针对宽谱连续波差分吸收激光雷达（DIAL）的特点，通过仿真不同大气条件下的激光雷达信号，计算分析宽谱DIAL气溶胶消光和后向散射效应引起的二氧化氮（NO₂）质量浓度反演误差。研究结果表明：当大气气溶胶均匀分布时，NO₂质量浓度反演误差主要取决于气溶胶消光效应，而后向散射效应引起的NO₂质量浓度反演误差一般可忽略不计；当大气气溶胶非均匀分布时，气溶胶后向散射效应引起的NO₂质量浓度反演误差依赖于气溶胶非均匀分布程度，且与波长指数成反比。此外，适当增大分段拟合距离可有效降低气溶胶后向散射效应引起的NO₂质量浓度反演误差。利用光谱近似得到宽谱NO₂-DIAL气溶胶消光和后向散射效应引起的NO₂质量浓度反演误差的近似模型，通过对比模拟计算的结果，验证了近似模型评估NO₂质量浓度反演误差的可行性。

报道了一种基于柔性空芯光纤和量子级联激光器（QCL）的中红外吸收光谱技术，可同时检测NO和NO₂气体。QCL在间歇连续波（iCW）模式下运行，结合柔性空芯光纤具有小型化传感器的潜力。分别选择1929.03 cm^-1和1599.91 cm^-1的吸收线用于NO和NO₂检测，两束激光同时耦合到内径为530 μm的100 cm长的柔性空芯光纤中。直接吸收光谱首先用于展示双气体检测，QCL以iCW模式运行并结合时分复用技术，然后采用一次谐波归一化的波长调制光谱来消除非气体吸收带来的信号强度变化的影响，并研究了气体传感器的性能。对于体积分数为50×10^-6的NO与15×10^-6的NO₂，检测精度分别评估为5.2%和4.1%。当积分时间为60 s时NO的检测限为39×10^-9，当积分时间为50 s时NO₂的检测限为9.2×10^-9。

作物氮含量影响作物的生长状况, 合适的施氮量可以促进作物生长和提高作物产量, 因此准确、 快速地监测作物的氮含量十分必要。 旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力。 首先, 以无人机为遥感平台, 搭载高光谱传感器获取了冬小麦拔节期、 挑旗期、 开花期和灌浆期4个主要生育期的高光谱遥感影像, 并实测了各生育期的氮含量数据。 其次, 基于预处理后的高光谱影像, 提取冬小麦各生育期的冠层反射率数据, 并构造能较好反映作物氮素营养状况的12种植被指数和12种光谱特征参数。 然后, 计算了各光谱参数与冬小麦氮含量的相关性, 并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数； 最后, 利用逐步回归分析（SWR）构建基于植被指数、 植被指数结合光谱特征参数的氮含量估算模型。 结果显示: (1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性。 其中, 植被指数的相关性高于光谱特征参数； (2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行, 但精度还有待进一步提高； (3)与单一植被指数或光谱特征参数相比, 植被指数结合光谱特征变量利用SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期: 建模R2=0.64, RMSE=24.68%, NRMSE=7.96%, 验证R2=0.77, RMSE=23.13%, NRMSE=7.81%； 挑旗期: 建模R2=0.81, RMSE=15.79%, NRMSE=7.41%, 验证R2=0.84, RMSE=15.10%, NRMSE=7.08%； 开花期: 建模R2=0.78, RMSE=9.88%, NRMSE=5.66%, 验证R2=0.85, RMSE=9.12%, NRMSE=4.76%； 灌浆期: 建模R2=0.49, RMSE=13.68%, NRMSE=9.85%, 验证R2=0.40, RMSE=18.29%, NRMSE=14.73%)。 研究结果表明, 结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高, 研究结果可为冬小麦氮含量的空间分布和精准管理提供参考。

土壤全氮是重要的养分指标, 利用高光谱技术研究并构建砂姜黑土全氮含量高光谱估测模型, 为作物施肥及发展精确农业提供参考。 尝试研究离散小波估测土壤全氮含量的可行性, 以河南省商水县不同小麦氮肥处理为试验区, 采集100份0～20 cm的砂姜黑土, 土壤样本风干并经研磨过筛等处理后, 在实验室暗室内采集光谱。 利用含量梯度法, 将总样本（100个砂姜黑土）划分为建模集75个和验证集25个。 将原始光谱进行一阶导数变换, 并对一阶导数光谱分别进行相关分析和离散小波变换, 同时结合支持向量机和K邻近算法构建高光谱土壤全氮估测模型。 系统分析了原始光谱和一阶导数光谱的单波段与土壤全氮的相关性, 结果表明, 经一阶导数变换后的光谱与土壤全氮有更好的相关性, 在1 373 nm处相关系数达到最高为0.84。 利用离散小波算法对一阶导数光谱进行最佳母小波和分解层次选择, 结果显示, 经sym8函数分解的小波系数能较好的重构土壤全氮光谱信息, 进一步基于分解层L1—L11的低频系数分别建立支持向量回归和K邻近回归土壤全氮含量估测模型, 比较全部估测模型, 以分解层L5的低频系数结合K邻近构建的模型最优, 建模决定系数为0.90, 均方根偏差为0.09 g·kg-1, 相对分析误差为3.78, 验证决定系数为0.97, 均方根偏差为0.05 g·kg-1, 相对分析误差为4.30。 同时与全波段和经相关分析后挑选出的敏感波段作为输入构建的模型进行比较, K邻近模型精度提高了3.2%和9%, 支持向量机模型精度提高了6.7%和11.6%。 研究结果表明一阶导数变换与离散小波技术可有效减少噪声影响, 提高土壤全氮含量的估测精度, 又实现了光谱数据降维, 简化了模型复杂度, 为砂浆黑土全氮含量的精确估测提供参考。

土壤养分直接关系到作物产量与品质状况, 然而传统化学方法检测存在化学试剂消耗大、 耗时费力等问题, 不能满足精细农业的需求。 快速获取土壤养分信息是发展精细农业、 绿色农业的关键, 想要了解土壤肥力状况, 必须先了解有机质和总氮的含量状况。 许多研究表明, 长波近红外光谱被广泛应用于土壤检测领域, 然而短波可见/近红外光谱在土壤有机质和总氮的研究上却非常罕见。 以江西省吉安市安福县和南昌市新建区的四个村庄作为研究区, 根据2×2网格法采集了深度为10～30 cm的棕壤、 红壤和水稻土三种最为典型的土壤样品共180份。 经过研磨、 风干等处理后用四分法均匀划分为两份, 用于测定样品光谱信息和理化信息。 将土壤样品按照2∶1(120∶60)划分为建模集和预测集。 考虑到首尾端波段噪声较大, 故去除325～349和1 051～1 075 nm波段, 将350～1 050 nm波段用于光谱分析。 通过连续投影算法(SPA)筛选出有机质12个特征波长点, 总氮11个特征波长点, 考虑到土壤光谱信息与土壤理化性质之间可能存在非线性联系, 建立全波段与特征波长的线性偏最小二乘回归(PLSR)模型和非线性最小二乘支持向量机(LS-SVM)模型对土壤有机质和总氮进行研究, LS-SVM模型采用两步网格搜索法优化了两个超参数γ和σ2。 研究结果表明: (1)土壤的光谱反射率随波长增加反射率升高, 反射率曲线中460、 550、 580、 740和900 nm处有较为明显的吸收特征。 (2)从PLSR模型和LS-SVM模型结果分析可知, 非线性模型LS-SVM具有更好的预测精度, 分析认为土壤光谱信息与土壤理化性质之间存在一些非线性关系。 (3)通过连续投影算法筛选的特征波长提高了模型精度, 优化了模型运行效率。 SPA-LS-SVM模型是所有模型中最优的预测模型, 其中有机质模型的R2pre为0.884 7, RMSEp为0.104 8, RPD为2.945 0, 总氮模型的R2pre为0.901 8, RMSEp为0.010 4, RPD为3.191 1。 (4)本研究说明可见/近红外光谱能够用于测量不同类型的土壤有机质和总氮含量, 并且达到较好的预测效果。 可见/近红外光谱在土壤检测领域具有巨大潜力。

叶片氮含量(LNC)是判断橡胶树营养状态的一个重要量化指标, 快速准确地检测橡胶树的叶片氮含量对于保证橡胶树的生长和天然橡胶的产量是非常十分必要的。 利用近红外光谱技术对119片橡胶叶片的叶面氮含量进行了定量分析, 建立了高精度的预测模型, 实现了对橡胶叶片氮含量的快速精准检测。 采集海南橡胶叶作物实验对象, 首先使用GaiaField-F-N17E光谱仪测量橡胶叶片的近红外光反射率数据, 波长范围为942～1 680 nm。 然后, 消除光谱数据中的异常样本, 分别使用了三种不同的预处理方法对数据进行处理并比较它们对模型精度的提升效果。 由于橡胶叶片的近红外光谱数据存在着大量的冗余信息和高度共线的光谱特征波段, 因此, 提出了一种基于改进后的模因框架(IMF)的结合竞争自适应重加权采样(CARS)和近邻搜索(NNS)的混合变量选择方法, 采用该算法消除光谱中的冗余信息并进行二次优化, 从全波段中提取28个作为建模波段。 最后, 使用偏最小二乘回归(PLSR)和最终选取的波段建立橡胶叶片的LNC估算模型。 为了验证所提方法的优越性, 进一步使用CARS, 连续投影(SPA)和传统模因算法(MA)的变量选择算法建立模型作为对比。 结果表明, 多元防散射效正(MSC)处理后的光谱曲线和基于IMF框架的CARS-NNS算法所建立的模型在预测集上的表现最佳: 均方根误差(RMSEp)达到0.116, 决定系数(R2p)为0.951, 两项评价指标均优于其他的预测模型。 综上所述, 基于近红外光谱技术和使用混合学习IMF框架构建的预测模型能够很好地揭示光谱数据与橡胶树叶片氮含量两者之间的关系, 可为橡胶林的养分诊断提供必要的技术支持, 保证橡胶树的良好生长, 以提升天然橡胶的产量和质量。

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标， 因此， 准确高效地获取PNC信息， 对动态监测马铃薯长势及精准施控氮肥具有重要意义。 首先于马铃薯现蕾期、 块茎形成期、 块茎增长期、 淀粉积累期和成熟期获取无人机高光谱影像， 并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱; 其次将提取的冠层光谱与马铃薯PNC进行相关性分析， 筛选出PNC的敏感波长; 然后分别利用灰度共生矩阵和1~3阶颜色矩， 提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征， 并将提取的特征与马铃薯PNC进行相关性分析， 筛选出相关性较高的前5个图像特征; 最后分别基于光谱特征、 图像特征和图谱融合特征利用弹性网络回归(ENR)、 贝叶斯线性回归(BLR)和极限学习机(ELM) 3种方法建立马铃薯PNC估算模型。 结果表明: (1)马铃薯5个生育期的冠层光谱特征波长存在差异， 但多数位于可见光区域。 (2)冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高， 且现蕾期到淀粉积累期的相关性明显高于成熟期。 (3)基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好， 成熟期效果较差。 (4)现蕾期到淀粉积累期， 基于图谱融合特征的马铃薯PNC估算效果明显优于单一光谱特征和单一图像特征。 (5)马铃薯各生育期， 基于同种变量利用ENR构建的PNC估算模型效果较好， BLR次之， ELM较差。 其中， 以图谱融合特征为模型变量， 利用ENR构建的PNC估算模型精度和稳定性最好， 5个生育期的建模R2分别为0.91、 0.75、 0.82、 0.77和0.69， RMSE分别为0.24%、 0.31%、 0.26%、 0.22%和0.29%， NRMSE分别为6.59%、 9.79%、 9.58%、 7.87%和11.03%。 该研究可为马铃薯的氮营养监测提供一种快捷高效的技术手段。

军用陶瓷或金属封装中的共晶烧结芯片贴装工序存在的主要问题是, Sn基焊料极易氧化形成Sn2O、SnO2等氧化物, 在共晶过程中不断堆积在焊料表面, 形成焊料表面悬浮颗粒, 造成PIND失效。文章基于氧化膜破裂理论, 通过对当前使用的共晶烧结氮气保护的结构进行改进, 采用小型半密闭腔体的方式实现了局部高纯度氮气保护环境。在共晶烧结贴片过程中, 氧化膜破裂融入焊料体内, 同时因氧化膜破裂而流出的熔融焊料在良好的氮气保护环境下形成新的光亮圆润的焊料表面, 有效减少了焊料表面悬浮氧化物颗粒。统计数据表明, 该改进研究有效降低了PIND失效率和成品筛选电路的成本损失; 该改进实现了共晶烧结贴片焊料表面极少产生悬浮氧化物颗粒, 极大地降低了可动颗粒导致的电路短路、断路等误动作的危害性和可靠性风险。