为实现用单色发光二极管(LED)合成所需要的各种目标光谱,提出将自适应差分进化算法作为光谱匹配算法。以高斯修正模型表征单色LED的分布,基于均匀分布的LED,模拟了标准AM1.5太阳光谱和植被光谱,并采用相关指数和均方根误差作为评价标准。在此基础上,利用实验室现有的LED进行了实验验证,所提算法的拟合效果均比模拟退火算法和遗传算法好。实验结果表明,提出的自适应差分进化算法可自动设置参数,拟合效果好,可以被广泛应用于各种LED光谱匹配仿真实验和工程实践中。

温度是影响光源稳定性的重要因素,温度变化会引起光源参数的改变,进而影响光源视觉与非视觉效应。基于三种光谱模型确定单通道光源的光谱参数与热沉温度的关系,建立多LED混光光源的温度光谱模型,并对RGBY四色LED混光光源(本文采用D50光源和D65光源)进行温度实验,结果表明,温度光谱模型中不同热沉温度下光源光谱与实测光谱基本一致,两者光源参数最大相对误差不超过6.15%,验证了该模型的可靠性。针对温度引起的光源参数(照度、色温、生理节律因子)变化问题,基于温度光谱模型采用差分进化算法实时确定脉宽调制控制系统中各通道的补偿权重,根据热沉温度对权重的反馈实现光源参数补偿。本研究可应用到多LED混光光源的动态设计及光源温度稳定性控制当中。

基于树叶样本的柑橘黄龙病近红外快速诊断技术已经被证明可行, 但目前的研究尚局限于以树叶为光谱采集部位。 树皮韧皮部作为病菌及特异性营养组分运送的主干道, 在黄龙病的病理机制、 病程发展中占据重要地位, 能够在疾病的早期阶段提供特异信息, 有助于疾病的早期诊断。 为了探索以树皮为样本建立黄龙病近红外检测技术的可行性, 分析不同采样部位对黄龙病近红外预测模型的影响, 设计了树叶、 树皮和综合（树叶+树皮）三种采样方案。 通过与标准正态分布法（standard normal distribution, SNV）、 多元散射校正法（multiple scattering correction method, MSC）、 一阶导数法（first derivative）和二阶导数法（second derivative）对比, 发现归一化法（normalization）对树皮光谱数据的处理效果最好。 分别采用偏最小二乘回归法（partial least squares regression, PLSR）和主成分回归法（principal component regression method, PCR）建立柑橘黄龙病预测模型, 发现预测集均方根误差（root mean square error of prediction, RMSEP）都在10-5量级, 并且树叶预测集均方根误差最小（RMSEP of leaves, 1.690 9×10-5）, 树皮均方根误差其次（RMSEP of barks, 1.889 0×10-5）, 综合均方根误差（RMSEP of composite samples, 2.567 6×10-5）最大; 预测集决定系数（the determination coefficient, r2）都在0.9以上, 并且树叶样本所建模型的决定系数最小（the determination coefficient of leaves, r2L, 0.939 6）, 树皮其次（the determination coefficient of barks; r2B, 0.941 5）, 综合样本所建模型的决定系数最大（the determination coefficient of composite samples; r2C, 0.960 3）, 说明三种采样方案所建立的模型都有很好的精度和预测能力, 以树叶为样本所得模型精度虽然最高, 但预测能力最弱, 而综合采样方案所得模型预测能力虽然最强, 但模型精度最低, 只有以树皮为样本所得模型的精度（RMSEPB=1.889 0×10-5）、 预测能力（r2B=0.941 5）都能保持在良好水平。 通过对比分析树叶、 树皮的原始光谱、 模型效果, 探讨了以树皮为样本建立柑橘黄龙病近红外快速检测技术的可行性, 为近红外光谱技术在黄龙病诊断方面的应用提供新的思路。

针对可见光多光谱图像在通用领域的应用, 为提高压缩效率, 有效提升重建光谱曲线的色度及光谱精度, 进一步存储传输, 提出了一种非线性光谱反射率模型, 并基于此设计了复杂度适中、 光照稳定性好且支持光谱跨设备再现的LabW2P编解码算法。 首先根据多光谱图像物理特性, 提出非线性光谱反射率模型, 将光谱数据表示为线性成分和差别光谱, 线性成分由六维变换空间及光谱投影系数组成, 差别成分为非线性表示成分, 该模型用于光谱数据至不同基变换空间的分解及表示, 为算法的构建, 光谱及色度重建性能的提升, 提供了理论基础; 然后, 根据人眼视觉系统特征、 光照条件, 借助CIE标准色度空间转换函数, 提取光谱反射率中的三维色度信息Lab, 保证重建图像的色度精确性; 基于光谱非线性表示模型, 采用类视觉曲线的三角函数基, 提取线性成分前两维投影系数作为光谱编码的后两维W1和W2, 用于近似描述CIERGB色度空间中R和G通道, 同时有效提高光谱数据的色度和光谱还原度; 利用误差补偿机制生成预测差别光谱, 采用主成分分析（PCA）法提取其第一维主成分作为编码值P, 补偿了线性光谱重建误差, 并进一步提升了光谱精确性; 最后, 组合提取的三部分数据, 形成LabW2P编码。 LabW2P解码即编码的逆过程。 首先, 根据Lab及W1和W2, 结合CIELAB至CIEXYZ色度空间转换函数、 光照条件、 CIE标准观察者色匹配函数、 及三角函数基, 采用最小二乘回归, 获得变换空间上的重建投影系数, 进而重建线性光谱数据; 然后, 根据P值, 采用PCA逆变换, 获取重建预测差别数据, 最后, 结合两部分重建数据, 获得光谱重建图像。 实验分析显示, LabW2P算法的平均色度精度为0.207 6, 较经典的PCA, LabPQR和LabRGB法分别提升了81.54%, 55.48%, 32.29%, 最大平均色差为0.507 0, 此外均处于0～0.5之间, 达到了视觉难以辨认的可忽略色差的色彩重建水平; 平均光谱精度为0.012 7, 较PCA性能稍弱, 较LabPQR和LabRGB法分别提升了13.01%, 6.62%, 表明LabW2P编码法的色度和光谱重建性能优势明显。 此外该算法可直接用于物体色估计, 较PCA和LabPQR法, 传输附加信息少, 可达压缩比更高。

仪器线型函数是傅里叶光谱仪重要的物理表征参数之一, 影响仪器测量光谱的精度.随着空间测量和大气探测等遥感应用在高精度上的需求, 如何实时在轨测量并更新星载光谱仪的仪器线型函数, 成为当前提高在轨超高分辨率光谱仪测量精度的重要手段.以傅里叶型光谱仪为例, 根据仪器线型函数的原理, 利用在轨超高分辨率光谱仪实测太阳光谱定标数据不受大气气溶胶影响且具有独立太阳弗朗和费线的特征, 来对在轨超高分辨率光谱仪的仪器线型函数进行监督和更新.实验以Kurucz太阳光谱模型作为参考光谱, 在对应波段范围内分别选取多条实测太阳定标光谱和参考光谱的特征峰, 通过调整光谱仪的狭缝模型, 对特征峰残差进行迭代对比, 演算出仪器ILS参数变化.最后, 用更新的仪器线型函数与临边理论光谱卷积, 与实测临边定标光谱比较验证, 误差范围在-6%~8%.结果表明, 该方法可为在轨超高分辨率光谱仪仪器线型函数的监督更新提供参考依据.

发光二极管(LED)太阳光模拟器的设计需要对LED光谱建立精度高且稳定性好的数学模型。针对LED光谱数学模型非线性的特点，提出利用一种经改进遗传算法(GA)优化的反向传播(BP)神经网络对LED光谱模型进行辨识。通过改进GA的算子，提高算法收敛效果和辨识精度，利用改进GA对BP神经网络初始和权值阈值进行优化，用于建立可靠的LED光谱模型。选取不同驱动电流条件下的白色、红色LED光谱进行实验验证，实验结果表明该算法拟合的LED光谱模型与实际测量光谱分布非常接近，相比其他模型精度更高，普适性更好。

氮循环是土壤生态系统元素循环的重要过程, 其中硝化作用对于土壤氮循环有重要影响。 硝化作用的主要完成者是硝化微生物群落, 土壤微生物是湿地生态系统的重要组成部分, 其可以指示湿地生态环境变化, 对正确认识湿地生态系统氮循环和湿地污染净化功能具有重要意义。 尝试从高光谱遥感技术角度, 基于土壤氮素光谱监测机理, 探索湿地土壤硝化微生物群落高光谱估算技术, 进而为估测其时空分布状况提供新技术途径。 研究对硝化作用中两个独立阶段的主要完成者氨氧化细菌和亚硝酸氧化细菌, 采用最大可能数法分别计数, 并以两者计数测量结果的合计, 作为各采样区域土壤硝化微生物的数量值。 采用光谱倒数的对数(LR)、 光谱一阶微分(FD)、 光谱二阶微分(SD)、 包络线去除(CR)和光谱波段深度(BD)光谱变换技术, 以及基于再抽样(bootstrap)技术的多元逐步回归(SMLR)和偏最小二乘回归(PLSR)建模方法, 构建湿地土壤硝化微生物数量和全氮含量估算模型。 研究结果表明: 在采用bootstrap SMLR建模方法时, 湿地土壤硝化微生物数量和全氮含量的估算波段位置存在一定的相似性(尤其对于原光谱实测数据R和SD光谱); 对于湿地土壤硝化微生物数量和全氮含量的估算, bootstrap PLSR相比于bootstrap SMLR建模方法, 具有较高的估算精度; 对湿地土壤硝化微生物数量的估算, 最高估算精度产生于SD光谱变换技术结合bootstrap PLSR建模; 对湿地土壤全氮含量的估算, 最高估算精度产生于CR光谱变换技术结合bootstrap PLSR建模。

高光谱数据具有光谱分辨率高、 波段连续性强、 信息丰富等特点, 在土壤信息的监测中得到广泛应用。 利用高光谱遥感技术测定盐渍化土壤属性对灌区农作物的生长和农业可持续发展具有重要意义。 采集玛纳斯河流域221个土壤样品, 分别测定土壤电导率(EC)、 有机质(SOM)和Na+, Ca2+, Mg2+三种离子浓度含量等土壤理化性质和光谱反射率曲线, 并由三种离子含量得出钠吸附比值(SAR), 采用逐步线性回归方法建立EC, SOM和SAR与原始光谱反射率(R)、 标准正态变量(SNV)、 归一化差异植被指数(NDVI)、 倒数的对数(LR)、 一阶微分(FDR)和去包络线(CR)等六种指标的模型。 模型验证结果表明, 相较其他五种变量的模型, 以R为自变量的EC对数模型精度最高, 相关系数为0.782, 均方根误差为0.256。 以NDVI为自变量的土SOM预测模型精度最高, 相关系数为0.670, 均方根误差为5.352。 以FDR为自变量的SAR预测模型精度最高, 相关系数为0.647, 均方根误差为1.932。 EC预测模型效果最好, SOM预测模型次之, SAR预测模型精度最低。 最优模型中EC, SOM和SAR的敏感波长分别分布于395~1 801, 352~1 144和394~1 011 nm波段。 由于土壤中各属性的差异和不同成分空间分布的变异性, 对于不同土壤性质的建模和验证结果差异较大。 本研究可为盐渍化土壤的高光谱遥感监测提供依据。