 mg·L-1硅标准溶液浓度进行一元线性回归分析后, 得到单波长吸光度与硅标溶液浓度的相关光谱。 试验结果表明, 当窗口宽度为17, 多项式次数为2时, 相关光谱的特征峰宽度最宽, 特征峰区间为796~824 nm, 特征峰峰值所处波长与平滑后的显色溶液吸收光谱峰值波长一致。 通过比较不同硅标准溶液的显色溶液吸收光谱分布, 发现硅标液浓度与吸收光谱呈线性正相关, 因此, 试验选取812.638 nm为最优特征波长。 为了建立可溶性硅含量与显色溶液吸光度的关系模型, 以加入的硅标准溶液浓度为横坐标x, 812.638 nm处显色溶液的吸光度为纵坐标y, 绘制了其工作曲线, 曲线的决定系数R2=0.999 6, 表明了模型具有较强的拟合能力。 此外, 编写的NSGI-WPS系统管理软件实现了参数的实时处理和自动控制, 对未达到分析实验室国标Ⅰ级水用水规格的纯水通过反渗透(RO)、 连续电去离子技术(EDI)、 混合床离子交换树脂和紫外光氧化等技术处理, 实现了对纯水的严格控制。 通过对比分析自来水、 Ⅲ级水、 Ⅱ级水在净化前后各参数变化, 发现净化后各参数数值下降显著, 其中, 电导率最高下降幅度可达99.94%, 各参数的相对平均偏差均小于2%。 试验结果表明, 基于紫外-可见光谱分析法的NSGI-WPS系统具有净化能力强、 准确性高、 鲁棒性好等优点, 经过检测、 分析和净化后的纯水满足分析实验室国标Ⅰ级水用水要求。 本文为紫外-可见光谱分析法在纯水净化系统中的应用做出了探索性研究。

土壤重金属的污染影响着农作物的产量和质量。 传统的土壤重金属检测方法步骤繁琐、 检测费用高且速度慢。 利用X射线荧光光谱(XRF)分析技术检测土壤中重金属含量, 具有处理简单、 现场、 快速、 无损等优点。 由于土壤背景复杂, 包含大量噪声和无关信息, 建立XRF校正模型前, 对光谱的预处理能有效的去除不相干信息, 保留有用信息, 对XRF预测模型的精度有重要影响。 主要研究光谱预处理方法对重金属含量预测模型精度的影响。 首先, 采用向前间隔偏最小二乘(FiPLS)作为校正模型, 对比了无预处理、 去趋势处理(DT)、 标准正态变量变换(SNV)、 多元散射校正(MSC)、 小波去噪(WT)、 SNV+DT、 卷积平滑(SG)+一阶导数、 卷积平滑(SG)+二阶导数等7种不同预处理条件下的土壤重金属模型的检测精度。 初步结果表明, 多元散射校正预处理方法效果较好, 与原始光谱相比, 相关系数r从原始的0.988提高到0.990, 预测均方根误差RMSEP、 相对误差平均从原来的20.809和0.166分别降低到19.051和0.121。 其次, 在多元散射校正预处理方法的基础上, 针对多元散射校正方法以线性表达式描述非线性关系的局限性, 提出了局部加权线性回归多元散射校正(LWLRMSC)和偏最小二乘多元散射校正(PLSMSC), 并比较了它们的建模效果。 LWLRMSC是基于加权思想, 在预测一个点的值时, 选择适当的核函数和权重分配策略进行预测点的线性回归, 来解决简单线性回归的欠拟合状况; PLSMSC是基于PLS建模思想, 考虑了自变量和因变量的最大相关性, 来减少拟合误差及失真问题。 结果表明, PLSMSC具有最佳的预处理效果, 五种重金属Cu, Zn, As, Pb, Cr预测值和实际值的R分别为0.989, 0.973, 0.991, 0.989和0.986, RMSEP分别为8.805, 58.360, 7.671, 12.549和20.851, 相比于传统的MSC方法不仅在精度方面有大幅度的提升, 且具有更好的泛化性能, 能消除光谱噪声, 提升有效信息贡献度, 为土壤重金属含量预测模型选取合适的预处理方法提供了理论支撑。

为研究土壤金属元素近红外光谱定量校正模型适应性, 采用近红外光谱结合偏最小二乘算法, 针对风干土壤中的K, As, Hg, Cu, Zn, Pb, Cr, Cd元素, 在剔除异常值后, 建立定量校正模型; 并对风干、 烘干处理的外部验证集样品分别预测上述元素含量。 结果表明, 风干外部验证集样品的预测值-参考值相关系数皆大于相应烘干外部验证集样品的预测值-参考值相关系数; 风干外部验证集各元素的预测值-参考值均具有显著的相关关系, 烘干外部验证集中K, Hg, Cr的预测值-参考值之间不具有显著的相关关系。 对土壤金属元素近红外光谱定量校正模型的适应性进行了初步研究, 可为土壤中金属元素快速定量监测方法以及农产品产地环境监测等提供一定的参考。

采用ATR附件采集了人工控制条件老化小麦样品的太赫兹波谱数据, 并在PCA综合得分基础上对数据进行分集, 建立陈化小麦的快速无损鉴别PLS-DA模型, 并对其进行外部验证。 结果显示, 针对吸收系数谱, 所建模型的校正集实验组、 对照组以及交互验证实验组、 对照组正确率分别为84.2%, 94.7%, 84.2%和81.6%, 外部验证集实验组、 对照组正确率分别为73.7%和100.0%; 针对折射率谱, 所建模型的校正集实验组、 对照组以及交互验证实验组、 对照组正确率分别为84.2%, 92%, 76.3%和76.3%, 外部验证集实验组、 对照组正确率分别为84.2%和89.5%。 研究表明, ATR-THz技术在陈化小麦无损鉴别方面具有一定的应用潜力。

在近红外光谱分析中, 向前间隔偏最小二乘法（FiPLS）和向后间隔偏最小二乘法（BiPLS）是常用的基于波长变量选择的建模方法, 其模型精度较高, 但贪婪搜索特性较强, 导致选出的波段并不能较好地反映待测成分的信息。 针对该问题, 提出一种基于两者组合策略的光谱特征波段选择方法（FB-iPLS）。 在光谱分段的基础上, 既利用FiPLS选取有用波段, 同时利用BiPLS删除无用波段, 来交互执行特征变量的选择与删除, 对目标特征波段进行双向选择, 用于提高模型的稳健性。 用该方法建立水中乙醇含量的定量预测模型, 并与FiPLS和BiPLS算法对比。 由于光谱分段大小会对模型的结果有影响, 该实验还考查这三种方法在不同光谱分段处的结果。 在光谱划分60段时, 提出的FB-iPLS方法取得最佳预测性能, 其校正集与验证集相关系数r分别为0.967 7, 0.967 0, 交互验证均方根误差RMSECV分别为0.088 8, 0.057 1。 与FiPLS和BiPLS相比, 该方法无论在不同光谱分段区间还是在各自最优与最差分段处, 模型的整体预测性能都有所提高。 实验结果表明, 提出的方法能改善BiPLS与FiPLS贪婪搜索的特性, 对特征波段的选取更高效、 更具代表性, 能进一步提高模型的预测性能。

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义.利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析.结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CIred edge充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI(569.00,654.80)和RSI(597.6,654.80)对LAI估算的效果要优于NDVI与CIred edge,其中,NDSI(569.00,654.80)主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI(569.00,654.80)之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料.研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持.

应用便携式X射线荧光光谱仪对土壤中Cr,Cu,Zn,As,Pb等重金属含量进行检测,每个样品扫描检测3次,利用小波阈值滤噪的方法对所测谱线进行光滑去噪处理后,根据土壤重金属的标准值和相应的计数率(取三次处理后检测谱线的平均值)建立各重金属的标准曲线.运用小波阈值滤噪方法时,为确定最佳的小波基和小波分解层数,以信噪比(SNR),均方根误差(MSE)和信息熵(H)作为评估指标评价降噪效果.为验证仪器的稳定性,根据土壤样品中重金属浓度的不同挑选部分样品并同时选用H3BO3(空白对照)进行重测.结果表明:运用小波变换方法时,选取coif3小波基对谱线进行三层分解,取得了最佳的去噪效果;建立好模型后,仪器的决定系数R2范围是0.990~0.996,表明在0~1 500 mg·kg-1范围内,土壤样品中各重金属元素含量与X射线荧光光谱特征峰强度之间的线性关系良好;经过重复检测和计算得知仪器的检出限均低于国家一级土壤标准.将小波变换的方法实际运用到X射线荧光光谱仪检测模型的建立与改进中,有效的提高了模型的准确性,同时经验证,仪器具有良好的精密度,可运用于实际土壤重金属污染的现场快速筛查.

融合多源遥感数据生成高时空分辨率数据具有重要的应用价值.对目前常用的3种时空融合方法进行对比分析, 即基于时序数据(STIFM)、基于混合像元分解(STDFM)和增强型自适应遥感图像(ESTATFM)的时空融合方法.以盈科灌区为例, 由多时相的MODIS数据提取地物的时间变化信息, 结合初期的ASTER/TM影像的空间信息, 融合生成30m具有MODIS时间分辨率的数据.以真实的ASTER数据为基准, 从光谱特征和地物类别的角度定量评价结果, 表明STDFM和ESTATFM分别在红波段和近红外波段取得效果最优, 相关系数分别为0.91和0.71, 3种方法融合的NDVI效果基本相当, 相关系数均高于0.84.在地物类别空间信息的表达方面, ESTATFM方法在异质性较强的玉米和小麦区域具有较好的适用性.

采用基于线性渐变滤光片分光原理的微型近红外光谱仪对2012年和2013年的西湖龙井和普通扁形茶建立真伪识别模型。 分别对不同年份、 不同保存期样品的近红外光谱数据进行PCA分解, 并根据PCA得分分布的数学特征选取代表性样品, 建立PLS-DA模型, 从数学原理的角度对模型不适应性的原因加以分析, 并对其进行修正, 结合外部盲样的验证, 有效地增强了模型适应性。 研究结果表明, 针对西湖龙井和普通扁形茶, 采用不同年份样品近红外光谱数据共同建模可有效提高模型对不同年份样品的识别正确率; 采用不同保存期样品近红外光谱数据建模结果表明, 普通扁形茶在冷冻保存3个月后, 理化性质发生了较大的变异, 而西湖龙井的理化性质相对较为稳定。 从光谱数据主成分特征的数学原理角度对不同年份以及不同保存期模型的适应性进行了研究, 建立并验证了适合西湖龙井真伪识别的模型, 有效提高了模型的预测准确度。 不仅可为近红外光谱应用于农产品质量安全与品质分级方面提供一定的参考, 而且对提高农产品近红外分级模型的预测准确度亦具有参考价值。