利用大气颗粒物激光雷达观测数据、地面监测站数据和铁塔上搭载的超声波风速仪测量得到的风场数据(简称“铁塔风场数据”),对2018年1月16日至1月18日浙江北部地区的一次污染过程及特征进行了分析。本次污染过程主要受区域污染物传输影响。激光雷达观测结果表明:受西北风影响,16日12时开始,西北方向城市的污染物开始向宁波传输,颗粒物浓度迅速升高,17日18时之后风向转为较弱南风,污染开始消散;532 nm通道的距离平方校正信号与近地面污染物浓度的变化趋势一致;退偏振比、波长指数的结果显示,0.5~1 km高度处的污染物与近地面污染物为两种不同的类型。HYSPLIT后向轨迹模式结果表明,该污染气团来自宁波的西北方向城市,且气团输送速度较快,HYSPLIT模式结果与铁塔风场数据分析结果一致。可见激光雷达的探测结果能够有效地表征颗粒物浓度的空间分布以及演变,并为大气污染的监测和预警提供理论依据。

为了实现微藻生长过程品质指标的快速无损检测， 提出了可见-近红外光谱技术检测不同红蓝光源组合培养条件下螺旋藻中叶绿素a和蛋白质的含量。 采集不同含量红光和蓝光组合下螺旋藻在325～1 075 nm波段范围内的光谱信息， 其中红光与蓝光的含量组合分别是(100%， 0%)， (90%, 10%)， (70%， 30%)， (50%, 50%)。 同时测量叶绿素a和蛋白质的含量， 建立偏最小二乘(PLS)预测模型。 分别基于连续投影算法(SPA)选择了用于叶绿素a和蛋白质预测的特征波长， 分别得到5个(404， 440， 518， 662和875 nm)和4个(411， 531， 602和1 047 nm)特征波长。 基于特征波长建立了PLS和多元线性回归(MLR)预测模型， SPA-MLR模型中叶绿素a和蛋白质预测集相关系数(correlation coefficient, Rp)分别是0.949和0.974， 均方根误差(RMSEP)分别是0.018 8和0.006 74。 结果表明： 可见-近红外光谱检测螺旋藻藻体中叶绿素a和蛋白质含量是可行的， 通过测量螺旋藻的光谱结合化学计量学方法可以实现对螺旋藻生长状况的检测。

微藻-生物柴油转化生产要求产油微藻细胞内大量积累脂肪, 而藻类脂肪的积累受外界环境影响较大, 因此, 微藻生长过程中对藻体脂肪变化进行快速检测和分析有着非常重要的意义。 以小球藻（Chlorella sp.）为研究对象, 利用可见/近红外光谱技术和高光谱成像技术对不同光源培养条件下微藻生长过程脂肪动态变化和脂肪含量分布可视化分析进行了研究。 研究结果表明, 虽然利用两种技术获取的小球藻透射光谱和反射光谱有差异, 利用连续投影算法进行特征波长也不完全相同, 但基于两种技术获得的对于脂肪含量的特征波段光谱建立的小球藻脂肪含量多元线性回归模型的预测结果接近, 分别为rpre＝0.940, RMSEP＝0.003 56和rpre＝0.932, RMSEP=0.004 23。 研究中小球藻接种初期至生长指数期初期藻体内脂肪含量相对平稳, 积累增加发生在生长对数期的末期, 而在生长平稳期时的小球藻藻液中, 脂肪含量较高的藻体呈现出聚集生长的状态。 小球藻生长过程中生命信息快速无损检测方法的实现为微藻实际生产培养和收获策略的制定提供了理论依据和技术手段。

微藻高效培养是微藻生物能源开发利用的关键和前提, 而在营养充足的培养条件下生长迅速但较易受到环境污染和影响, 因此微藻生长过程中对其生长状况进行监测意义重大。 高光谱成像技术同时拥有丰富物质品质信号的优点和图像包含丰富品质分布空间信息的优点, 可为微藻的快速无损检测提供新的方法和手段。 分别采集小球藻、 球等鞭金藻和螺旋藻三种微藻各45个样本的高光谱图像, 并提取样本感兴趣区域（ROI）的平均光谱。 利用连续投影算法（SPA）波长优选之后, 取30个建模集样本的光谱数据与其相应的生物量建立多元线性回归（MLR）模型, 对15个预测集样本的生物量进行预测, 小球藻、 球等鞭金藻和螺旋藻预测相关系数（r）分别为0.950, 0.969和0.961, 预测均方根误差（RMSEP）为0.010 2, 0.010 7和0.017 1, 获得了较好的预测精度。 最后, 用所建MLR模型对预测集图像上每个像素点的生物量加以预测, 采用Matlab图像编程处理将不同的生物量用不同的颜色表示, 最终以伪彩图的形式实现藻液生物量的可视化。 研究结果表明, 高光谱成像技术对小球藻和螺旋藻藻液生物量的可视化效果较好, 对球等鞭金藻的预测效果还需要进一步改进。 本研究为实现微藻生长信息的快速获取和进一步开展微藻生物质能源利用奠定了一定的研究基础。

对藻类的识别分类及其生化分析已成为海洋生物学的研究热点之一。 以普通小球藻、 蛋白核小球藻、 微绿球藻、 莱茵衣藻为样品, 通过便携式USB4000微型光纤光谱仪、 Y形光纤和探针, 卤素光源构建的光谱采集系统对不同浓度梯度的120个微藻样本进行浸入式可见/近红外透射光谱的原位采集, 比较去基线、 卷积平滑等光谱预处理方法的效果, 并基于连续投影算法(SPA)筛选特征波长, 通过偏最小二乘法(PLS)、 最小二乘支持向量机(LS-SVM)和极限学习机(ELM)进行建模, 探讨采用透射光谱原位快速鉴别四种不同藻种的可行性。 结果表明: 卷积平滑的处理效果较为理想, 有效波长可用于代替原始光谱建立微藻种类判别分析模型。 SPA-LV-SVM和SPA-ELM的预测效果显著高于SPA-PLS, 三者的平均预测正确率分别是80%, 85%, 65%。 浸入式可见/近红外光谱技术和便携式光纤探针结合的藻种鉴别方法, 有效实现了对四种微藻的鉴别, 为藻种鉴别和藻种分类研究领域提供了一种新思路。

微藻种类的鉴别和分类是研究微藻生理生化特性的基础和前提.微藻细胞中主要包含五种生物分子,包括蛋白质、糖类、油脂、核酸和色素,在不同藻种会有不同的比例含量,常常作为藻种鉴别的一种依据.文章探讨了采用激光共聚焦显微拉曼技术快速鉴别普通小球藻(Chlorella sp.)、莱茵衣藻(Chlamydomonas sp.)两种不同藻种的可行性.通过在相同光照时间、强度和相同培养基的条件下培养的两种微藻,利用琼脂固定法固定微藻细胞,在514.5 nm的激光下采集了不同藻种及其不同生长时期的拉曼光谱曲线,并通过rolling circle filter(RCF)算法去除荧光背景,然后采用去基线、卷积平滑等预处理方法得到两种藻种各40个样本的曲线.从80个样本中随机抽取50个样本训练建模,剩下的30个样本作为独立的验证集.对光谱数据采取不同的预处理方法,采用偏最小二乘(partial least squares,PLS)全波段建模建立光谱响应特征与普通小球藻、莱茵衣藻的关系模型,比较了不同预处理程度的效果.结果表明:利用激光共聚焦显微拉曼技术,基于不同藻种色素含量比的差异,同时结合化学计量学方法,可以快速、有效地将两种藻种鉴别出来.所提出的最大谱峰比值标准化法处理样本,当阈值为±0.5时,预测正确率达到100%,当阈值为±0.2时,预测正确率达到86.67%,表明所提出的新方法能在藻种鉴别和分类领域具有较高的可行性.

利用自编码网络（autoencoder network, AN）流形学习和稀疏表示（sparse representation, SR）方法对汽车变速箱油进行近红外光谱品种识别研究。 以壳牌、 美孚、 嘉实多、 上海大众和上海通用五种变速箱油为对象, 利用AN方法对600～1800 nm近红外光谱数据进行非线性降维, 获取10个特征变量。 每种变速箱油选取30个样本（共150个样本）作为训练样本, 每种30个样本（共150个样本）作为测试样本。 所有训练样本的特征变量组成了稀疏表示方法的整体训练样本矩阵, 将变速箱油品种分类识别问题转化为一个求解待识别测试样本对于整体训练样本矩阵的稀疏表示问题, 通过求解L-1范数意义下的最优化问题来实现。 经过主成分分析（principal component analysis, PCA）和AN降维后, 分别利用线性判断分析法（linear discriminant analysis, LDA）、 偏最小二乘支持向量机法（least squares-support vector machine, LS-SVM）和本文提出的稀疏表示分类算法进行分类比较。 结果表明, 结合自编码网络和稀疏表示方法对五种汽车变速箱油品种的平均识别准确率达97.33%, 为汽车变速箱油品种近红外光谱快速准确识别提供了有效的新途径。

研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法。获得了 润滑油在475 ～ 975 nm范围内的可见-近红外光谱。采用最小二乘支持向量机(LS-SVM)建立 可见-近红外光谱检测模型，并通过将无信息变量消除算法(UVE)与连续投影算法(SPA)相结合进行 光谱有效波长选取。通过UVE-SPA法进行变量选择计算，最终将原始光谱所包含的500 个光谱变量减少到了8个(分别为489 nm、553 nm、591 nm、874 nm、893 nm、910 nm、935 nm和 951 nm)。基于这8个变量建立的LS-SVM模型获得了预测集确定系数为0.9546、误差均方根为0.0081和 剩余预测残差为4.5663的预测结果，说明可见-近红外光谱技术可以用于润滑油酸值无损检测。 与酸值测定标准方法相比，该方法具有快速、无损和成本低等优点。同时，UVE-SPA法是一种有效的 光谱变量选择方法。

研究了基于可见–近红外光谱技术的制动液品牌混掺比例快速无损检测方法。全波段建立的 偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型均得到了较好的预测结果。这两个模型的建模集和预测集的确 定系数(r2c和r2p)均在0.98以上。采用连续投影算法(SPA)挖掘特征波长，最终选择了439 nm、 443 nm、459 nm、519 nm、570 nm、717 nm、896 nm和902 nm共8个波长作为最优变量。基于SPA选择的变量建立的PLSR 和LS–SVM模型的r2c和r2p均在0.97以上，能够满足实际应用的需要。研究结果表明，可见–近红外光谱 可以用于制动液品牌混掺比例快速无损检测。

提出了一种应用可见近红外光谱技术快速测定发动机润滑油动力粘度值的新方法。 对5种不同粘度的润滑油共150个样本进行光谱扫描, 经过光谱预处理后应用偏最小二乘法(PLS)建立了润滑油动力粘度值的预测模型, 并提取出前6个有效主成分作为最小二乘-支持向量机(LS-SVM)预测模型的输入变量, 建立相应的最小二乘-支持向量机(LS-SVM)预测模型, 采用径向基函数(RBF)作为核函数, 超参数γ和RBF核函数参数σ2的最佳组合为γ=27.321 2和σ2=3.229 5。 用125个样本建模, 25个样本验证。 实验结果表明, LS-SVM模型比PLS模型能获得更满意的预测效果。 说明应用光谱技术可以实现发动机润滑油动力粘度值的快速无损检测。