海洋沉积物的粒度研究有助于了解人类活动对自然环境的影响。 将主成分分析(PCA)和连续投影算法(SPA)融合能够综合利用两种光谱特征提取方法的优势, 获得比单一特征提取方法更丰富的特征波长, 实现无关特征和干扰信息的剔除, 最大限度减少特征信息的丢失, 有利于沉积物粒度的分析。 以青岛市东大洋村潮间带表层32份沉积物为例, 将海洋沉积物划分为0.3～0.2、 0.2～0.1、 0.1～0.075和<0.075 mm四个不同粒径的沉积物样品, 分别测定不同粒径的32份沉积物的可见-近红外反射光谱, 共计128条光谱。 将128条光谱数据分别以2∶1, 1∶1和1∶2的比例划分建模集和检验集进行分析； 采用主成分分析和连续投影融合算法(FOPAS )提取不同粒径沉积物的特征光谱, 利用支持向量机算法建立粒径分类模型。 结果显示, 对2∶1、 1∶1、 1∶2比例的数据集, 融合算法检验集正确率分别为83.33%、 82.81%、 75.29%, 仅在2∶1比例下正确率低于连续投影算法检验集的正确率90.47%, 其余正确率相对于单一特征提取算法均有显著的提高, 表明使用融合算法提取特征光谱建立的分类模型在训练集样本量少, 粒径清晰的条件下, 其分类模型相较于单独使用两个特征提取算法的模型更具有优势。 采用基于主成分分析和连续投影融合算法的海洋沉积物粒度分类模型, 能够提高海洋沉积物粒度分类结果的正确率, 建立正确率更高的粒度分类模型, 对快速粒度分类提供了解决方法。

土壤有机碳含量是土壤肥力与土壤质量的主要决定因素, 与土壤生产力密切相关。 采用高光谱模型估算土壤有机碳含量成为了解土壤肥力的重要方法。 利用高光谱分析技术结合机器算法实现快速、 高精度的估算土壤有机碳含量, 对土壤肥力的可持续利用至关重要。 根据实测的土壤有机碳含量及其高光谱反射率数据, 运用Savitzky Golay方法对光谱波段进行平滑去噪, 采用连续投影算法（SPA）、 遗传算法（GA）对原始光谱及其5种不同数学变换光谱分别进行特征波段的筛选, 并基于随机森林（RF）方法构建土壤有机碳含量的高光谱估算模型。 为进一步降低模型的复杂度, 将SPA算法与GA算法相结合, 寻找最佳特征参数, 以提升土壤有机碳含量特征波段的识别率和可信度。 结果表明: （1）在原始光谱中, 基于GA算法筛选SOC含量的高光谱响应波段主要集中在350~410、 827~928、 997~1 064、 1 201~1 234、 1 541~1 574、 1 667~1 710、 2 153~2 186和2 357~2 707 nm; 当RMSE为6.09时, SPA算法筛选了11个特征变量。 （2）基于GA算法筛选特征波段时, 原始光谱R、 标准正态变量（SNV）、 多元散射校正（MSC）、 一阶微分（FD）、 对数的倒数（RL）与连续统去除（CR）的维数分别降低到407、 697、 668、 667、 493、 784维, 占全光谱波段的18.93%~36.47%; 基于GA-SPA算法筛选后, 6种光谱变量的维度介于8~17维, RMSE介于4.53~6.30。 （3）在一阶微分光谱形式下, 基于GA-SPA算法挑选的12个特征变量所构建的RF模型预测效果最好, 模型的建模集R2c为0.78, RMSEc为5.48, 验证集R2p为0.82, RMSEp为4.50, RPD为2.18。 研究表明, 光谱一阶微分可以增强土壤的光谱信息, GA算法结合SPA算法寻找光谱特征变量, 既简化了估算模型的复杂度, 又提高了估算模型的精度, 基于遗传算法—连续投影算法的高光谱模型具有较高的估算能力。

随着中药制剂存储时间的延长, 其有效成分含量逐渐降低。 化学检测手段损耗样品、 检测时间长、 成本高, 利用近红外光谱对不同年份的经典名方安胎丸进行年份鉴别。 为探讨这种无损、 快速质量控制方式的可行性, 采集了三年的105粒样本在1 000～1 799 nm波段近红外光谱吸光度数据, 随机选择80个作为训练集, 25个作为测试集。 首先采用连续投影算法（SPA）, 消除原始光谱数据中的冗余信息, 对输入全光谱进行优化降维, 根据测试集的内部交叉验证均方根误差值, 从输入的800个波长中提取出11个特征波长, 分别是: (1 692, 1 714, 1 405, 1 001, 1 114, 1 478, 1 514, 1 788, 1 202, 1 014, 1 164) nm; 然后建立支持向量机(SVM)分类模型, 由于SVM模型中的参数选取对分类正确率影响很大, 利用粒子群优化（PSO）算法, 对SVM模型中惩罚参数C和核函数参数进行寻优, 形成PSOSVM分类模型; 最后将SPA降维后的特征波长输入到PSOSVM分类算法中。 用Matlab软件进行仿真测试, 分别构建SVM, SPA-SVM和本文的SPA-PSOSVM三种方法分类模型, 分类测试正确率分别达到了76%, 92%和100%。 从仿真结果可以看出, SPA波长优选可有效地降低光谱信息中存在的冗余信息, 减少建模所需的时间, 结合PSOSVM分类模型降低了模型的复杂度, 提高分类精度。 结果证实, 依照所建立的利用近红外算法, 可以准确无损区分中药制剂安胎丸生产的年份, 该研究可为中药制剂年份间差异评价提供一种思路。

准确及时的检测原油含水率对注水策略调整、 原油开采能力评估、 油井开发寿命预测等均具有重要意义。 然而, 当前我国大多数油田均已进入高含水的开发中晚期, 含水率测量难度大且准确率不高。 在此背景下, 开展了高含水情况下利用近红外光谱进行原油含水率测量的研究。 首先介绍了目前原油含水率检测的常用方法, 分析了它们的优劣。 理论上, 由于水的近红外光吸收带与原油中C—H键的吸收带有明显区别, 根据Lambert-Beer吸收定律和吸光度线性叠加定律可知, 不同含水率高含水原油近红外光谱会存在较强响应差异。 为此, 对高含水原油进行近红外光谱检测, 建立原油含水率与近红外光谱响应间的非线性映射模型, 可实现高含水原油含水率的精确测量。 为了验证该方法的有效性, 搭建了近红外光谱数据采集实验装置: 采用白炽灯作为光源, 经过光路调节成平行光后垂直射入样品池, 用近红外光谱仪(海洋光学NIR512)采集光谱用于分析。 其中, 接收光谱仪带宽为900～1 700 nm, 平均分成512个波段。 光谱数据利用光谱仪配套软件储存在电脑中。 样本采用相同厚度不同比例的油水混合物, 样本含水率范围为70%～99%, 共采集数据60组, 每组重复3次取平均值。 得到原始数据后, 先进行原始数据预处理, 以减少数据采集时来自高频随机噪音及温度不稳定、 样本不均匀、 基线漂移、 光散射等不利因素的影响。 分别选用了S-G滤波、 一阶导数和S-G滤波+一阶导数作为数据预处理的方法, 利用连续投影算法(SPA)对光谱数据进行降维, 并利用偏最小二乘法(PLS)和多元线性回归(MLR)进行建模, 模型精度通过计算均方根误差值(RMSE)和相关系数(r)来验证。 对比发现, 使用S-G滤波+一阶导数建立的模型RMSE值最小(RMSE=0.007 0, r=0.998 3)。 使用SPA降维后的模型要优于全波段PLS模型(RMSE=0.083 3, r=0.920 6)与MLR模型(RMSE=0.099 9, r=0.967 1)。 利用SPA提取出的31个特征波长建立的模型仅占全波段的6.05%, 并获得了较好的精度。 证明了利用光谱检测高含水原油含水率可行性, 并且得到了满意的精度, 为高含水原油的含水率检测提供了新的方法, 为进一步利用近红外光进行高含水原油的快速检测与在线监测提供参考。

为了探索分数阶微分在高光谱估算小麦叶片含水量上的可行性,在农田尺度上,利用春小麦野外光谱数据与实测叶片含水量数据,以0.2阶为步长,计算光谱0~2阶微分,并分析其与小麦叶片含水量的相关性,再利用连续投影算法(SPA)从通过0.01水平显著性检验的波段中筛选出估算叶片含水量的最佳波段组合,并建立估算春小麦叶片含水量的反射传播(BP)神经网络模型。结果表明:分数阶微分可以细化小麦叶片含水量与光谱数据相关性的变化趋势;分数阶微分处理后,相关系数通过0.01水平显著性检验的波段数量呈现先增后减的趋势,在不同的波段范围内,分数阶微分的最佳阶数也有所不同;SPA筛选出的敏感波段基本上集中在红光、近红外波段范围内,1.2阶微分后水分敏感波段数最多,达到13个;所建立的模型中,基于1.8阶微分建立的6-4-1结构的BP神经网络模型为最佳模型,其建模组均方根误差为0.701,决定系数为0.751,验证组的均方根误差为0.227,决定系数为0.917,相对分析误差为3.253,说明了分数阶微分后的模型稳定性和预测能力较整数阶微分得到明显的提升,可为高光谱定量反演春小麦叶片含水量提供参考。

高光谱成像具有快速无损和图谱合一的特点, 每个波段都会呈现一幅图像, 每个像素点都显示一条光谱曲线, 不仅可以获取样本的光谱信息, 还可以表征物体的空间信息, 目前在诸多领域展现出极大的应用价值。 采用高光谱成像实现土壤中石油烃含量分布的可视化。 制备不同石油烃含量的砖红壤样本, 分为建模样本和预测样本。 采集高光谱图像, 为避免图像背景的干扰, 采用掩膜的方法进行背景剔除。 之后提取建模样本中感兴趣区域的平均光谱, 采用连续投影算法筛选特征变量, 基于提取的特征变量, 一方面建立MLR预测模型, 另一方面从预测样本中提取特征波段的高光谱图像。 最后, 将特征图像上像素点的数据代入模型, 得到石油烃的含量分布情况。 通过图像处理的方法, 不同的含量赋予不同的颜色, 实现砖红壤中石油烃含量分布的可视化。 研究结果表明, 采用高光谱成像与图像处理方法能够初步实现砖红壤中石油烃含量分布的可视化, 为以后大范围地识别和反演土壤中石油烃含量提供了基础。

胡杨叶片水分含量是评价胡杨健康状况的重要指标。 光谱检测法是一种常用的手段, 但在近红外光谱的测量过程中, 在一定程度上必然受到仪器噪声、 摆放形态差异和环境的干扰, 为避免噪声、 散射对近红外光谱的影响, 减少数据维数, 采用多元散射校正（MSC）算法对原始光谱数据进行预处理, 去除散射和基线漂移的影响, 增加了光谱数据的信噪比, 使有效光谱信息较为明显, 谱带特征得到加强, 有利于特征波长的选择。 为降低模型的复杂度, 防止过拟合现象, 减小共线性影响, 利用连续投影算法（SPA）进行特征变量选择, 并通过多元线性回归模型, 分析各个波长模拟的残差平方, 评价各个波长的贡献, 剔除贡献较小的波长, 最终获得用于建模的特征波长, 改善建模条件。 最后使用偏最小二乘回归算法建立胡杨叶片水分含量检测模型。 实验表明, 直接使用原始光谱, 利用SPA算法筛选变量个数为6个, 模型预测精度为90.144%, 相关系数r=0.674 24, RMSE=0.021 434, MSC处理后, 利用SPA算法选定最终变量数为5个, 预测精度为97.734%, 相关系数r=0.781 63, RMSE=0.016 776。 MSC和SPA算法有效的消除了散射噪声、 减小了共线性干扰, 模型的预测精度和相关性增加, 误差减小, 可用于胡杨叶片水分的快速无损检测, 而且对其他作物叶片水分检测也具有一定的借鉴意义。

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究。 采集浙江省文城地区农田土壤样品近红外光谱数据, 土壤样品数为394个。 为简化模型, 采用遗传算法结合连续投影算法挑选出18个特征波长建模, 应用偏最小二乘回归建立有机质预测模型, 建模集的决定系数为081, 均方根预测误差为022, 剩余预测偏差为231, 预测集的决定系数为083, 均方根预测误差为020, 剩余预测偏差为245。 研究发现, 遗传算法结合连续投影算法在简化模型同时, 模型的预测评价指标同采用全谱波长建模并没有明显降低。 因此, 遗传算法结合连续投影算法挑选的特征波长可以应用于近红外光谱检测土壤有机质含量。