随着光通信、 光信息处理技术等的快速发展, 非线性光学材料越来越受到学术界与工业的关注。 与无机非线性光学材料相比, 有机非线性光学材料具有响应时间短、 易于加工和高非线性系数等优点。 其中, 4-(4-二甲氨基苯乙烯基)甲基吡啶对甲苯磺酸盐（DAST）是人工设计的一种具有非中心对称性和较强极化率的有机非线性材料。 大量理论和实验结果表明, DAST具有高二阶光学非线性系数、 高电光系数、 大双折射率差和低介电常数等特性, 能够产生更快、 更强的光学非线性响应, 还具有优异的太赫兹波发射及吸收性能, 是目前综合性能最优、 应用最广、 最具研究价值的非线性有机材料。 近年光谱研究显示, DAST还表现出各向异性的太赫兹光谱特性。 文章系统地总结了DAST晶体在太赫兹波发射、 二次谐波产生、 电光探测和电光调制等众多领域的国内外研究成果, 还概括了我们团队近期在DAST基薄膜、 太赫兹光谱、 光电特性、 超材料等新领域的研究进展。 此外, 还提出将准相位匹配法用于DAST晶体研究、 利用电场或自组装膜诱导生长DAST晶体等新思路。 对DAST成果的总结和梳理, 将促进非线性DAST有机材料在电光调制器、 频率转换器、 THz探测器等重要领域的应用与理论研究, 使其能够更加广泛地应用在光通信、 光信息处理、 **技术等重要领域。

时间相关吸收光谱技术, 如腔衰荡光谱技术(CRDS)和腔衰减相移光谱技术(CAPS), 是近三十几年发展起来的一类新型吸收光谱检测技术, 它具有探测灵敏度高、 响应速度快、 不受光源强度起伏变化影响等优点。 传统的吸收光谱技术都是基于Lambert-Beer定律, 如直接吸收光谱技术(DAS)、 波长调制光谱技术(WMS)和腔增强吸收光谱技术(CEAS)等, 这类光谱技术在探测物质微弱吸收的时候一旦遇到较强的背景光信号就变得难以测量, 而且光源的不稳定性也会对检测带来一定的限制。 时间相关吸收光谱技术由于其不受光源强度起伏变化的特点, 在很大程度上能够弥补传统吸收光谱技术所存在的缺陷, 但其也有自身的局限性。 首先在理论上, CRDS和CAPS这两种时间相关吸收光谱技术并不统一, 而且在现有光谱理论下, Pulse-CRDS在应用时使用的脉冲光源的脉宽必须远小于谐振腔本身的时间常数, 对于长脉宽的脉冲光或者反射率低(小于99.9%)的腔体, 现有理论将不再适用; CAPS在应用时光源调制信号必须是周期性的正弦信号或者方波信号, 对于其他类型的周期调制信号或者非周期性信号, 现有理论并没有涉及。 针对上述提到的时间相关吸收光谱技术的局限性, 提出了一种新的分析时间相关吸收光谱技术的方法, 即利用一阶传递函数, 将谐振腔视为一阶传感系统, 对时间相关吸收光谱技术理论进行统一解释, 在公式推导上证明新方法下的推导结果和现有理论结果的一致性。 针对Pulse-CRDS, 以高斯脉冲光为例, 给出一阶传感理论下的透射光强表达式, 并对一系列不同的脉冲宽度γ、 谐振腔时间常数τreal以及从输出信号中拟合而得的时间常数τanal进行了模拟仿真。 经过分析比较后发现, 当γ<0.3τreal时, τanal和τreal的偏差小于1%; 当γ>0.3τreal时, τanal和τreal的偏差渐渐变大, 将不再满足实验条件。 为了使Pulse-CRDS在长脉宽脉冲光下也能应用, 本文给出了修正函数, 使得在脉宽大于腔衰荡时间0.3倍的情况下, 经过修正补偿后, 衰荡时间的误差小于1%。 对于CAPS系统, 搭建相应实验平台, LED中心波长选用405 nm, 使用方波调制信号, 测量不同频率下的入射参考信号与探测信号的相位差和探测信号峰-峰值, 通过由一阶传递函数推导而得的相频特性和幅频特性, 拟合得到时间常数τ, 结果分别为7.24和7.25 μs, 残差范围分别为［-0.01, 0.02］和［-0.02, 0.025］, 两者结果基本一致。 实验结果验证了一阶传感系统理论完全适用于时间相关光谱的信号分析, 并且一阶传感系统理论还使得时间相关光谱技术的理论得到了统一。

辐射测温技术随着辐射测量传感器技术的进步而不断进步, 已经由单波长测温发展到多波长和多波段测温, 由点温测量发展到二维甚至三维温度场测量。 但是在辐射测温更精确反演方面, 却很难克服因发射率未知性而引起的模型构建误差。 发射率行为难以确定并极大地影响了测温精度, 急需发展一种具有通用性, 不受发射率具体行为限制, 具有较高稳定性的辐射测温方法。 双波长测温适用于发射率具有灰体行为的物体温度测量, 一系列的发射率补偿算法和波长选择方法均未能很好地实现通用性测量, 往往直接单色测量可能误差比比色法更小。 多波长测温得到广泛应用, 但并不是波长越多越好, 发射率模型仍然具有较大局限性。 提出了发射率直接限定算法和发射率松驰限定算法来反演温度。 在发射率限定条件相同时, 这两种方法是等价的。 发射率松驰限定算法基于最小二乘算法和松驰因子进行真温求解。 推导了松驰限定法的误差传递公式, 发现在保证测量信号强度的前提下, λT越小温度误差越小; 发射率行为对温度相对误差具有重要影响, 在相同的λT条件下, 发射率随波长变化越大, 在限定区间上覆盖越均匀, 测量误差越小。 但从直接限定算法可以看出所测波长数越多, 测量误差越小。 两种方法均可以看出, 减少限定区间长度也可以显著地提高测量精度。

荧光纳米材料不但具备纳米材料的优势, 同时还具有优异的光学性质, 被广泛应用于荧光标记、 离子识别、 荧光免疫分析、 光学成像和医学诊断等方面。 因此, 荧光纳米材料的制备、 结构分析和荧光特性等方面的研究备受人们的关注。 为了获得发光强度大、 荧光量子效率高和制备过程可控的Si基荧光纳米材料, 实验进一步研究了Si纳米线对样品发光特性的影响和样品的光学稳定性。 首先, 基于固-液-固生长机制, 在反应温度为1 100 ℃、 N2气流量为1 500 sccm、 生长时间为15～60 min等工艺条件下, 分别以“抛光”和“金字塔”织构表面的单晶Si（100）为衬底, 生长出不同长度和分布的Si纳米线; 以Au或Au-Al合金膜层作为金属催化剂, 生长出密度分别约为108和1010 cm-2的Si纳米线; 然后, 利用L4514自动控温管式加热炉, 基于高温固相法, 在温度为1 100 ℃、 掺杂时间为60 min和N2气流量为1 000 sccm等工艺条件下, 以高纯Tb4O7（99.99%）粉末为稀土掺杂剂对不同Si纳米线衬底进行稀土掺杂, 制备一系列的荧光纳米材料SiNWs:Tb3+样品; 室温下利用Hitachi F-4600型荧光分光光度计, 固定激发光波长为243 nm、 激发光狭缝为2.5 nm、 发射光狭缝为2.5 nm、 扫描波长范围为450～650 nm、 光电倍增管(photomultiplier lube, PMT)电压为600 V等参数下, 测量了不同样品的光致发光特性; 最后, 实验测试了该荧光纳米材料的光学稳定性, 如时间（0～30 d）、 温度（300～500 K）、 酸碱（pH 1和11）、 抗光漂白（0～120 min）等稳定性以及水溶性和分散性。 结果显示, 在衬底为“金字塔”织构表面上、 生长时间为30 min、 以Au为金属催化剂等条件下制备的Si纳米线为Tb3+掺杂衬底时, SiNWs:Tb3+的绿光发射强度较大, 其发光强峰值位于554 nm, 属于能级5D4→7F5的跃迁, 另外在波长为494, 593和628 nm出现了三条发光谱带, 它们分别属于能级5D4→7F6, 5D4→7F4和5D4→7F3的跃迁。 另外, 样品展示出了优异的时间、 温度、 酸碱和抗光漂白等光学稳定性, 同时还具有良好的水溶性和分散性。 如温度升高到500 K时, 光发射强度仅降低了约8.9%左右; 抗光漂白能力较强, 用波长为365 nm、 功率为450 W的紫外光源照射120 min, 样品的绿光发射强度无衰减; 酸、 碱稳定性好, 在pH 1的强酸（HCl）溶液中120 min未见衰减, 在pH 11的强碱（NaOH）溶液中15 min内衰减较小, 随后发光强度出现了缓慢下降的趋势; 当60 min后, 样品的发光强度变得极其微弱。 分析认为, 在SiNWs:Tb3+表面有一层SiO2包覆层, 而NaOH溶液容易和SiO2发生化学反应, 随着时间延长SiO2层被破坏, 故样品发光强度降低; 样品溶于水中放置30 d未见沉淀物, 发光亮度均匀且分散性较好。 在研究了制备温度、 气体流量和掺杂时间等工艺条件之后, 深入研究了Si纳米线自身变化对Tb3+绿光发射的影响。 该材料展示出了良好的光学稳定性、 水溶性和分散性, 使其作为荧光标记物具有一定的应用价值。

应用太赫兹时域光谱（THz-TDS）技术结合密度泛函理论（DFT）对两种结构相似的典型单糖和二糖物质（D-葡萄糖和乳糖一水化合物）在0.3~1.7 THz频段的太赫兹吸收光谱进行了实验与理论模拟研究。 首先, 利用THz-TDS技术分别测量了D-葡萄糖和乳糖一水化合物在0.3~1.7 THz频段的太赫兹特征吸收谱, 获得了它们在此太赫兹频率范围内的指纹光谱数据, 发现虽然乳糖的组成结构中含有葡萄糖, 但THz-TDS技术对糖类分子的结构变化非常敏感, 两种物质在所测太赫兹频段内分别表现出各自不同的太赫兹指纹吸收特性。 然后, 利用DFT方法分别对两种糖类物质单分子和多分子构型的低频集体振动模式进行了理论模拟计算, 获得了D-葡萄糖晶胞构型和乳糖一水化合物单分子及晶胞构型的DFT模拟计算结果, 并通过简正振动模式分解的PED分析方法, 结合GaussView显示的分子振动形式, 对两种糖类物质在太赫兹频段吸收峰的简正振动模式进行了指认, 发现乳糖一水化合物的振动模式与羟基（—OH）、 羟甲基（—CH2OH）和糖苷键的振动模式密切相关, 且D-葡萄糖在1.44 THz处及乳糖一水化合物在1.38 THz处出现的吸收峰主要是由分子间的相互作用（氢键和范德华力）, 尤其是相互作用较强的氢键引起。 最后, 利用约化密度梯度（RDG）分析, 可视化地分析了D-葡萄糖和乳糖一水化合物分子间相互作用的位置、 类型和强度, 进一步证明了两种物质在太赫兹频段的特征吸收峰主要来源于分子间氢键网络支配的集体振动模式。 研究结果表明, THz-TDS技术对糖类分子结构的细微变化有着敏锐的感知, 虽然D-葡萄糖和乳糖一水化合物的分子结构相似, 但太赫兹波对它们之间的结构差异十分敏感, 两者在太赫兹波段的特征吸收谱表现出明显差异, 这为THz-TDS技术结合DFT方法对糖类物质进行检测识别以及研究糖类分子间的相互作用提供了有价值的实验和理论参考。

大气温度、 水汽、 地表温度和地表发射率是大气和地表的本征信息量。 利用卫星红外资料精确反演大气温湿廓线有利于准确预报天气和研究气候变化, 同时地表温度和地表发射率光谱的反演为研究植物生长与作物产量、 地表水分蒸发与循环、 能量平衡、 地表成分及物理性质、 气候变迁与全球环境提供重要参数指标。 把大气和地面作为一个整体系统来考虑, 建立一种能同步反演大气温度廓线、 大气水汽廓线、 地表温度和地表发射率的反演方法, 利用超光谱红外卫星资料（atmospheric infrared sounder, AIRS）, 针对我国新疆地区沙漠和雪地两种典型发射率地表同步反演大气温度廓线、 水汽廓线、 地表温度和地表发射率。 反演方法首先线性化地球-大气系统红外辐射传输方程, 提出通过经验正交函数构建大气廓线和地表发射率光谱, 有效减少反演变量数, 建立同步物理反演模式, 然后以美国国家环境预报中心（National Centers for Environmental Prediction, NCEP）的预报结果（初始大气温度、 水汽廓线以及地表参数）作为初始值, 最后通过牛顿迭代得到最优化解。 反演观测区域覆盖我国新疆塔克拉玛干沙漠和准噶尔盆地, 分别选择位于塔克拉玛干沙漠腹地的塔中探测站（纬度38.98°, 经度83.64°）和准噶尔盆地的阜康荒漠生态系统国家野外科学观测研究站（纬度44.2°, 经度87.9° ）为反演地面验证点。 反演结果表明, 塔克拉玛干沙漠地表温度明显高于准噶尔盆地地表温度, 与实际情况相一致; 根据反演的8.6和13.4 μm处的地表发射率分布情况, 可以看出在8.6 μm处沙漠地表发射率明显低于雪地发射率, 在6～15 μm范围内, 反演的沙漠地区（塔中站）地表发射率和雪地地区（阜康站）地表发射率与美国喷气推进实验室测量的沙漠发射率光谱和雪地发射率光谱相一致。 研究表明, 把大气和地面作为一个整体系统来考虑, 把地表发射率加入到反演中, 通过比较和分析沙漠地区（塔中）和雪地地区（阜康）的大气廓线反演结果与当地气象探空值和传统反演方法反演值, 改进了大气温度廓线和水汽廓线反演精度, 特别是边界层温度和水汽改进尤为明显; 同时分析表明在发射率光谱变化较大的沙漠地区, 大气廓线反演精度的改进比雪地要高, 这是由于地表发射率光谱在沙漠、 戈壁地区变化较大, 而雪地的发射率光谱变化不大。 用该方法针对地表发射率光谱变化较大的地区（沙漠）同步反演大气廓线、 地表温度和地表发射率, 可以更有效的提高大气温度廓线、 水汽廓线的反演精度。 该研究结果可以为数值天气预报和我国未来超光谱红外卫星应用提供服务和有力支持, 具有十分重要的意义。Hyperspectral Infrared Satellite Data

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、 岛岸背景、 恶劣天气、 亮带干扰或诱饵弹干扰等情况时, 系统的探测率、 虚警率、 探测距离等性能指标均会受到严重的影响; 为此, 开展了基于多波段红外图像的海面舰船目标检测方法的研究。 通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像; 波段1—5分别为3.7～4.8, 3.7～4.1, 4.4～4.8, 3.7～3.9和4.65～4.75 μm; 对多波段图像进行手动标注构建样本数据集, 其中, 正样本舰船目标298个, 负样本非舰船目标353个。 对于多波段红外图像, 首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域; 针对候选区域中存在大量明显的非舰船目标区域的问题, 利用积分图像计算候选区域的局部对比度, 依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。 然后对舰船目标候选区域进行拓展以融入局部上下文信息, 对于候选区域对应的5波段红外图像, 分别提取每个波段图像的稠密SIFT特征, 并将128维SIFT特征向量降为64维, 融入SIFT特征的空间和波段位置分布信息得到新的特征向量, 基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示, 最后利用线性SVM分类器识别出舰船目标。 对多波段图像进行舰船目标候选区域生成实验, 所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足, 从初始目标候选区域中快速定位出舰船目标候选区域, 对25组多波段图像进行实验, 舰船目标候选区域生成的整体耗时为0.353 s, 定位舰船目标区域耗时0.005 s。 对100个正负样本进行目标识别测试, 所提出的目标识别算法融合了目标的多波段图像特征信息, 通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息, 算法的识别率达到了0.97, 显著高于单波段红外图像的目标识别率。 对25组多波段图像进行舰船目标检测实验, 所提出的舰船目标检测方法能够在海天背景、 岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作, 舰船目标定位准确, 舰船目标召回率达到了0.95, 每组多波段图像的平均检测耗时为1.33 s。 研究结果表明, 充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征, 可以增强舰船目标的可分性, 提高舰船目标的识别率以及检测率, 为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。

木材的种类识别是木材加工和贸易的一个重要环节, 传统的木材种类识别方法主要有显微检测法和木材纹理识别法, 其操作繁琐, 耗时长, 成本高, 不能满足当前需求。 本研究利用木材的近红外光谱（NIRS）结合模式识别方法, 以期实现木材种类的快速准确识别。 采用近红外光谱结合主成分分析法（PCA）、 偏最小二乘判别分析法（PLSDA）和簇类独立软模式法（SIMCA）三种模式识别对58种木材进行种类鉴别研究; 5点平滑、 标准正态变量变换（SNV）、 多元散射校正（MSC）、 Savitzky-Golay一阶导数（SG 1st-Der）和小波导数（WD）五种光谱预处理方法用于木材光谱的预处理; 校正集和测试集样品的正确识别率（CRR）用于模型的评价。 采用PCA方法, 通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。 在建立PLSDA模型, 原始光谱的正确识别率最高, 分别为88.2%和88.2%; 5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%; SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%; MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%; SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD（小波基为“Haar”, 分解尺度为80）处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。 可知, 在PLSDA模型中, 木材光谱未经预处理种类识别效果最后好。 在建立SIMCA模型过程中, 原始光谱的校正集和测试集的CRR分别为99.7%和99.4%; 5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%; SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%; MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%; SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD处理的光谱校正集和测试集的CRR分别为100%和100%。 可知, 在SIMCA模型中, 木材光谱经平滑和小波导数处理后的识别效果最好, 且光谱的校正集和测试集CRR都为100%。 采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时, 由于木材样本属性复杂, 主成分分布图相互交织, PCA无法识别出58种木材; 原始光谱的PLSDA模型可以得到较好的判别模型, 但校正集和测试集的CRR只有88.2%和88.2%; 木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果, 校正集和测试集的CRR均为100%, 且WD-SIMCA模型因子数比5点平滑SIMCA模型小, 模型更为简化, 故WD-SIMCA为58种木材种类识别的最优模型。 研究表明光谱预处理方法可以有效的提高木材种类识别精度, 有监督模式识别方法SIMCA可以用来建立有效的木材识别模型, 近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。

为了获得高精度的配色样品, 提出了一种配色方法—成分分析配色法。 该方法将化学分析法与计算机配色相结合, 其核心是选取与目标色成分最接近的油墨进行配色, 从而实现高精度的色彩匹配, 为计算机配色发展提供新的思路。 与目标色成分相近的油墨配色效果验证: 使用某种油墨印制目标色, 并用相同的油墨进行配色, 以实现目标色成分与配色色样成分的一致性。 使用三个不同品牌的油墨对目标色进行配色, 比较配色精度及效率。 使用泗联牌三种颜色油墨以任意比例通过印刷适性仪IGT-CI（荷兰）印制目标色, 这些目标色包括间色和复色, 各3个色样; 使用配色软件X-Rite color master（美国）建立泗联、 东洋、 牡丹三个品牌油墨的配色基础数据库, 并对不同目标色进行配色。 结果表明使用与目标色相同的泗联油墨的配色精度远高于东洋、 牡丹两个品牌的油墨, 配色色差整体都很小, 校正1～2次就能得到小于1.0的色差, 最小达到0.36, 几乎实现了目标色的同色同谱匹配。 实验验证了成分分析配色法的核心“选取与目标色成分最接近的油墨进行配色, 可以实现高精度色彩匹配”的可行性。 判别目标色与配色油墨在成分上区别的化学分析工具探讨: 为了判别目标色色料与配色油墨在成分上有区别, 尝试使用“红外光谱相似度”作为判别的分析工具。 使用红外光谱仪Thermo Nicolet 6700（美国）测出泗联、 东洋、 牡丹三个品牌的三种颜色油墨的红外光谱图, 使用OMNIC软件中的相关性算法得到它们与目标色油墨的红外光谱相似度, 并计算出平均相似度; 将各品牌油墨的红外光谱相似度与其配色实验的精度进行对比分析, 评价红外光谱相似度作为化学分析判别工具的有效性。 结果表明泗联牌油墨与目标色的平均红外光谱相似度为100%, 东洋的为86.53%, 牡丹的为64.63%。 当校正次数相同时, 泗联油墨配色色差最小, 配色精度最高; 东洋次之, 是泗联油墨配色色差的2倍左右; 牡丹最差, 是泗联油墨配色色差的3倍以上。 配色结果与其红外光谱相似度的规律是一致的, 目标色油墨与配色油墨之间的红外光谱相似度越高, 越容易得到高精度的配色样品。 实验证明了用成分分析配色法获得高精度的色彩匹配是可行的, 使用红外光谱相似度作为目标色与配色油墨在成分上的分析工具对判别配色精度是有效的。 今后的工作将探讨红外光谱相似度与配色精度间的相关性数值关系, 以及进一步寻求更为有效的化学分析方法来判断目标色色料与配色油墨之间的成分关系。

在近红外光谱数据定量建模中, 数据的高冗余和高噪严重影响了建模的稳健性和精确性, 因此提出了一种特征分层结合改进粒子群算法（PSO）的特征光谱选择方法。 首先通过互信息度量特征的重要性得分, 并按特征的重要性降序排序, 有效避免了因采用降维方法得到主成分而引起的丢失重要信息的问题。 其次, 引入了跳跃度概念, 并构造了一种特征分层的方法, 重要性程度相似的特征并入同一个特征子集, 将降序排列的特征集分割为不同的特征子集, 避免了筛选特征过程中因人为设定特征重要性得分阈值而导致的不确定性。 最后, 采用收敛速度快、 控制参数少的粒子群算法作为最优特征子集的优化方法, 同时对粒子群算法做了两方面改进: 引入混沌模型增加种群的多样性, 提高了PSO的全局搜索能力, 避免陷入局部最优; 将特征数目引入到适应度函数中, 在迭代前期通过惩罚因子调节特征数目对适应度函数的影响, 提高了算法的适应能力。 将分层后的数据以特征子集为单位, 依次累加并作为改进粒子群算法的输入, 从而选择出高辨别力的特征子集。 以烟碱指标为例进行了特征选择过程的描述, 实验采用尼高力公司的Antaris Ⅱ近红外光谱仪进行近红外光谱数据的采集, 光谱扫描范围为4 000~10 000 cm-1。 首先, 利用互信息理论计算全光谱1 557个特征对待测指标定量建模的重要性得分, 得分取30次实验的均值。 其次, 将所有特征按照重要性得分降序排序, 计算所有特征的跳跃度, 依据跳跃度寻找特征分层的临界点, 将特征划分到不同的特征层中, 构建了包含8个特征子集的特征集合S={S′1, S′2, S′3, S′4, S′5, S′6, S′7, S′8}。 然后, 依次将特征子集S′1, {S′1, S′2}, {S′1, S′2, S′3}, …, {S′1, S′2, S′3, S′4, S′5, S′6, S′7, S′8}作为初始粒子群的候选集, 以R/(1+RMSEP)作为特征子集优劣的评价标准, 各自重复实验50次, 比值最大的特征子集即为最优特征子集。 为验证该算法的有效性, 选取了具有代表性烟叶近红外光谱数据作为训练集和测试集, 建立了烟碱、 总糖两个指标的PLS定量模型, 并分别与全光谱、 分层后的特征光谱、 粒子群算法选出的特征光谱进行了比较。 仿真结果表明, 本算法所选特征烟碱、 总糖的建模相关系数r分别为0.988 5和0.982 2, 交互验证均方差RMSECV分别为0.098 4和0.889 3, 预测均方根误差RMSEP分别为0.100 7和0.901 6, 模型准确率均明显高于其他三种方法。 从所选特征数来看, 该算法所选特征数最少, 有效剔除了原特征集中的弱相关和噪声、 冗余信息, 所建模型的主因子数最少, 降低了模型的复杂性, 模型更加稳健, 适应性更广。

目前民族乐器古筝面板用板材的等级主要依靠乐器技师凭借个人经验进行判断, 此方法受限于有丰富经验的技师且容易受其主观判断影响。 针对此现状, 以用于制作古筝面板的泡桐木材为实验样本, 提出了一种利用近红外光谱结合改进的BP神经网络方法, 实现快速识别古筝面板用板材的不同等级。 近红外光谱可以表征丰富的物质结构与组成信息, 并且测量仪器成本较低, 附件形式多样化, 所以针对泡桐板材的近红外光谱实验分析有实用意义首先进行光谱去噪, 消除系统误差等以提高光谱分辨率, 根据均方根误差与信号平方和作为多种预处理方法评价指标, 选取一阶导数为本实验最终预处理方式, 15为合适的滤波去噪窗口大小, 然后通过主成分分析法压缩数据以及马氏距离法剔除建模集异常样本, 从而建立更具代表性的建模集。 然后通过聚类分析无监督学习方法进行板材等级分析, 证明板材分级的可行性。 由于H2O在近红外光谱区域具有较大吸收, 根据实验光谱分析结果, 不考虑其基频振动波段5 396.0～4 978.0 cm-1区域和第一泛音振动波段6 800～7 000 cm-1区域, 仅考虑剩余近红外光谱波段信息, 将不同光谱信息波段组合, 共七种组合波段区域作为神经网络模型的输入, 进行面板板材等级识别模型实验。 对传统的BP神经网络模型作改进。 BP神经网络中学习率的设置采用自适应学习率优化策略, 弥补传统神经网络训练速率慢等劣势。 同时采用交叉熵函数作为代价函数, 从而加快权重的更新速度。 选取Relu函数作为输入层与隐藏层之间的传递函数, 提高了模型训练速度, 有效防止过拟合的发生。 选取Softmax函数作为最后一层的传递函数, 以此减少复杂计算, 构成该研究最终BP神经网络模型。 选取不同数量的主成分变量所能提取的光谱信息量不同, 通过不断增加主成分个数和调整参与模型的光谱波段区间, 调整BP神经网络模型的输入, 当主成分个数为11和光谱区间为10 000～7 000和4 976～4 000 cm-1时, 未知样本识别率达到99.7%, 所选光谱区间涵盖C—H等基团全部特征信息。 研究结果表明, 近红外光谱结合神经网络可以对不同等级的泡桐木材进行有效的识别, 降低人工检测误差, 缩短板材分级时间, 更好地满足乐器市场需求。

将热红外成像技术和低空遥感技术相结合, 基于冠层和叶片两个尺度对菌核病侵染油菜的过程进行检测研究。 从冠层尺度分析, 首先获取整株样本的温度值（平均温度与最大温差）, 并采集其生理指数（气孔导度、 CO2浓度、 蒸腾速率及光合速率）。 然后, 将染病样本与健康样本的温度值进行判别分析, 并对其进行单因素方差分析。 从结果可知, 平均温度和最大温差值都可以对染病样本与健康样本进行区分, 且最大温差相较平均温度结果较明显。 同时单因素方差分析也显示, 最大温差三次检测中均存在显著性差异。 对获取的生理指数进行分析, 发现染病样本与健康样本之间可以通过生理指数进行明显区分。 另外, 将生理指数与叶片温度进行相关性分析, 结果表明二氧化碳浓度与叶片温度之间的三次检测均存在显著性差异。 基于叶片尺度, 首先从单一叶片来看健康区域和染病区域的温度差异, 可以明显区分出染病区域和健康区域的温度差异。 然后, 提取健康区域与染病区域的的温度值（最大温度、 最小温度、 平均温度以及最大温差）对进行对比分析, 并对其进行单因素方差分析。 结果表明, 以上四个温度指标均可以区分叶片的染病区域和健康区域。 但根据单因素方差分析结果可知, 与冠层尺度相同, 最大温差三次检测中均存在显著性差异, 可以实现对油菜菌核病的早期识别。

可溶性固形物（SSC）是一种综合参数, 主要包括糖、 酸、 纤维素、 矿物质等成分, 对评价果实成熟度和品质具有重要意义, 影响果实口感、 风味及货架期。 西瓜可溶性固形物含量的无损快速检测对西瓜成熟度的确定、 贮藏及运输过程中西瓜内部品质监控具有十分重要的意义, 有助于提高西瓜生产效益和市场竞争力。 在西瓜可溶性固形物含量的快速无损近红外光谱检测中, 近红外漫透射的方式所需光源的能量大, 同时大功率透射会对水果的内部品质产生影响; 采用近红外漫反射方式的研究较少, 但漫反射采集所需的能量小, 有助于实现仪器小型便携化, 成本低, 同时避免透射引起的水果品质变化。 以小型西瓜为研究对象, 利用JDSU便携式近红外光谱仪采集西瓜样品瓜梗、 瓜脐、 赤道部位的近红外反射光谱, 在976, 1 186和1 453 nm附近有明显的吸收, 利用偏最小二乘回归定量分析方法建立西瓜可溶性固形物的近红外光谱无损预测模型。 首先, 采用光谱-理化值共生距离（SPXY）算法对西瓜不同检测部位的样品集进行划分, 以可溶性固形物含量为y变量, 光谱为x变量, 利用两种变量同时计算样品间距离, 以保证最大程度表征样本分布, 有效地覆盖多维向量空间, 增加样本间的差异性和代表性, 提高模型稳定性。 将西瓜样品划分为51个校正集和15个预测集, 校正集样本的SSC含量涵盖了预测集样本的SSC含量范围, 且变异系数均小于9%, 样品集划分合理, 有助于建立稳健可靠的预测模型。 其次, 对比分析西瓜瓜梗、 瓜脐、 赤道检测部位的近红外反射光谱与可溶性固形物含量之间的定量模型的预测精度, 结果得出西瓜赤道部位的反射光谱与可溶性固形物含量相关性较高, 预测效果较好, 预测集相关系数为0.629, 预测集均方根误差为0.49%。 对于不同检测部位获取的光谱信息所建立的近红外光谱SSC预测模型的精度问题, 一方面与光谱的采集方式有关, 另一方面与西瓜的产地、 品种、 成熟期等因素引起的其性状上的差异有关。 在模型建立过程中根据实际情况确定西瓜的检测部位。 最后, 为提高西瓜赤道部位近红外反射光谱与可溶性固形物含量之间的预测模型精度, 采用光谱预处理方法进行优化, 结果得出经标准归一化预处理后, 建立的偏最小二乘回归预测模型效果最佳, 预测集相关系数为0.864, 预测集均方根误差为0.33%, 模型相关性较好, 预测精度得到了很大提升。 研究结果表明, 近红外反射光谱检测小型西瓜赤道部位能很好预测其可溶性固形物含量, 为实际生产中近红外光谱无损快速检测西瓜可溶性固形物含量及小型便携式仪器研发提供了技术储备。

预处理是提高玉米秸秆生物转化利用效率的有效途径。 玉米秸秆经生物炼制转化为生物燃料时, 转化率与其原料内的纤维素和半纤维素含量直接相关。 为了实现对预处理后玉米秸秆的生物炼制过程的有效调控, 提出使用近红外光谱(NIRS)对玉米秸秆的纤维素和半纤维素含量进行快速检测, 解决传统化学方法测试速度慢、 成本高的问题。 为了提高NIRS检测的效率和精度, 将遗传算法与模拟退火算法相结合构建遗传模拟退火算法(GSA)用于预处理后玉米秸秆纤维素和半纤维素含量NIRS特征波长优选。 GSA算法以NIRS波长点数为码长进行二进制编码, 以偏最小二乘法(PLS)回归模型的交叉验证均方根误差为目标函数, 结合温度参数设计适应度函数, 基于Metropolis判别准则实现扰动解的选择复制, 能够在避免早熟的同时有效提高进化后期的搜索效率。 采用碱预处理、 生物预处理及其相结合的方法对采集的玉米秸秆进行预处理后制备样品120个, 并测定其纤维素和半纤维素含量及NIRS。 使用7点Savitzky-Golay平滑结合多元散射校正和标准正则变换对光谱进行预处理后, 利用Kennard-Stone法按3∶1比例划分校正集和验证集。 然后, 使用GSA算法对NIRS全谱进行特征波长优选(记为Full-GSA)、 对协同区间偏最小二乘法(SiPLS)优选后谱区进行特征波长优选(记为SiPLS-GSA)、 对反向区间偏最小二乘法(BiPLS)优选后谱区进行特征波长优选(记为BiPLS-GSA), 并使用PLS回归模型和验证集对特征波长优选结果进行评测。 Full-GSA以全谱1 557个波长点为基因, 执行16次算法, 优选出118个纤维素特征波长点和164个半纤维素特征波长点。 SiPLS-GSA经SiPLS优选的纤维素和半纤维素谱区波长点数分别为388个和160个, 再经GSA进一步优选后得到157个纤维素特征波长点和148个半纤维素特征波长点。 BiPLS-GSA经BiPLS优选的纤维素和半纤维素谱区波长点数分别为358个和180个, 再经GSA进一步优选后得到130个纤维素特征波长点和153个半纤维素特征波长点。 结果表明, 通过波长优选, 不仅参与建模的波长点数量显著减少, 而且回归模型的性能显著优于全谱建模。 其中, 采用Full-GSA优选的纤维素特征光谱回归性能最佳, 采用SiPLS-GSA优选的半纤维素特征光谱回归性能最佳。 回归模型验证集的平均相对误差(MRE)分别为1.752 4%和2.020 8%, 较全谱建模分别降低了13.636 6%和25.368 4%。 基于结合温度参数设计适应度函数的策略构建的GSA具有良好的全局搜索性能, 适用于玉米秸秆纤维素和半纤维素含量NIRS特征波长优选。 GSA以全谱每个波长点为染色体基因的编码方案适用于NIRS全谱的特征波长优选。 GSA同样适用于SiPLS和BiPLS优选后谱区的特征波长优选, 能够有效实现优选后谱区的波长点优选。

应用近红外光谱技术无损分析小麦种子短期自然老化过程中主要化学成分的变化趋势, 并结合支持向量机建立快速判别小麦种子自然老化程度的分析模型。 本实验应用VERTEX 70傅里叶变换红外光谱仪, 以大样品杯旋转采样方式跟踪采集了45份小麦种子在自然老化初期、 4个月、 7个月、 9个月的近红外光谱。 标准差可以用来表征数据离散程度, 因此本实验通过计算每份样本在4个自然老化阶段的光谱标准差来筛选与自然老化时间显著相关的谱区。 为避免单个样本由于偶然因素导致的离散度值异常, 实验统计了45份样本的光谱标准差均值, 根据均值光谱得到如下谱峰: 8 362, 6 950, 7 563, 5 319, 4 998和4 478 cm-1处。 解析谱峰所在区域对应的化学基团归属可得: 6 950 cm-1处对应的是液态水中O—H伸缩振动的一级倍频且该处离散度值较大, 因此小麦种子在短期自然老化阶段中水分变化较为显著; 5 319, 4 998和4 478 cm-1处离散度值较6 950 cm-1处小, 对应的是蛋白质仲酰胺、 伯酰胺和酰胺的合频和倍频信息, 因此蛋白质变化较水分而言相对平缓; 8 362和7 563 cm-1处反映的主要是C—H振动的二级倍频信息且离散度值较大, 而种子中蛋白质、 淀粉等均具有C—H官能团, 因此蛋白和淀粉等成分综合变化较为显著。 在上述分析基础上, 本文采用多分类支持向量机结合近红外光谱建立快速识别小麦种子四种自然老化程度的定性模型。 将180份样本光谱按照3∶1随机抽取135个样本作为训练集, 其余样本作为测试集。 选择核函数为径向基函数, 通过网格搜索法进行参数寻优得到惩罚参数为8, 核参数为0.008 974 2时, 训练集和测试集的识别正确率可达99.26％和99.78％。 实验结果表明: 近红外光谱技术结合支持向量机可快速判别小麦种子短期自然老化程度, 为种子贮藏过程中生理特性变化的无损监测及开发利用提供便捷的检测手段。

为客观、 有效对古陶瓷进行无损断代, 提出了一种基于可见-近红外光谱古陶瓷断代分类识别方法。 耀州窑古陶瓷跨代较多, 且不同朝代之间具有物理相似性, 因此耀州窑的断代具有一定的挑战性。 以耀州窑为研究对象, 在采用紫外-可见-近红外光谱分析仪获取古陶瓷不同朝代的多光谱数据的基础上, 提出基于分数阶微分对光谱数据进行预处理, 避免微分预处理常用的一阶微分和二阶微分遗漏中间过渡信息, 同时压制并消除光谱数据中的背景信息和噪声干扰。 实验结果表明, 未进行微分处理（0阶）时, 耀州窑不同年代古陶瓷的分类准确率仅为84.8%, 而基于不同分数阶微分的分类准确率均较0阶明显高, 分数阶微分的最优阶数为0.7阶。 另外, 提出基于深度信念网络对不同朝代古陶瓷进行断代分类, 首先采用层叠的受限玻尔兹曼机(RBM)对深度网络进行预训练, 提取光谱数据高层特征以消除光谱数据中的冗余特征。 实验结果表明, 光谱数据经RBM降维之前特征间的相关系数为0.885 7, 经第一层和第二层RBM降维后的相关系数分别为0.544 6和0.391 5, 特征间的相关性明显下降, 冗余度明显减少。 然后将RBM预训练得到的权值参数对BP神经网络进行初始化, 并对深度信念网络进行微调, 在克服BP神经网络因随机初始化权值参数而陷入局部最优局限性的同时, 提升网络训练主动性。 实验可得, 深度信念网络的最优RBM数量为2, RBM隐藏层最优节点数为100。 最后, 为避免小样本数据基于深度信念网络进行训练易出现过拟合, 提出了一种Dropout随机丢弃策略, 在深度信念网络训练阶段以一定概率随机让网络某些隐含层节点的权重不工作, 以减少网络训练过程特征之间的相互依赖性, 实验可得当Dropout丢弃比例为0.45时, 分类性能最高。 采用所提方法, 耀州窑不同朝代古陶瓷分类的平均准确率为93.5%, 而耀州窑五代时期的分类识别率最高为96.3%。 通过与同类古陶瓷断代分析方法的客观定量对比, 表明所提方法有效、 可行, 为古陶瓷的断代提供了新方法。

高温煤焦油沥青是人造炭材料的优质原料。 为了获得高品质人造炭材料, 必须对原料沥青进行净化处理, 使得净化沥青具有合理的分子量分布、 较高芳香缩合度和适宜的脂肪族侧链结构, 炭化后才能生成易于石墨化的趋于规整的碳微晶结构。 分别以中温沥青和热聚合改性沥青为原料, 采用两种净化分离处理方法, 得到四种净化沥青(RP-1, RP-2, RP-3和RP-4)。 以四种净化沥青的傅里叶变换红外光谱数据为基础, 结合分峰拟合数学方法, 准确获得了净化沥青的芳香性指数（Iar）、 支链化指数（CH3/CH2）、 OH官能团的存在形式及分布情况和其他基础官能团含量。 由分析研究结果可知, 四种净化沥青均具有较大的芳香缩合度。 RP-3芳香性指数高达0.90, 芳香缩合度最高。 RP-4支链化指数仅为0.07, 脂肪族侧链数量较多、 碳链较长。 四种净化沥青中OH官能团存在形式有明显不同。 研究结果将为人造炭/石墨材料的原料优选提供理论支持。

青碧为碧玉系列中外观类似青玉的称呼。 二者虽外观相似, 但青碧价格高很多, 故市场上出现了以青玉充青碧售卖的现象。 此外, 一些出土玉文物中也出现了这类外观的玉石材质, 但无法准确判别其类型。 这使得快速准确鉴别二者有十分重要的意义。 采用紫外-可见光谱、 傅里叶变换红外光谱和电子探针分析方法, 给出了青碧和青玉样品的谱学特征和矿物的化学组成等特征, 并进行了对比分析。 二者在紫外-可见反射光谱上没有明显差异, 然而, 二者的红外光谱特征存在可识别的差异。 为了探讨出更有效的鉴别特征, 采用了反射和透射两种方法来获取红外光谱。 二者的红外光谱总体上一致, 有以下可区分差异特征: 青碧的红外反射光谱中出现了青玉光谱中未出现的1 050和1 018 cm-1附近吸收峰、 肩峰及411 cm-1附近宽肩峰; 青玉的红外透射光谱中出现了青碧光谱中未出现的453 cm-1附近肩峰和401 cm-1附近吸收峰。 以上可作为快速鉴别青碧和青玉的谱学特征标志。 红外透射光谱经朗伯-比尔定律（A=log(1/T))转换后, 在3 674, 3 661和3 643 cm-1附近处的OH伸缩振动谱带的强度与M1, M3位的Mg及Fe2+含量有很好的相关性。 利用以上二者关系计算的Mg(M1+M3)#（在M1和M3位的Mg/(Mg+Fe2+)）值可用于鉴别青碧和青玉。 青碧的Mg(M1+M3)#值为0.871～0.892, 小于青玉0.927～0.949。 另外, 电子探针分析结果显示青碧和青玉的化学成分存在一定差异: 青碧Mg含量（a.p.f.u）为4.45～4.53, 比青玉的4.66～4.78小; 青碧Fe2+含量为0.28～0.49, 大于青玉的0.10～0.23。 但部分青碧和青玉间的Mg和Fe2+含量差异不大, 说明红外光谱差异除了与成分有一定的关联性外, 可能还与结晶时的物理化学条件有关（青碧和青玉的成因类型分别为超基性岩型和白云质大理岩型）。 以上红外光谱识别特征不仅在鉴别青碧和青玉上具有重要的宝石学意义, 还在古代玉制品源区的判别、 产状分析等方面具有潜在的应用价值。

海水水下温度测量对研究海洋环境和气候监测及自然灾害的早期预报等十分重要。 利用蓝绿激光在海水中良好的透射性, 拉曼光谱技术可应用于大面积海水水下温度的快速遥感监测。 但目前能够实现现场连续水温监测功能的实用化拉曼光谱水温遥测系统还尚未见报道。 研制了实用化低成本的拉曼光谱水下温度遥测系统, 开发了光谱实时采集和数据处理软件。 数据处理中结合了面阵CCD的空间累加与时间积分及本底扣除算法, 有效增强了拉曼光谱的信噪比和光谱系统的探测灵敏度。 为了提高实际测温精度, 以短波段拉曼谱的面积(SHB)与长波段拉曼谱的面积(SNHB)之比作为光谱信标与水温建立关系, 研究了测温精度与光谱积分范围和拟合阶次的关系。 实验测量了五百多组不同水温的拉曼光谱, 分别选用比值SHB/SNHB和SNHB／SHB与水温进行线性拟合和二阶多项式拟合。 研究结果显示, 分界波长对面积比值变化范围影响很大, 而拟合阶次对面积比与温度的拟合关系的准确度影响很大, 两者最终都影响水温测量误差。 为了更客观地反应不同面积比法、 分界波长和拟合阶次对水温测量误差的影响, 分析了温度测量误差与不同分界波长的关系。 结果显示, 温度测量误差受分界波长影响较小, 受面积比法和拟合阶次影响较大; 相同情况下2阶多项式拟合结果优于相应的线性拟合结果; 而采用比值SHB/SNHB与水温进行线性拟合时测温精度较高, 且拟合参数易于调整。 进一步研究了不同面积比方法和分界波长对系统抗干扰性能的影响。 研究结果显示, 比值SHB/SNHB法抗干扰能力随分界波长减小而减小, 而比值SNHB／SHB法抗干扰能力随分界波长减小而增大。 上述研究结果提高了温度反演算法参数设置的合理性和拉曼散射系统测温精度及系统抗干扰能力。 综合考虑上述研究结果, 数据处理中设定649.3 nm作为分界波长计算拉曼光谱面积比SHB/SNHB与水温进行线性拟合。 最后通过实验检验了拉曼光谱水下温度遥测系统的连续实时测温能力和测温精度。 结果显示, 拉曼光谱系统测温值与高精度同步温度传感器测量温度一致, 最大测温误差为±0.5 ℃, 测温误差的标准差约0.21 ℃。

高品质贵金属纳米结构基底的制备是应用表面增强拉曼散射（SERS）技术进行高灵敏生物检测的关键。 采用改进的Langmuir-Blodgett方法, 通过在金纳米杆（Au NRs）溶胶注入乙醇, 使得Au NRs迁移至溶胶与甲苯的交界面, 并用聚甲基丙烯酸甲酯（PMMA）固定交界面处的Au NRs, 形成大面积分布、 均匀致密排列的二维畴状Au NRs/PMMA纳米结构薄膜基底。 然后, 采用等离子体清洗技术处理制备的基底, 使得金纳米杆（Au NRs）的表面裸露, 以增强基底的SERS特性。 实验表明, Au NRs/PMMA基底具有优良的SERS特性, 在785 nm波长的激光照射下, 增强因子可以达到5.49×106。 此外, 利用制备的Au NRs/PMMA基底, 开展前列腺癌症肿瘤标志物——前列腺特异性抗原（PSA）的高灵敏无标记定量检测研究。 在PSA的无标记检测过程中, 首先对PSA标准溶液和新生牛血清进行SERS光谱的直接检测, 得到PSA分别位于823, 1 080, 1 385, 1 586和1 640 cm-1处的主要的拉曼特征峰; 其次, 通过对PSA标准溶液、 临床男性血清样本及女性血清样本的SERS光谱进行测量和分析, 筛选出在PSA的SERS光谱中与血清中PSA含量相关的拉曼特征峰, 它们是分别位于649, 680以及1 640 cm-1处的拉曼特征峰。 进一步, 通过对与PSA同属糖蛋白的肿瘤标志物甲胎蛋白（AFP）以及与PSA同源的人腺体激肽释放酶2（hK2）进行SERS光谱检测和分析, 发现位于1 640 cm-1处的拉曼特征峰对于PSA具有高的特异性, 将其作为临床血清样本中PSA无标记定量检测的具有特异性的拉曼特征峰, 并以此为依据, 对不同PSA浓度的标准溶液进行检测, 得到位于1 640 cm-1处的拉曼特征峰强度与PSA样本溶液中PSA的浓度相关的剂量-响应曲线。 最后, 开展临床血清样本的应用检测。 结果表明, 基于Au NRs/PMMA基底的SERS检测结果与化学发光免疫分析（CLIA）方法的检测结果一致, 且具有比CLIA更高的检测灵敏度, 最低检测极限为0.06 ng·mL-1, 且无标记检测范围为0.1 mg·mL-1～0.1 ng·mL-1。 因此, 基于Au NRs/PMMA SERS基底的高灵敏肿瘤标志物无标记检测具有重要应用前景。

压力可以引起蛋白折叠与变性。 作为蛋白质的基本构成单位, 氨基酸在高压下的变化近来年备受关注。 在常见的20种氨基酸中, 学者们利用高压拉曼技术已研究了多种氨基酸在高压下的变化, 研究的最高压力达到30 GPa。 为了探究L-丝氨酸（C3H7NO3）在极高压力下的结构变化情况, 采用原位高压拉曼技术在常温下对L-丝氨酸晶体进行研究, 最高压力达到22.6 GPa。 研究发现, 当压力达到2.7 GPa时, 在102 cm-1处出现新峰, 在1 123 cm-1（NH3反对称摇摆振动）处的特征峰出现劈裂; 当压力达到5.4 GPa时, L-丝氨酸晶体在574 cm-1处出现新峰, 同时原来164 cm-1处峰消失; 当压力达到6.0 GPa时, 位于226, 456, 770和2 968 cm-1（CH2伸缩振动）等处出现新峰, 877 cm-1处的CC伸缩振动峰发生劈裂, 产生894 cm-1新峰; 当压力达到7.9 GPa时, 在145, 151和2 946 cm-1等出现新峰, 同时原在CO2摇摆振动峰的肩峰531 cm-1消失; 当压力达到11.0 GPa时, 位于249 cm-1处的振动峰开始劈叉, 在241 cm-1处形成新峰, 位于2 956 cm-1（CH2伸缩振动）同时原位于391和431 cm-1处的峰消失; 当压力达到17.5 GPa时, 在200 cm-1处出现新峰。 通过进一步分析L-丝氨酸的拉曼波数随压力的变化, 发现很多拉曼峰在1.37, 2.2, 5.3, 7.46和11.0 GPa以及15.5 GPa等压力点处都出现了拐点。 其结果表明: L-丝氨酸在0.1～22.6 GPa之间共发生7处结构相变, 分别位于压力区间0.1~1.37, 2.2~2.7, 5.3, 6.0, 7.46~7.9, 10.1~11.0和15.5~17.5 GPa之间。 而且, 在6.0 GPa新的相变点在之前文献中未论述过。 由于L-丝氨酸晶体在6.0 GPa时CC伸缩振动峰发生劈裂, 这现象可能是由于压力引起L-丝氨酸晶体分子发生重排导致的, 同时L-丝氨酸晶体分子重排导致氢键发生重排, 使得L-丝氨酸晶体出现新的CH2伸缩振动峰。 L-丝氨酸晶体在10.1~11.0 GPa之间的拉曼光谱变化主要集中在低波数段, 该波数段的拉曼振动模式主要与晶体晶格振动等低能量振动有关。 同时在高波数段出现新的CH2峰, 由此可推测在10.1~11.0 GPa之间, L-丝氨酸晶体的晶格振动发生变化, 产生了新的氢键, 从而导致了L-丝氨酸晶体结构的改变。 L-丝氨酸晶体在15.5~17.5 GPa之间, 由于没有发现直接证据证明其发生结构相变, 只是在拉曼波数随压力变化中, 发现其在17.5 GPa时出现拐点, 因此推测L-丝氨酸晶体在15.5~17.5 GPa之间可能发生结构相变。

血液中含有众多生物信息, 如激素、 酶、 抗体等丰富的蛋白质成分。 通过对血液中众多生物信息进行检测鉴定可以起到对该血液种属判定、 溯源的目的。 因此, 血液检测技术的发展在诸如刑事案件侦破、 物种鉴定、 疾症预防等领域具有重要意义。 目前, 传统血液检测手段多为显微观测、 免疫法、 DNA/基因检测法等, 这些技术会对血液样本造成不可逆转的破坏性, 且存在分析周期长、 结构装置复杂、 试验价格昂贵等问题。 随着激光技术的发展, 拉曼光谱技术作为一种非线性散射光谱技术, 在血液检测技术中得到了应用。 在血液检测技术中, 拉曼光谱技术通常与共聚焦显微系统结合, 对涂在载玻片上或盛放在透明容器中的血液样品进行光谱信号采集。 该技术具有快速、 无损等优势, 但复杂的光路系统及昂贵的实验装置限制了该技术的广泛推广。 为提出一种装置简单、 操作简便的血液拉曼检测新技术, 研究采用基于毛细管的显微拉曼技术方案采集并分析人全血的拉曼信号。 血液样品通过毛细管的虹吸效应取样, 与载玻片的涂样方式相比毛细管的方案具有模拟人血管、 维持血液活性、 减小空气对实验过程中血液成分的影响、 降低激光对血液样品的灼伤效果等优势。 为避开可见光部分荧光较强区域的荧光干扰, 研究采用360 nm紫外激光器作为激发光源, 防止可见荧光信号的干扰。 积分时间设为800 ms, 有效避免因激光长时间照射对血液样品的灼伤效果, 影响实验数据的稳定性与真实性, 光谱平均次数为2次, 避免单次测量所带来的数据的不准确性影响。 光谱扫描范围为500～1 800 cm-1, 结果表明此范围内可较好的避开可见光部分荧光较强区域的干扰。 测得的拉曼光谱信号通过滤波去噪及基线校正进行处理。 首先采用5阶离散小波变换滤波, 进行1层信号分解, 滤除高频噪声信号, 保留低频有效信号, 从而去除杂散信号, 对光谱有效信号进行提取。 其次, 采用4阶多项式拟合扣除基底的基线校正, 实现人全血的毛细管显微拉曼光谱峰值信号的提取。 最终, 通过查询SDBS数据库以及人血样本通过reishaw共聚焦显微拉曼光谱仪测量所得光谱图进行验证发现测得信号中部分为人体内数种氨基酸成分的拉曼信号。 实验研究发现, 基于毛细管的显微拉曼实验系统与常规拉曼探头实验系统相比, 拉曼信号更稳定、 重复性高, 可有效提取人全血中的拉曼光谱信号, 而其与高精度的共聚焦显微拉曼系统相比价格便宜、 结构简单、 易于推广等优点, 但信号信噪比、 有效信号的峰值强度上仍有进一步的提升, 是一种测量人全血拉曼信号的可行方案。

对成团泛菌(Pan)、 金黄色葡萄球菌金黄亚种(Sta)、 球芽孢杆菌(BG)和大肠杆菌(EH)四种生物战剂模拟物进行了培养和生长曲线测定, 四种菌的代时分别为0.99, 0.835, 1.07和1.909 h; 设计研制了近场小型荧光测量激光雷达, 266和355 nm波长分别用于测量生物战剂模拟物氨基酸段和NADH段二维荧光谱; 在可控的荧光测量腔室, 测得了分辨率为4 nm的营养态细菌液态气溶胶以及牛血清(BSA)、 卵清蛋白(OVA)两种毒素类模拟物液态气溶胶的二维荧光谱; 二维荧光谱数据表明, Pan, Sta, BG, EH, BSA和OVA气溶胶, 在氨基酸段的荧光谱形与标准荧光组分色氨酸较为一致, FWHM为60 nm, 受培养生化环境、 细菌内部荧光组分及比例的影响, 荧光分子激发态与基态间的能量差增大, 荧光谱带均存在不同程度的蓝/紫移; 在Pan, Sta, BG和EH营养细菌气溶胶中均检出了较弱的NADH荧光组分, 且水、 氮等的拉曼散射不能完全扣除, 光谱锯齿严重, FWHM为100 nm; 二阶求导后的二维荧光谱表明, 荧光谱的高阶处理和分辨识别是可行的。

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法, 实现了39个样品的种类快速识别, 即能自动将样品识别为0#车用柴油、 0#普通柴油、 97#车用汽油、 93#车用汽油、 90#车用汽油和3#喷气燃料等6种类型。 过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样, 然后对其进行拉曼光谱数据采集。 试验结果证明: 石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响, 且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰, 以及车用汽油和普通柴油的强荧光背景干扰。 改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法; 并将经典的系统聚类分析视为标准校正样品集的“建模”过程, 通过计算未知样品与各类属中心向量之间的普鲁克距离, 依据距离最小原则判断未知样品的类属。 通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别, 分析结果证明: 石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。Modified Hierarchical Clustering

为了对水中的有机污染物进行绿色、 快速、 准确的检测, 提出了一种基于荧光多光谱融合的水质化学需氧量(Chemical Oxygen Demand, COD)的检测方法。 实验样本为包含近岸海水和地表水在内的实际水样53份, 采用标准化学方法获取样本的化学需氧量的理化值, 利用荧光分光光度计采集样本的三维荧光光谱并对光谱数据进行处理和建模。 在200～300 nm(间隔5 nm)的激发波长范围内将三维光谱展开成二维的发射光谱(发射波长范围250～500 nm, 间隔2 nm)。 采用ACO-iPLS(蚁群-区间偏最小二乘)算法提取发射光谱特征, PSO-LSSVM(粒子群优化的最小二乘支持向量机)算法建立预测模型, 分别建立了单激发波长下的荧光发射光谱数据预测模型、 多激发波长下发射光谱的数据级融合(LLDF)预测模型以及多激发波长下发射光谱的特征级融合(MLDF)预测模型, 通过对预测效果的对比, 得出结论。 实验结果表明, 对于不同激发波长下荧光发射光谱数据而言, 265 nm激发光作用下的发射谱数据的预测模型最优, 其检验集决定系数R2P和外部检验均方根误差RMSEP分别为0.990 1和1.198 6 mg·L-1; 对于荧光多光谱数据级融合模型(简写为: LLDF-PSO-LSSVM)而言, 在235, 265和290 nm激发光作用下的发射光谱的LLDF模型效果最优, 其检验集的Ｒ２ｐ和RMSEP分别为0.992 2和1.055 1 mg·L-1; 对于荧光多光谱特征级融合模型(MLDF-PSO-LSSVM)而言, 在265, 290和305 nm激发光作用下的荧光发射光谱的MLDF模型效果最优, 其R2p=0.998 2, RMSEP=0.534 2 mg·L-1。 综合比较各类建模结果可知, MLDF-PSO-LSSVM的模型效果最优, 说明基于荧光发射光谱数据, 采用多光谱特征级融合模型检测水质COD时, 检测的精度更高, 预测效果更好。

传统荧光光谱技术已被用于土壤中多环芳烃（PAHs）的检测, 但由于土壤体系的复杂性、 PAHs污染物的多样化和微量化, 传统的荧光光谱技术无法有效提取土壤中PAHs的特征信息。 为了解决上述问题, 提出并建立一种基于二维相关荧光谱土壤中多环芳烃的检测方法。 以土壤中典型的多环芳烃蒽和菲为研究对象, 配置38个蒽菲混合标准土壤样品（蒽和菲的浓度范围均为0.000 5～0.01 g·g-1）, 在激发波长265～340 nm, 发射波长350～500 nm范围内采集了所有样品的三维荧光谱。 以激发波长为外扰, 对外扰变化的动态一维荧光谱进行相关计算, 得到每一样品的同步二维相关荧光谱。 研究了浓度均为0.005 g·g-1蒽菲混合土壤样品的三维荧光谱和同步二维相关荧光谱特性, 在同步谱主对角线398, 419, 444和484 nm处存在自相关峰, 其中, 398和484 nm荧光峰来自土壤中的菲, 419和444 nm荧光峰来自土壤中的蒽; 在主对角线外侧, 蒽和菲两组荧光峰之间存在负的交叉峰, 进一步验证了其来源不同; 同时, 在（408, 434） nm和（434, 467） nm处出现交叉峰, 其中408和434 nm荧光峰来自土壤中的菲, 467 nm荧光峰来自土壤中的蒽。 指出与三维荧光谱表征的信息相比, 二维相关荧光谱不仅能提取更多的特征信息（408和467 nm的特征峰在三维荧光谱中未被表征）, 而且还能提供荧光峰之间的相互关系, 对其来源进行有效解析。 在上述研究二维相关荧光谱特性的基础上, 基于同步相关谱矩阵（38×151×151）建立了定量分析土壤中蒽和菲污染物浓度的多维偏最小二乘（N-PLS）模型, 对蒽的校正和预测相关系数分别为0.986和0.985, 校正均方根误差（RMSEC）和预测均方根误差（RMSEP）分别为4.33×10-4和5.55×10-4 g·g-1; 对菲的校正和预测相关系数分别为0.981和0.984, RMSEC和RMSEP分别为5.20×10-4和4.80×10-4 g·g-1。 为了比较, 基于三维荧光光谱矩阵（38×16×151）建立了定量了分析土壤中蒽和菲的N-PLS模型, 对蒽的校正和预测相关系数分别为0.981和0.972, RMSEC和RMSEP分别为5.09×10-4和6.74×10-4 g·g-1; 对菲的校正和预测相关系数分别为0.957和0.956, RMSEC和RMSEP分别为7.36×10-4和7.77×10-4 g·g-1。 指出, 对于土壤中的蒽和菲检测, 基于二维相关荧光谱的N-PLS模型的相关系数r, RMSEC和RMSEP都要优于基于三维荧光谱的N-PLS模型。 研究结果表明: 所提出和建立的方法—二维相关荧光谱直接检测土壤中PAHs污染物不仅可行, 而且能提供更好的分析结果。 该研究为激光诱导荧光结合相关谱技术现场直接检测土壤中多环芳烃污染物提供了理论和实验基础, 具有较好的应用前景。

现有声光可调谐滤光器（AOTF）调谐关系大多忽略旋光性影响, 忽略旋光性将影响声光滤波器的准确设计, 并会进一步影响其滤波性能, 故推导了旋光率与衍射波长之间的关系, 进而得到考虑旋光性的AOTF衍射频率-波长调谐关系; 针对AOTF衍射波长在不同温度下存在温漂, 因此影响AOTF的光谱分辨率, 从温度影响超声声速出发, 分析得到AOTF衍射波长在不同温度下与驱动频率的关系, 提出在不同温度下采用频率修正的方式跟踪衍射波长。 根据考虑旋光性推导所得AOTF调谐关系、 考虑到实时跟踪温度、 频繁变换驱动频率容易对系统造成破环, 影响使用效率, 因此采用10 ℃为一个温度段, 在一个温度段内根据中间温度使用一个驱动频率对AOTF进行调控, 每一温度段有相应的驱动频率-衍射波长对应关系, 叙述了具体的实现办法, 并做了相应的实验验证。 实验表明, 通过频率修正之后在相应温度下得到的衍射波长, 与普通室温未修正频率下得到的衍射波长相比, 前者与目标波长更相近, 误差减小一个数量级。 为AOTF在不同温度下的高精度光谱测量提供了重要的依据, 具有重要的实用价值。

甲醛(HCHO)是目前室内空气主要污染物之一, 长期暴露在过量甲醛环境中会对人的眼睛、 皮肤、 呼吸器官等产生严重危害, 甚至可能导致神经系统功能的丧失［1］以及耳、 鼻和喉癌[2]。 因此, 快速、 高效、 准确地实现甲醛气体的检测, 对于保障人类健康具有重大的意义。 当前有很多种方法可以用于甲醛气体的检测。 例如, 气相色谱法(GC)[3]和高效液相色谱法(HPLC)[4], 色谱仪器能够提供低至μg·m-3级别的浓度检测, 但是仪器较为大型笨重, 并且检测非常耗时, 难以实现实时连续地对甲醛气体浓度的监测; 基于气敏薄膜的半导体气体传感器具备响应时间短, 稳定性高以及可连续监测等优点, 然而这类传感器通常检测限较高(>300 μg·m-3）, 并且选择性差[5]; 基于酶的生物传感器通常有较好的灵敏性和选择性, 但是其热稳定性通常较差, 这严重限制了其应用[6]。 比色法和荧光法由于响应速度快, 灵敏度高, 检测限低, 选择性好以及传感器简单便宜等特点, 被广泛地应用于甲醛气体传感器的设计中去［7-9］。 这种方法是利用探针分子与甲醛发生特异性结合, 形成新的物质, 从而引起探针吸收光谱的变化或者发出荧光, 实现对甲醛的定量测量。 Descamps等使用4-氨基-3-戊烯-2-酮(Fluoral-P)作为探针分子, 设计了一种手提式的甲醛检测仪[10]。 Fluoral-P是一种烯氨酮结构的物质, 能与甲醛特异性结合形成环状化合物3,5-diacetyl-1,4-dihydrolutidine(DDL)。 由于Fluoral-P自身的特征吸收带与DDL的吸收带相隔较远, 同时与甲醛结合后能够产生大斯托克斯位移的荧光峰, 因而被广泛应用于甲醛检测。 然而, Fluoral-P在空气中有水分子存在的情况下极其不稳定, 容易发生水解, 形成乙酰丙酮和氨气, 严重限制了Fluoral-P在甲醛检测上的应用[10]。 采用紫外可见吸收光谱、 稳态荧光光谱和气相色谱质谱(GC-MS)技术研究了Fluoral-P的一种衍生物, 4-氨基-1,1,1-三氟-3-丁烯-2-酮(3F-FP), 与甲醛溶液相互作用的光学和化学特性。 实验发现, Fluoral-P的水解速率为k＝1.555 9×10-5 L2·mol-2·s-1, 然而, 3F-FP具有非常低（接近0）的水解速率, 水溶液环境下表现出了极好的稳定性。 同时, 3F-FP可以与甲醛反应生成一种类似DDL的环状化合物6F-DDL, 使得3F-FP在430 nm处出现了一个新的吸收带, 并且在峰值489 nm处的荧光强度也得到了明显增强, 增强因子为12, 在峰值处的荧光增长速率为k=7.881×103 h-1。 下一步我们将使用多孔玻璃作为3F-FP探针的载体, 不仅可以提高3F-FP分子浓度, 也可以增加探针分子与甲醛的接触表面积[11], 荧光增长速率还可以得到进一步的提高, 因此3F-FP分子在甲醛气体检测领域具备了良好的应用前景。

中国绿松石矿产资源丰富, 是世界上主要的绿松石产出国家之一。 绿松石作为一种名玉, 以其独特的绿色及结构, 深受人们的喜爱, 也导致市场上出现了大量的优化处理品及仿制品。 在旅游珠宝进一步发展的同时, 打着“原产地”噱头的绿松石价格起伏非常大, 对比同一地点的天然及仿制品玉石, 在前人研究的基础上仍需要进一步积累数据。 论文以中国湖北竹山秦古镇小巴寨750矿洞采集的天然绿松石与购买于湖北竹山县城珠宝市场的绿松石仿制品为研究对象, 采用光学照片、 场发射扫描电镜及能谱、 红外和拉曼光谱等, 从颜色、 微形貌、 微成分微结构的角度开展对比研究。 研究结果表明, 天然绿松石样品的颜色多样, 呈“月白色—浅蓝色—蓝绿色—黄绿色—绿色—蓝色”的蓝绿色系列变化, 晶体颗粒十分细小, 呈微米级-纳米级, 可见短柱状、 层片状晶粒; 绿松石仿制品颜色单一, 常为较为呆板的绿色, 多为散漫分布的颗粒状集合体, 且颗粒多呈三方晶系、 方解石型结构; 天然绿松石主要成分为Al2O3 32.12%, P2O5 30.51%, CuO 10.75%, Fe2O3 5.57%等, 为铜铝磷酸盐矿物。 绿松石仿制品中主要元素组成为MgO 42.62%, Al2O3 2.66%, SiO2 2.66%等, 其成分是以碳酸镁为主的菱镁矿; 在红外光谱的对比研究中, 天然绿松石样品的红外光谱图的3 083～3 509 cm-1区域, 含有大量对应于ν(OH), ν(H2O)的红外吸收峰。 绿松石仿制品在2 922 cm-1处有对应于νas (CH2)的红外吸收谱峰, 该峰与其被染色有关。 这些红外吸收峰也是区分天然绿松石与仿制品的有效指纹峰; 在拉曼光谱图的对比研究中, 天然绿松石样品的拉曼光谱图中往往具有分别对应于ν(OH), ν(H2O), ν(PO4)的散射峰～3 470, ～3 270和～1 039 cm-1, 而绿松石仿制品不存在此类拉曼散射峰, 他们是区分天然绿松石及其仿制品的有效拉曼指纹峰。 基于颜色、 微成分、 微结构及振动光谱可以有效区分同一地区天然绿松石与其仿制品。 此类方法对于其他类型旅游珠宝与其仿制品的鉴定亦有重要的参考价值。

二氧化碳（CO2）是环境大气以及燃烧废气的主要成分, 同时也是重要的化工原料, 对其浓度进行高灵敏度检测在物理、 生物、 化学等众多学科中均有重要的应用。 传统检测方法已经无法满足**科研、 能源化工、 医疗诊断等科技前沿领域中对CO2浓度检测的需求。 石英增强光声光谱（QEPAS）技术是近年来发展迅速的一种激光检测技术, 具有高分辨率、 小体积、 对环境噪声免疫等优点。 基于QEPAS技术探测灵敏度与激励光功率成正比的特性, 以中心波长为1 572 nm的窄线宽分布反馈式半导体激光器为激励光源, 将掺饵光纤放大器（EDFA）与QEPAS技术联用, 提出了功率增强型QEPAS技术, 实现了光声信号的大幅度提高。 此外, 通过波长调制技术、 谐波解调技术以及电调制相消技术的使用, 成功将装置的整体噪声压制在音叉式石英晶振的理论热噪声水平。 激光波长调制深度对装置信号幅度的影响也通过实验在一个标准大气压下进行了研究。 结果显示, 对6 361.25 cm-1处CO2气体吸收线, 当激光功率为1 495 mW, 调制深度为0.33 cm-1, 系统探测带宽为0.833 Hz时, 功率增强型QEPAS装置对CO2的探测灵敏度为3.5 ppm, 归一化等效吸收系数为1.01×10-8 W·cm-1·Hz-1/2。

土壤有机质是土壤的重要组成部分, 在土壤肥力、 环境保护、 农业可持续发展等方面都具有重要作用。 腐殖质作为土壤有机质的主体, 对土壤的一系列性质和形态产生影响, 其数量、 组成和性质可以反映一定的成土条件和过程, 是土壤肥力的重要指标。 由于腐殖质分子组成的不确定性, 各种方法均存在一定的局限性, 优化寻求更为准确可靠的腐殖酸表征方法已成为当前研究的热点。 施肥方式改变土壤中胡敏酸的组成与结构, 但短期的影响程度难以用常规的测定技术检测出来。 利用38年的黑土长期定位试验, 通过腐殖质组分HA的分离和纯化, 多种光谱分析方法的联合应用, 从物质结构的角度分析土壤中单施有机肥和有机无机肥配施对黑土HA有机化合物的分子结构变化的影响。 分析显示, M和MNPK施肥处理较CK处理均可提高土壤有机碳和HA含量, 增加土壤中HA的总反应热、 中温放热值、 2920/1720值、 脂族C含量、 f450/500值, 表明单施有机肥和有机无机肥配施后土壤HA芳构化程度降低, 脂族含量增加, 结合简单化, 但M施肥处理增加幅度小于MNPK施肥处理。 分析结果表明: 多种光谱技术的联合应用, 可以相互认证其结果的准确性。 同时试验结果也证明有机无机肥配施较单施有机肥, 更能提高土壤有机碳和土壤HA的脂族C含量, 增加作物产量, 培肥地力。

孔雀石绿(LMG)在治理鱼卵中霉菌和杀灭鱼体寄生虫等方面的效果显著, 广泛应用于水产运输和养殖。 孔雀石绿进入动物机体后, 通过生物转化代谢为脂溶性的隐色孔雀石绿(LMG), LMG的毒性超过MG; LMG能快速在组织中蓄积, 具有致癌、 致畸、 致突变等毒副作用。 白蛋白可与多种内源和外源化合物结合, 是血浆中含量最丰富的载体蛋白, 也是药物发挥作用的重要载体和靶标。 模拟pH 7.4的生理条件, 通过荧光光谱和圆二色谱法(CD)采集两种不同滴加方式的LMG与牛血清白蛋白(BSA)动态作用过程中的多维数据, 并应用化学计量学多元曲线分辨-交替最小二乘法(MCR-ALS)对多维波谱数据进行解析和描述, 从重叠严重的光谱数据中同时得到作用体系的定量和定性信息。 从解析得到的浓度趋势图中, 说明体系在LMG∶BSA=2∶1时达到动态平衡, 并可确认复合物LMG2-BSA的生成; 解析得到的与所测量的BSA荧光和CD图符合, 印证由MCR-ALS获得的浓度趋势图的可靠性和正确性; 通常由重叠光谱中无法辨别的LMG2-BSA复合物荧光光谱和CD谱图也可由数学解析获得, 进一步印证了复合物的存在。 原子力显微镜(AFM)测量结果表明BSA与LMG结合后, BSA的形貌发生改变, 表面粗糙度(RMS)由(1.24±0.28) nm增至(13.47±0.53) nm; 同时由CD实验结果可知LMG与BSA作用达到平衡时, α-螺旋结构的含量从46.5%降低到42.3%, 推测是BSA所处微环境和构象发生变化所致。 荧光探针实验发现经典site Ⅰ标记物华法林加入后, LMG-BSA的猝灭常数由2.65×106 L·mol-1降低为1.88×106 L·mol-1, 但加入site Ⅱ标记物布洛芬后, LMG-BSA的猝灭常数变化不明显, 由此推断LMG可能结合在蛋白质的亚域ⅡA, 即site Ⅰ位。 分子对接证实BSA的Ⅰ位有足够的空间容纳LMG, 且LMG与BSA之间的主要作用是疏水作用力。 该研究从分子水平了解LMG与生物大分子的作用机制, 并为LMG的毒副作用研究提供重要的信息。

虫害检测算法研究是开展虫害快速、 准确监测, 制定精准森防检疫措施的重要基础。 以毛竹叶片为研究尺度, 基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结, 选择并实测叶损量LL、 相对叶绿素含量RCC、 相对含水量RWC、 原始光谱的733.66~898.56 nm值（ρ733.66~898.56）、 一阶微分光谱的562.95~585.25 nm值（ρ′562.95~585.25）与706.18~725.41 nm值（ρ′706.18~725.41）等理化参数, 随机划分实验组（63组）和验证组（37组）并设计5次重复实验; 分别运用Fisher判别分析、 BP神经网络、 随机森林等三种方法建立刚竹毒蛾危害等级的检测模型, 从检测精度、 Kappa系数及R2等指标对模型的检测效果予以分析和比较。 结果显示, Fisher判别分析、 BP神经网络、 随机森林的检测精度分别为69.19%, 65.41%, 83.78%, Kappa系数分别为0.576 9, 0.532 4和0.778 8, R2分别为0.722 2, 0.582 6和0.870 9, 总体而言, 三种方法均具备刚竹毒蛾危害的检测能力, 随机森林的检测效果最优, Fisher判别分析次之, 再次为BP神经网络; 从分等级来看, 随机森林的检测精度亦优于Fisher判别分析与BP神经网络, 但3种方法对中度危害等级的检测精度均有所不足。 该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考, 并为进一步建立冠层、 遥感影像像元等尺度的虫害检测模型奠定基础。

松材线虫病又叫松树枯萎病, 是由于松材线虫寄生在松树上引起的毁灭性死亡病害, 其发病速度快、 传播迅速、 防治难度大。 如何识别松材线虫害并对其程度进行估测, 对我国森林资源及生态环境保护具有重要意义。 研究表明, 马尾松叶绿素、 水含量会随着虫害程度的加深逐渐减少, 不同虫害程度的马尾松光谱反射率呈现较大差异, 因此光谱分析技术在虫害程度估测方面具有独特优势。 针对不同虫害程度的马尾松样本, 研究了其光谱特征参数的变化规律, 以实测光谱特征参数为自变量, 样本虫害程度量化值为因变量, 利用线性回归方程构建了虫害程度估测模型。 该研究在光谱特征指标选择和估测模型方法上作了有价值的探索, 对评估松材线虫病害有一定的指导意义, 可为相关研究及当地精准农业提供科学支持和应用参考。 首先针对不同虫害程度的马尾松样本, 研究其在绿光、 红光及近红外波段内的光谱反射率变化规律, 构建指示样本虫害程度的六个光谱特征参数: 绿峰反射率（RGP）、 绿峰位置（GPP）、 红谷反射率（FRB）、 红谷位置（RBP）、 红边斜率（RES）、 红边位置（REP）, 分析光谱特征参数与虫害程度的相关性。 然后构建虫害程度估测模型, 其步骤可描述为: （1）计算健康、 轻度、 中度、 重度四种不同虫害程度下的样本光谱特征参数RGP, FRB和RES; （2）量化健康、 轻度、 中度、 重度四种样本虫害程度值; （3）以实测光谱特征参数为自变量, 样本虫害程度量化值为因变量, 利用线性回归方程构建虫害程度估测模型。 实验中选取重庆市涪陵区永胜林场、 冒合寨工区的马尾松林为研究对象, 随机选取健康、 染病、 完全枯死的马尾松植株进行监测。 数据采集过程中使用ASD野外光谱分析仪FieldSepc4, 采集波段范围为从可见光400 nm到近红外波段1 100 nm处, 分辨率为1 nm。 共采集了70条马尾松植株的有效光谱数据, 根据不同虫害程度, 将其划分为健康、 轻度、 中度、 重度和枯死五种类型, 并利用Matlab软件进行处理分析, 得到其光谱反射率曲线。 选择涵盖绿光区（510～580 nm）、 红光区（620～680 nm）和近红外区（680～780 nm）三个波段, 计算各个波段的光谱特征参数, 构建虫害程度估测模型。 实验结果表明: （1）针对枯死样本, 其“绿峰”和“红谷”特征消失, 红边陡峭上升趋势被拉平。 其他几种类型样本光谱特征参数RGP, FRB和RES与虫害程度呈负相关, 虫害程度越深, 其光谱特征参数值越小, 即健康（RGP）>轻度（RGP）>中度（RGP）>重度（RGP）, 健康（FRB）>轻度（FRB）>中度（FRB）＞重度（FRB）, 健康（RES）>轻度（RES）>中度（RES）>重度（RES）。 （2）随着虫害程度加深, 光谱特征参数GPP向长波方向移动, 即存在“红移”现象, 而光谱特征参数RBP和REP向短波方向移动, 即存在“蓝移”现象。 （3）与一元线性估测模型相比, 二元线性估测模型具有较大的相关系数R2, 较小的估计误差E以及残差。 实验中对两棵马尾松样本虫害程度进行估测, 二元线性估测模型的结果为PD=2.990 7和PD=3.679, 与实际情况相符。 在后续研究中将对1 100~2 500 nm波段特征进行相关性分析。

为了进一步深入研究不同形状和不同颜色珊瑚的光谱特征, 选择三亚湾鹿回头海域两种常见造礁石珊瑚（褐色片状珊瑚: 盾形陀螺珊瑚（Turbinaria peltata）和蓝灰色块状珊瑚: 精巧扁脑珊瑚（Platygyra daeda））为样本进行测量和分析。 于2015年7月22日上午采集两种珊瑚样品各7组。 样品块大小~6 cm, 并将其暂养于中国科学院海南热带海洋生物重点实验站岸基实验室珊瑚养殖缸, 养殖缸内水温控制在~26 ℃。 待样品块暂养≥4小时后用光纤光谱仪测量其反射率, 光谱采集条件为无云遮挡的晴天。 所用光纤光谱仪（海洋光学USB2000+）, 波段为200～850 nm, 光谱分辨率1.34 nm, 步长0.6 nm, 视场角为25°。 珊瑚样品置于缸内的平台上, 过滤后恒温~26 ℃的海水持续注入以保证缸内水温恒定; 多余的海水自动从养殖缸上壁溢出以排除因光线折射入水体后引起的“汇聚现象”; 养殖缸内壁采用黑色尼龙布贴壁, 以避免玻璃缸壁光线反射对测量结果的影响。 光纤光谱仪的探头与样品间距保持在5 cm, 每个样品重复测量10次取平均值以代表该样品的光谱反射率。 测量光源为太阳光, 每次测量前校正一次光谱仪, 选用可见光波段的反射率光谱进行数据分析。 反射率光谱导数分析可以放大光谱间的差异, 四阶导数光谱法在提高检测灵敏度、 改善分辨率和加强抗干扰力等方面具有独特的优点, 故此对所测珊瑚光谱反射率数据进行反射率光谱数据一阶导数、 二阶导数和四阶导数分析, 根据盾形陀螺珊瑚和精巧扁脑珊瑚反射率光谱导数之间的差异确定两种珊瑚光谱的敏感可区分波段。 分析结果发现, 可见光范围内两种珊瑚反射率差异明显; 后者反射率光谱明显高于前者, 仅~700 nm出现类似较高反射率。 盾形陀螺珊瑚反射率介于4%～15%之间, 波峰和波谷明显。 400～450 nm反射率相对较低约为4%～5%; 480 nm后急升至~10%, 502, 578, 604和652 nm附近为明显波峰; 随后激增至700 nm的~36%。 精巧扁脑珊瑚反射率介于6%～16%之间; 400～420 nm波长附近反射率值相对较低, 为~6%; 420～470 nm急剧升高至~15%, 486 nm附近出现宽大波峰, 为该珊瑚的特征峰; 486, 577, 607和650 nm处也存在四个明显波峰; 随后剧增至700 nm的~37%。 光谱反射率导数分析结果表明盾形陀螺珊瑚和精巧扁脑珊瑚可区分波段为: 一阶导数483.7～492.6, 496.2～500和533.5～540.5 nm。 二阶导数414～422.7, 499.4～504, 520.2～523.3, 534.2～536.6, 557.5～561和671.8～675 nm。 四阶导数414～417.6, 427.4～430.3, 433.4～436.5, 452.3～455.5和657.1～659.1 nm。

针对量子点光电探测器线列进行微光检测研究, 量子点探测器采用AlAs/GaAs/AlAs双势垒结构, GaAs宽阱中分别有一个InAs量子点（QDs）和In0.15Ga0.85As量子阱（QW）, 建立一个简单的器件模型进行分析。 常温下, 在632.8 nm He-Ne激光照射下, 当光功率为 0.01 pW时, 器件偏压-0.5 V, 积分时间80.2 μs, 电压响应率达到7.0×1011 V·W-1, 具有非常高的灵敏度, 这种光电探测器在300 K温度下可以探测光功率小于10-14 W极弱光。 以这种量子点光电探测器为核心研制的高灵敏度光谱仪和分子超光谱系统结合对生物组织样本进行检测, 研制了一种图谱相互验证, 互为校正的生物组织光谱测量系统。

土壤剖面是土壤发生学研究的核心, 但过去几十年以来研究土壤剖面的技术并没有发生质的变化。 成像光谱技术可以提供高空间、 高光谱分辨率的土壤剖面数据, 能够弥补反射光谱技术采样深度间隔较大的不足, 用于定量研究土壤属性连续深度变化。 以室内采集的土壤剖面成像光谱数据为研究对象, 采用支持向量机方法进行光谱数据主成分分类, 探讨成像光谱数据用于剖面发生层划分的可行性并分析影响因素。 研究中首先定性分析各发生层平均光谱曲线形态特征, 然后通过分析剖面光谱数据主成分深度变化特征及其散点分布情况, 探讨其用于剖面发生层划分的可行性; 最后进行1 000次随机划分数据集并建模、 预测以减小误差, 定量证明成像光谱数据用于土壤发生层划分的可行性, 并通过样本分类错误频率来分析影响分类精度的因素。 研究结果表明, 受成土过程影响剖面内各发生层平均光谱曲线特征存在差异。 成像光谱数据的主成分可以定量呈现土壤剖面深度方向上属性的连续变化及样本散点分布的集聚特征, 能较好反映发生层之间的差异性, 可以用于发生层划分。 建模预测结果表明发生层的预测精度平均值达到93.08%。 同时发现, 光谱主成分分布相似区域的样本及位于发生层过渡区域的样本分类错误率较高。 该研究为利用成像光谱技术进行土壤剖面发生层划分提供了理论依据, 为下一步进行剖面发生层制图奠定了技术基础。

遥感反演已广泛应用于区域土壤理化性质的动态监测, 但是鲜有针对有机碳含量低、 下垫面不均一等土壤光谱特性不显著区域的研究。 黄土高原褐土带地形多样, 丘陵广布, 有机碳含量低。 采煤活动引起大面积土壤退化, 土壤光谱特性受到强烈干扰, 制约了区域尺度土壤有机碳(soil organic carbon)含量遥感反演精度。 以山西省褐土带典型采煤沉陷区为例, 借助地表反射率和室外实地采集的样本数据对褐土带煤矿开采沉陷区土壤有机碳含量进行反演。 采用结合高空间、 时间分辨率辅助气象数据的6SV(second simulation of a satellite signalin the solar spectrum-vector)模型和FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)模型对研究区Landsat8 OLI影像的大气校正方法进行对比实验, 分析其对褐土带采煤沉陷区土壤光谱曲线及有机碳含量的影响, 识别敏感波段。 选择原始光谱反射率(R)和平方根(Ｒ)、 倒数的对数log(1/R)、 一阶微分(R′)等数学变换形式, 利用多元线性回归(MLR)、 BP神经网络(BP neural net)和偏最小二乘回归(PLSR)建立土壤有机碳反演模型。 结果表明: 6SV模型大气校正的效果要优于FLAASH模型, 可以有效消除大气、 地形对于反射率的干扰, 可见光波段反射率降低而近红外波段明显上升, 不同有机质含量等级土壤反射光谱特性分明; 640～670, 850～880, 1 570～1 600和2 110～2 290 nm波段对土壤有机碳含量指示性强; 相较于多元线性回归（决定系数R2为0.765）、 BP神经网络（R2为0.767）, 偏最小二乘回归模型反演精度最高（R2为0.778）; 结合高空间、 时间分辨率辅助气象数据的6SV大气校正模型与偏最小二乘回归建模能显著提高褐土带采煤沉陷区土壤有机碳的反演精度。 在此基础上预测研究区2013年—2015年土壤有机碳含量, 研究发现: 研究区土壤有机碳含量中部高, 两侧低, 复垦使土壤有机碳含量得到恢复。 研究结果可用于揭示黄土高原褐土带采煤沉陷区土壤有机碳含量的时空分布特征, 为改进区域土壤光谱分析、 土地复垦评价、 建立褐土带采煤沉陷区碳通量观测网络和土壤碳库估算提供理论和技术支持, 对研究区域甚至全球范围褐土带生态可持续发展提供依据。

基于高光谱开展植物水分盈缺检测是当前植物生理学研究的热点。 羊茅草是我国北方草坪使用量最大的草本植物之一, 其生长对水分需求量大, 水分亏缺会使其叶片颜色、 纹理、 形态等物理特征和组织生理特性发生系列变化。 开展基于高光谱的草本植物水分含量检测模型构建, 可实现对羊茅草等草本植物水分盈缺状况的快速无损监测, 利于全面、 可靠的诊断草本植物水分状况并及时采取应对措施, 为预测未来气候变化下北方常见草本植物生理响应及变化过程提供重要依据。 以北方使用量最大的草本植物——羊茅草为例, 采用盆栽控制实验法开展基于高光谱的植物水分含量观测模拟实验研究。 实验在恒温恒湿培养箱中进行。 经查阅有关文献, 该实验共设置空气CO2浓度（CX）（包括400和700 μmol·mol-1两个梯度）和土壤持水量（WX）（包括: 100%田间持水量, 40%田间持水量, 20%田间持水量三个梯度）两个变量, 共六种不同情景; 在不同情景条件下, 借助ASD Field Spec HandHeld光谱仪于每天10:00—14:00测定羊茅草叶片光谱反射参数, 主要包括: 光谱反射率(Ri)、 一阶导数光谱(Dλi)、 红边幅值(Dλr)、 红边位置(λr)、 红谷吸收深度(D)、 红边面积(Sr)、 光化学反射指数(PRI)、 叶绿素指数(Rch)、 归一化植被指数(NDVI)、 比值植被指数(RVI)、 归一化光谱指数(NDSI)、 比值光谱指数(RSI)、 分形维数(Fd)等。 通过采集不同情景下植物光谱反射参数, 采用多元线性逐步回归分析、 方差分析、 数学统计模型构建等多种方法, 探讨不同生境条件下羊茅草叶片水分含量与光谱反射率(Ri)、 红边幅值（Dλr）、 红边面积(Sr)等光谱参数之间的量化关系, 筛选出可以用于检测羊茅草水分含量状况的最优光谱特征参数, 并构建了基于高光谱的羊茅草水分含量检测模型公式。 研究结果表明: 归一化植被指数(NDVI)、 叶绿素指数(Rch)、 分形维数(Fd)与羊茅草叶片含水量之间相关性在99%置信水平上达到极显著水平(p<0.01), 且对于不同土壤水分胁迫条件下的羊茅草长势分辨效果较好, 是监测羊茅草水分含量的有效参数和最优参数。 同时发现, 羊茅草叶片水分含量（Y）与诸多光谱特征参数（X）之间具有良好的多元线性关系, 拟合得到羊茅草水分含量检测模型公式为: Y=-0.125XRch+1.714XNDVI-0.023XFd+0.018, 相关系数平方（R2）达到0.89, 通过F检验, 模型检验达到极显著水平（F=15.588>7.21, p<0.01）, 说明建立的回归模型具备统计学意义, 可以用于羊茅草水分含量检测。 为快速便捷且准确无损的监测羊茅草受旱程度, 指导大面积草坪灌溉和管理等提供; 重要的技术支撑, 对于丰富植被水分光谱探测研究具有重要理论与实践意义。

β-胡萝卜素广泛存在于植物体中, 是典型的线性多稀分子, 具有重要的生物功能。 由于β-胡萝卜素是碳碳单、 双键（C—C, CC）交替的短链共轭多稀分子, 含有大量离域的π电子, 具有重要的光电特性。 根据Andreas等对拉曼散射强度的研究, 当激发光波长落在分子的电子吸收带时, 会产生共振拉曼效应, 能使拉曼光谱强度提高106倍。 利用共振拉曼光谱技术, 测量了β胡萝卜素分子及胡萝卜、 青萝卜、 白萝卜肉质直根不同部位其拉曼光谱, 发现含β-胡萝卜素较高的胡萝卜的拉曼光谱与β-胡萝卜素的吻合很好。 Gellerman等研究表明, 样品浓度与拉曼峰强成正比关系, 从拉曼光谱中容易发现三种萝卜的光谱强度纵向根头到主根及横向表皮到根芯逐渐降低, 且青萝卜和白萝卜拉曼光谱强度都很低, 并在碳碳单键的振动峰处发生峰劈裂。 分别计算了碳碳单键和碳碳双键与碳氢键拉曼强度比, 三种萝卜的ICC/IC—H随着测量部位（横向和纵向）的不同变化幅度接近: 胡萝卜的表皮和根芯纵向的变化率分别为A1=0.213 3和A2=0.215 9, 青萝卜表皮外和里的变化率分别为B1=0.219 1和B2=0.211 4, 白萝卜表皮外和里分别为D1=0.223 9和D2=0.224 1; 而对于IC—C/IC—H随着测量部位不同其变化率相差很大: 胡萝卜的变化率a1=0.212 1和a2=0.232 4, 青萝卜的变化率b1=0.263 5和b2=0.268 7, 白萝卜的变化率d1=0.369 0和d2=0.304 9。 对比发现三种萝卜的碳碳单键与碳氢键振动强度比随着测量部位的不同变化幅度相差很大, 而从碳碳双键与碳氢键振动强度比发现三种萝卜中不同部位的β胡萝卜含量有相似的分布。 这是由于青萝卜和白萝卜中β-胡萝卜素的含量少, 随着测量部位的不同C—C伸缩振动峰发生峰劈裂, 即在1 130和1 156 cm-1处出现两个振动峰, 经过计算和分析这两个峰都属于碳碳单键的伸缩振动峰, 且随着β-胡萝卜素含量的减少C—C整体的强度降低, 劈裂的新峰峰强度却有增加的趋势, 这使得原峰位的峰强度大幅度降低, 这与计算IC—C/IC—H的结果一致, 不同品种的萝卜中β-胡萝卜素含量随测量部位的不同变化幅度截然不同。 因此, 当样品中β-胡萝卜含量较少时, 利用CC振动峰峰强度同时分析样品不同部位的β-胡萝卜素含量分布变化会更准确。 同时, 研究和了解萝卜中不同部位β-胡萝卜素的含量为日常消费和膳食营养提供了很好的理论依据。

单倍体育种技术是玉米育种新方法, 该方法可有效缩短产生纯合系的周期, 提高育种效率。 该技术需首先挑选足量单倍体籽粒, 而玉米在未加人工干预时, 单倍体在混合籽粒中仅占0.05%～0.1%, 即使采用生物诱导技术, 单倍体籽粒数一般也不到籽粒总数的10%。 高速、 精准地从大量混合籽粒中挑选得到占比少于10%的单倍体籽粒, 才能够满足工程化育种需要, 而实际育种工作中挑选单倍体时常用的分子生物学、 田间形态学辨别等方法存在耗时长、 成本高、 破坏样本等缺点, 难以高效精准地得到玉米单倍体籽粒。 相关研究已经证明高油玉米的单倍体与二倍体之间具有明显含油率差异, 目前低场核磁共振技术可用于检测玉米单籽粒的含油率, 并根据含油率对单倍体进行鉴别, 但核磁共振仪存在价格贵、 维护难、 速度慢、 效率低等弱点, 现有设备完成单籽粒分选需用时4 s, 无法满足工程化育种中大量筛选的速度需求。 使用VIAVI微型近红外光谱仪能够达到0.25 s每颗的检测速度, 相比核磁共振技术速度快, 仪器价格较低, 维护方便。 使用近红外光谱仪分析技术对单倍体与二倍体籽粒进行鉴别, 可以取代核磁共振鉴别单倍体的方法。 采用近红外光谱定性鉴别单倍体籽粒虽然取得了一定效果, 但目前研究中所采集玉米品种相对较少, 研究只针对某一品种单倍体建立模型, 对该品种单倍体进行分类; 国内外尚无多品种混合单倍体鉴别相关研究, 而工程化育种亟需一种能够识别多个品种玉米单倍体的鉴别方法。 为此, 本文提出一种基于深度信念网络的多品种混合玉米籽粒单倍体鉴别方法, DBN是一种多层深度神经网络, 每层由受限玻尔兹曼机构成, 采用逐层训练策略, 可解决传统神经网络训练方法不适用于多层网络训练的问题。 对比实验结果表明使用DBN方法建立多品种单倍体鉴别模型具有较高分类性能, 能够满足玉米工程化育种精度要求。

为了快速检测马铃薯叶片的水分含量, 并探究受到干旱胁迫时叶片含水率变化情况, 利用高光谱成像对马铃薯叶片含水率进行检测和可视化研究。 采集71个叶片, 用烘干法对叶片水分梯度进行控制, 共得到355个样本。 使用高光谱分选仪器采集叶片862.9~1 704.2 nm（256个波长）的光谱成像数据, 采用称重法测量含水率。 利用Sample set partitioning based on joint X-Y distance（SPXY）算法将总样本按照2∶1的比例划分为建模集（240个样本）和验证集（115个样本）。 对采集的数据进行光谱特征分析, 本文分别用CA和RF两种算法, 各筛选得到15个特征波长。 基于CA筛选出相关系数高于0.96的15个波长分别为1 406.82, 1 410.12, 1 403.62, 1 413.32, 1 416.62, 1 419.82, 1 400.32, 1 423.12, 1 426.32, 1 429.62, 1 432.82, 1 436.12, 1 439.32, 1 442.52和1 445.8 nm。 基于RF算法筛选被选概率高于0.3的15个特征波长, 按照被选择概率值从大到小排列, 分别为1 071.62, 1 041.12, 1 222.52, 1 465.22, 1 397.02, 1 449.02, 1 034.32, 1 523.22, 976.42, 1 172.52, 979.82, 1 165.82, 1 037.72, 1 426.32和869.8 nm。 用CA和RF算法筛选到的特征波长建立PLSR模型, 分别记为CA-PLSR模型和RF-PLSR模型。 利用高精度模型检测结果, 对马铃薯叶片含水率进行可视化分析, 首先计算马铃薯叶片图像每个像素点的含水率, 得到灰度图像, 然后对灰度图像进行伪彩色变换, 绘制出叶片含水率可视化彩色图像。 为了体现马铃薯叶片烘干处理中含水率变化进程, 用HSV彩色模型对样本叶片的伪彩色图像进行分割, 获得分割图像结果, 显示出在某含水率区间的叶片面积比例。 结果显示, CA算法选取的15个波长均在1 400.3~1 450.0 nm范围内, CA-PLSR模型的建模精度(R2c)为0.975 5、 建模集均方根误差（RMSEC）为2.81%, 验证集精度(R2v)为0.933 2、 验证集均方根误差（RMSEV）为2.31%。 RF算法选取的特征波长分布范围较CA法选取范围广, 具有局部“峰谷”特性, 且RF-PLSR模型的建模集精度(R2c)为0.983 2、 RMSEC为2.32%, 验证集精度(R2v)为0.947 1、 RMSEV为2.15%。 选取RF-PLS模型计算马铃薯每个像素点的含水率, 得到伪彩色变换图像, 观察可知随着烘干时间的增加含水率逐渐下降; 并能够从叶片结构角度看到, 随着水分胁迫的加强, 叶片从边缘开始失水, 逐渐向叶片中间蔓延, 其中叶茎和叶脉的含水率较其他部位高。 计算得到叶片伪彩色图像中含水率大于90%, 80%和70%的像素点占整个叶片图像的比例。 利用高光谱成像技术可以实现马铃薯叶片的含水率检测与分布可视化表达, 为监测马铃薯生长状况以及叶片含水率分析提供新的理论根据。

高光谱成像因光谱分辨率高、 图谱合一、 可实现快速无损检测等特点现已广泛应用于农业、 医学、 遥感等领域。 现有的对可回收生活垃圾检测与分类的方法, 都存在检测时间长, 分类效率低, 而大量多种垃圾无法同时快速分拣等问题。 考虑到不同类别的生活垃圾由于其主要组成分子结构的差异, 对不同波长的光有不同的吸收特性。 高光谱图像在记录待分类垃圾的空间信息的同时, 可以获得垃圾对不同波长的光的反射率光谱信息, 通过建立识别分类模型对反射率光谱信息进行分析可以实现对高光谱图像中待分类垃圾的识别与分类。 收集常见纸质、 塑料、 木质三种材料的可回收的垃圾样本, 包括塑料瓶、 食品包装袋、 塑料玩具（饰品）碎片、 一次性筷子、 雪糕棒、 木制家具碎片、 木制包装盒、 废旧课本、 广告纸、 办公用纸等多种物品共30个样本, 进行清洗和裁剪处理, 避免样本表面污渍对样本反射率产生影响。 利用高光谱成像系统采集样本在近红外（780～1 000 nm）范围内的高光谱图像, 其中18个样本做训练样本集, 12个样本做测试样本集。 对采集的样本图像数据做预处理, 包括去噪声以及黑白校正反演反射率信息等处理; 通过主成分分析（PCA）方法对训练样本集感兴趣区域（ROI）进行分析, 提取到的特征波段为795.815, 836.869, 885.619, 916.409, 929.239, 934.37, 957.463, 972.858和988.253 nm; 在特征波段下分别提取这三种类别垃圾的参考光谱, 通过光谱角度填图法（SAM）对测试样本ROI区域内提取的测试样本点集在特征波段下与参考光谱进行匹配, 由匹配程度进行样本点归类, 分析结果表明, 测试样本集中纸制样本（A类别）、 塑料样本（别）、 木制样本（C类别）的分类准确度分别为100%, 98%和100%, 测试样本点集整体的分类准确度为99.33%; 通过Fisher判别方法分析训练样本集得出判别函数式和判别准则, 对测试样本点集分类, 评价结果为A, B和C类样本分类准确度分别为100%, 100%和97%, 测试样本点集整体分类准确度为99%。 通过SAM和Fisher两种判别方法对测试样本集的光谱图像进行目标物的检测与分类, 结果表明, 利用SAM判别方法在可回收垃圾的高光谱图像中实现检测与分类有更高的分类准确度, 可达到99.33%。 同时, 也验证了使用高光谱成像进行可回收垃圾快速分类的科学性以及可行性, 对未来系统化、 机械化、 智能化地解决生活中可回收垃圾的分类具有一定的实用意义。

为了探究反射光谱检测水体中毒死蜱农药的可行性, 使用由ASD公司的FieldSpecPro地物波谱仪构成的高光谱采集系统在室内、 室外环境获取两种不同浓度区间的毒死蜱样品的光谱数据。 基于偏最小二乘（PLS）和主成分分析（PCA）算法分别对毒死蜱样品光谱数据建立全波段定量模型, 结果两种模型的预测能力均较高。 通过相关性分析（CA）计算相关系数来选择毒死蜱样品光谱的特征波长, 其中浓度区间为5~75 mg·L-1的室内、 室外实验光谱的特征波长为388, 1 080, 1 276 nm和356, 1 322, 1 693 nm, 浓度区间为0.1~100 mg·L-1的室内外实验样品光谱的特征波长为367, 1 070, 1 276, 1 708 nm和383, 1 081, 1 250, 1 663 nm。 结合PLS算法建立样品特征波长光谱数据的定量模型, 结果与全波段模型相比, 浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波长模型的校正集决定系数R2C分别提高至0.987 5和0.999 2, 预测集决定系数R2P分别提高至0.989 4和0.994 4, 校正集均方根误差RMSEC分别降低为2.841和0.714, 预测集均方根误差RMSEP分别降低为1.715和1.244; 浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波长PLS模型的校正集决定系数R2C分别提高至0.998 3和0.998 8, 预测集决定系数R2P分别提高至0.998 4和0.999 0, 校正集均方根误差RMSEC分别降低为1.383和1.186, 预测集均方根误差RMSEP分别降低为1.510和1.229, 验证集标准差与预测均方根误差的比值（RPD）有所增加, 尤其是针对浓度区间为0.1~100 mg·L-1的实验, RPD值显著增加至21.7, 说明基于特征波长建立的毒死蜱样品定量模型具有较高精度的预测能力, 但是通过不同浓度区间范围的对比实验发现, ASD地物光谱仪对低浓度的毒死蜱溶液预测的相对误差偏大, 存在客观上的检测下限。 为了保证不同试验条件下的毒死蜱农药的特征波长都得到分析, 增强模型使用的普适性与鲁棒性, 根据特征波长选择出4个波段, 即351~393, 1 065~1 086, 1 245~1 281和1 658~1 713 nm作为特征波段。 特征波段模型的波长变量个数共38个, 相比于全波段模型的432个波长变量, 模型变量精简了91.2%, 其中浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波段模型的R2C分别为0.993 7和0.987 8, R2P分别为0.979 8和0.998 2, RMSEC分别为1.690和2.516, RMSEP分别为1.987和0.659; 浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波段PLS模型的R2C分别为0.9882和0.9807, R2P分别为0.9391和0.9936, RMSEC分别为3.345和3.942, RMSEP分别为8.996和2.663, 且四种实验情况下的模型RPD值均大于2.5, 满足定量分析条件。 因此采用高光谱采集系统对室内和室外环境中毒死蜱农药的快速检测具有一定的可行性, 此研究结果对有机磷农药等面源污染物快速检测有实际的应用价值, 可为农田水体有机磷农药快速检测仪器的开发提供理论基础。

重金属污染是一个相当严重的环境问题。 镉具有很强的生物毒性和不可降解性, 对生态环境和人体健康有极大威胁, 被列为优先控制污染物。 环境中镉的主要污染源是电镀、 采矿和化学工业等部门的废水, 如何简单高效去除水中的镉, 有重要的社会意义和经济意义。 目前, 水中重金属的去除方法有化学沉淀、 膜分离、 离子交换、 吸附、 电解等, 其中吸附法因简单高效而广泛应用。 活性炭纤维是一种新型活性炭, 孔径小且均匀, 表面官能团发达, 吸附性能好, 逐步应用于水处理领域。 以电感耦合等离子体光谱为检测手段, 佐以比表面积分析, X射线衍射, 元素分析和傅里叶变换红外光谱, 研究比较了三种活性炭纤维（纤维炭网、 活性炭无纺布、 活性炭纤维毡）的结构特点及其对水中镉的吸附性能。 三种活性炭纤维结构基本类似, 具有较发达的孔隙结构。 活性炭无纺布极性较强, 表面有丰富的羟基、 羧基、 醛基等含氧官能团, 对水中镉的吸附作用最大。 因此, 选择活性炭无纺布为吸附剂进行后续实验。 研究了活性炭无纺布吸附镉的影响因素, 如溶液pH, 吸附时间等。 溶液pH影响吸附剂表面电荷及水中镉的存在状态。 水中镉的去除效率随溶液初始pH的增大而增大, 在较低pH时, 吸附剂与Cd2+间存在静电斥力, 同时H+和Cd2+存在竞争吸附, pH>9时, 镉的去除是吸附与沉淀协同作用的结果, 选择pH为6～7。 在吸附的初始阶段, 活性炭无纺布对Cd2+的吸附量迅速增加, 10 min时, 吸附率达到72%。 随着吸附位点逐渐被Cd2+所填充, 吸附速率逐渐变慢, 300 min时, 吸附容量基本无变化, 吸附趋于平衡。 优化了镉的吸附条件后, 进行等温吸附实验和动力学实验。 结果表明, 25 ℃时, 吸附时间为300 min, pH 6.0条件下, 当镉的平衡浓度在20.00 mg·L-1时, 活性炭无纺布对镉的单位质量吸附量和单位比表面积吸附量分别是3.04 mg·g-1和0.035 mg·m-2。 用Langmuir方程（R2=0.997, KL =1.796 L·mg-1）和Freundich方程（R2=0.895, KF=0.918 L·mg-1, n=2.12）拟合活性炭无纺布对镉的等温吸附数据, Langmuir方程计算的理论吸附量为3.07 mg·g-1, 与实验值相当, 并且线性系数更高, 说明该体系的吸附符合Langmuir方程, 主要为单分子层吸附。 Langmuir分离因子介于0和1之间, 表明活性炭无纺布对镉的吸附容易进行。 用准一级动力学方程、 准二级动力学方程、 颗粒内扩散方程和Elovich方程四种动力学模型拟合吸附过程。 在吸附的前5 min, 镉在活性炭无纺布上的吸附符合颗粒内扩散方程（R2=0.985）, 吸附主要受颗粒内扩散控制。 在吸附的5～300 min, 颗粒内扩散方程拟合较差。 整个吸附过程符合准二级动力学方程（R2=0.999, k2=0.367 g·mg-1·min-1）, Elovich方程（R2=0.981, a=0.271 mg·g-1, b=0.083 mg·g-1·(lg min)-1）和准一级动力学方程（R2=0.927, k1=0.008 8 min-1）次之, 颗粒内扩散方程（R2=0.785）最差。 活性炭无纺布对镉的吸附过程是一种化学作用为主的吸附过程。 对5.00 mg·L-1含镉水样, 活性炭无纺布投放量为10 g·L-1时, 吸附后水中镉的浓度小于0.10 mg·L-1, 符合《污水综合排放标准》（GB 8978—1996）。 活性炭无纺布可同时吸附镉, 铜, 铅, 铬等重金属离子, 选择性较差。 但在电镀、 采矿等实际废水中重金属种类复杂, 适当提高吸附剂投放量, 可同时去除多种重金属。 利用活性炭无纺布吸附处理含镉水样, 处理效果好、 操作简单, 可以作为去除水中镉的吸附剂, 为含镉废水的处理提供了技术支持和理论基础。

钢渣是冶金工业中产生的主要固体废弃物, 其产量约为每年粗钢产量的15%~20%。 由于技术的局限, 导致我国钢渣利用率较低, 仅为年钢渣产量的10%; 同时加之管理制度的不健全, 导致钢渣大量露天堆放, 对土地资源、 地下水源, 以及空气质量造成严重影响。 固体废弃物再利用是资源可持续发展的重要途径之一, 由于钢渣的主要化学成分（CaO, SiO2, A12O3, MgO, Fe2O3, MnO, f-CaO等）、 主要矿物组成（硅酸三钙、 硅酸二钙、 钙镁橄榄石、 钙镁蔷薇辉石、 铁酸二钙等）与水泥熟料的主要化学成分、 主要矿物组成极为相似, 是一种具有潜在胶凝活性的胶凝材料。 以钢渣尾渣作为研究对象, 采用机械研磨的方式对钢渣尾渣处理, 即物理激发, 获得不同粒径钢渣尾渣微粉。 依据《用于水泥和混凝土中的钢渣粉》（GB/T 20491—2006）与《水泥胶砂强度检验方法（ISO法）》（GB/T 17671—1999）制备一系列钢渣尾渣胶砂试块(分别标记为Ａ40, Ａ60, Ａ80, Ａ100和Ａ120)。 研究对钢渣尾渣胶凝活性的影响, 以及不同水化时间对钢渣尾渣胶凝活性的影响, 即3 d钢渣尾渣胶砂强度、 7 d钢渣尾渣胶砂强度与28 d钢渣尾渣胶砂强度。 利用激光粒度分析仪（LPSA）对钢渣尾渣微粉的粒径分布进行测试与分析, X射线衍射仪（XRD）对钢渣尾渣微粉与钢渣尾渣胶砂的矿物组成进行测试与分析, 扫描电子显微镜（SEM）进行微观形貌测试与分析, 从而获得钢渣尾渣的物理激发机理。 结果表明, 随着钢渣尾渣微粉粒径的减小, 其胶凝活性呈现先增加后降低的趋势, 当研磨时间为80 min时, A80钢渣尾渣微粉的胶凝活性最高, 即3 d活性指数为67.55%、 7 d活性指数为71.96%和28 d活性指数为73.61%。 随着钢渣尾渣微粉粒径的减小, 钢渣尾渣微粉中RO相的XRD特征峰强度稳定, Ca2SiO4与Ca3SiO5的XRD特征峰强度呈现先增加后降低的趋势, Ca3SiO5与Ca2SiO4参与水化反应, 生成一定量的Ca(OH)2与C-S-H凝胶, 具有良好的胶凝活性。 A80钢渣尾渣微粉中Ca2SiO4含量较少, 而Ca3SiO5含量较多, 均可以生成一定量的Ca(OH)2与C-S-H凝胶, 小幅提高A80钢渣尾渣胶砂的早期（3~7 d）力学性能, 大幅提高A80钢渣尾渣胶砂的中、 后期（7 d~28 d）力学性能。 当水化时间3 d时, A80钢渣尾渣胶砂中存在少量水化产物且大量分散小颗粒; 当水化时间7 d时, A80钢渣尾渣胶砂中水化产物大幅增加且形成较大颗粒; 当水化时间28 d时, A80钢渣尾渣胶砂中形成大量水化产物且几乎不存在分散小颗粒。 从而进一步实现固体废弃物的资源化再利用, 达到钢铁企业增加效益, 环境缓解压力的目的。

景德镇青花瓷是我国最具代表性的陶瓷品种之一, 具有很高的学术价值和社会经济价值。 不同年代的青花瓷仅靠外观难以区分, 如何快速准确区分不同年代的景德镇青花瓷是文物保护界面临的一个难题。 高光谱技术是一种完全无损的分析方法, 并已经在壁画、 字画等文物的颜料分析中得到成功应用, 目前还没有关于瓷器文物的高光谱研究成果出现。 选取28个历代景德镇青花瓷碎片样本, 使用地面光谱仪测量样本胎釉和青花料部位反射率光谱, 分析其典型光谱特征, 并对历代青花料光谱特征参量变化趋势进行了分析。 研究表明, 青花料部位在可见近红外波段光谱特征较为显著, 历代青花料光谱特征参量有较明显的差异, 并有一定的变化规律。 高光谱技术对于景德镇青花瓷的断代研究有很大潜力。

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。 随着观测设备持续运行和不断改进, 人类获得的光谱数量与日俱增。 这些海量光谱为人工处理带来了极大挑战。 鉴于此, 研究人员开始关注数据挖掘算法, 并尝试对这些光谱进行数据挖掘。 近年来, 神经网络、 自组织映射、 关联规则等数据挖掘方法广泛应用于恒星光谱分类。 在这些方法中, 支持向量机（SVM）以其强大的学习能力和高效的分类性能而备受推崇。 SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。 SVM在求解时, 通过将其最优化问题转化为具有（QP）形式的凸问题, 进而得到全局最优解。 尽管该方法在实际应用中表现优良, 但为了进一步提高其分类能力, 有的学者提出双支持向量机（TSVM）。 该方法通过构造两个非平行的分类面将两类分开, 每一类靠近某个分类面, 而远离另一个分类面。 TSVM的计算效率较之传统SVM提高近4倍, 因此, 自TSVM提出后便受到研究人员的持续关注, 并出现若干改进算法。 在恒星光谱分类中, 一般分类算法都是根据历史观测光谱来建立分类模型, 其中最关键的是对光谱进行人工标注, 这项工作极为繁琐, 且容易犯错。 如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。 因此, 提出带无标签数据的双支持向量机（TSVMUD）用以实现对恒星光谱智能分类的目的。 该方法首先将光谱分为训练数据集和测试数据集两部分; 然后, 在训练集上进行学习, 得到分类依据; 最后利用分类依据对测试集上的光谱进行验证。 继承了双支持向量机的优势, 更重要的是, 在训练集上学习分类模型过程中, 不仅考虑有标记的训练样本, 也考虑部分未标记的样本。 一方面提高了学习效率, 另一方面得到更优的分类模型。 在SDSS DR8恒星光谱数据集上的比较实验表明, 与支持向量机SVM、 双支持向量机TSVM以及K近邻（KNN）等传统分类方法相比, 带无标签数据的双支持向量机TSVMUD具有更优的分类能力。 然而, 该方法亦存在一定的局限性, 其中一大难题是其无法处理海量光谱数据。 该工作将借鉴海量数据随机采样思想, 利用大数据处理技术, 来对所提方法在大数据环境下的适应性展开进一步研究。

极紫外光谱观测和诊断是研究太阳大气基本物理过程的最重要手段之一。 但因为波长短, 很多可见光仪器的设计方案不再适用, 且极紫外观测只能在太空中开展。 国际上现有卫星上的太阳极紫外成像仪和光谱仪都有各自的不足, 比如极紫外成像仪不能获得高光谱分辨率的谱线信息; 狭缝式光谱仪通过扫描可得到活动区域的信息, 但扫描时间过长, 对于研究剧烈变化的太阳活动有很大的局限性。 这些不足制约了对日冕物质抛射（CME）和耀斑等太阳活动的高精度观测及对其机理的研究: 无法看到CME在内日冕的加速过程, 而且无法将可见光看到的CME现象同极紫外看到的日面源区直接联系; 缺少观测目标的视向速度信息, 难以识别CME的触发过程。 采用多级衍射成像方式的一种新型太阳极紫外成像仪, 除实现传统极紫外成像仪功能外, 还可以在太阳活动变化过程中同步获得全日面各区域的光谱信息。 新型成像仪可以得到高光谱分辨率数据, 用于反演低日冕的等离子体视向速度, 获得全日面的速度分布, 与同时得到的高空间分辨率图像相结合, 可以识别太阳活动现象对应的物质运动, 为空间科学研究提供数据; 因为没有狭缝和运动部件, 可以实现对大视场的太阳活动区域的高时间分辨率成像, 有利于捕捉日面活动的快速变化。 新型成像仪采用无狭缝光谱分光成像的设计理念, 即同一时间把一定光谱带宽的信息记录到一个二维的图像上, 此过程可以看成是从某一个角度将空间和光谱数据立方体投影到一个面上, 然后再利用反演得到空间分辨图像和光谱信息。 多级光谱成像的光学设计与传统光谱仪最大的不同是其不存在逐行扫描的狭缝, 这使得其能够同时获得大视场内太阳的空间信息和光谱信息。 因为极紫外波段的特殊性, 以及本仪器面向卫星遥感应用, 不可能像可见光波段或者医用CT机一样实现很多衍射级的同时成像。 因此, 新型极紫外成像仪光学系统由反射镜、 色散光栅和五个探测器组成, 入射的太阳极紫外辐射经过光栅色散后分别由五个级次的探测器接收, 其中四个探测器分部接收±1和±2衍射级图像, 另外一个接收0级图像。 空间信息可以直接从0级图像得到, 而光谱信息则需要根据五个级次成像的反演结果得出。 介绍了光学系统的设计以及反演算法, 并分析了反演算法的误差。 光路基于变间距光栅设计, 可实现空间分辨率1.8 arcsec·pixel-1, 光谱分辨率7.8×10-3 nm·pixel-1, 同时减小了体积和重量, 适合空间应用。

根据乙烷气体分子在3.3 μm处的基频吸收特性, 使用中心波长为3.337 μm室温连续带间级联激光器(ICL)和有效光程为54.6 m密集光斑多通气体吸收气室(600 mL)研制了基于波长调制光谱技术(WMS)的乙烷传感器。 详细介绍了基于WMS和二次谐波(2f)探测技术的光谱吸收法气体检测原理, 给出了目标乙烷气体吸收线的遴选细节。 此项技术的使用减小了光功率漂移对系统的影响, 使得系统最低检测下限(MDL)和稳定性能得到提升。 结合原理框图, 通过光学和电学两个模块分别详细介绍了乙烷传感系统设计方案, 描述了自主研制的软、 硬件单元和商用仪器的使用及其型号供他人参考, 并给出传感器光学配置实物图。 而且, 为匹配激光波长调制与基于压力的吸收线宽, 对气压和调制深度进行优化, 研究了调制幅度对应2f信号峰值及调制幅度与调制深度的关系, 最终确定最优气压和调制深度分别为100 Torr和0.074 cm-1, 对应的调制信号幅度为~0.026 V。 此外, 基于优化后的气压和调制深度, 使用136.8 nmol·mol-1 乙烷标准气体进行了系统灵敏度估算。 详细介绍了ICL扫描调制信号、 锁相放大及数据采集单元的参数设置, 并给出示波器记录的扫描调制信号及2f信号波形图片。 通过对比DAQ采集的2f信号和背景噪声信号, 估算系统最低检测下限为33 nmol·mol-1。 最后, 使用9个不同浓度乙烷标准气体(20～400 nmol·mol-1)分别进行~5 min系统标定测试, 并列出了拟合曲线和拟合相关度等信息。 而且, 使用浓度为48 nmol·mol-1乙烷气体样品开展连续2 h系统稳定性测试并进行Allan-Werle 方差分析。 结果显示, 该系统工作稳定, 积分时间为4 s时, 乙烷气体检测灵敏度为~0.81 nmol·mol-1。 通过增加系统积分时间至63 s, 系统灵敏度可被提高至~0.36 nmol·mol-1。

模型传递是近红外光谱分析技术中一个关键的共性基础技术问题, 通过在同一工作原理的两台仪器之间寻求可行的数学方法, 使得在一台仪器上建立的模型能够应用于另外一台仪器样品光谱响应的预测, 对近红外技术的实际应用具有重要意义。 以150份烤烟作为试验样品, 以两台布鲁克公司MPA近红外光谱仪, 一台热电公司Antaris近红外光谱仪作为研究对象, 通过积分球漫反射检测技术获得光谱数据。 采用一阶导数(first-order derivative, 1st Der)和标准正态变量变换（standard normal variate, SNV)对光谱数据进行处理分析, 计算不同仪器间光谱的残差值、 残差一阶矩、 残差信号概率密度和最大信噪比等参数, 并采用偏最小二乘法（partial least squares, PLS）建立烤烟总糖含量数学模型, 检验模型传递效果。 结果表明, 一阶导数具有降低残差一阶矩, 将仪器偏差信号转换为标准高斯分布的优点, 但同时会降低信噪比。 标准正态变量变换同样可以降低一阶矩, 同时可大幅度提高信噪比, 但无法将仪器偏差信号转换为标准高斯分布, 需要进一步的信号处理。 一阶导数与SNV相结合可保留两种方法的优点, 同时在一定程度上弥补每种方法单独处理的缺点, 是一种可以消除以积分球漫反射作为光谱测量方式的因仪器厂家或型号不同、 使用年限不同等原因所产生的噪声的处理方法, 可实现傅里叶型近红外光谱仪之间的模型传递效果的明显改善。

小麦白粉病和条锈病是我国两种最普遍、 最具破坏性的小麦病害, 且田间常常混合发生。 由于病源和发病机理不同, 有必要对这两种病害进行准确区分和识别, 以采取不同的防治措施。 基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、 白粉菌侵染叶片和健康叶片（共计320个）在375～1 017 nm范围内的高光谱图像, 利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线, 发现小麦白粉病和条锈病的敏感波段均集中在550～680 nm的色素强吸收位置, 且趋势基本一致。 针对两种病害的响应波段交叉重叠的问题, 通过主成分分析-载荷法（PCA）、 连续投影算法（SPA）和竞争性自适应重加权算法（CARS）对小麦叶片的光谱信息进行有效降维, 分别优选出3、 6、 30个敏感波段和特征波长; 在此基础上, 采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、 PCA、 SPA和CARS的优选波段, 建立白粉病、 条锈病和健康叶片的判别模型。 结果表明, 8种模型的准确识别率均在94.58%以上。 其中, 主成分分析-载荷法结合极限学习机模型最优, 训练集与校正集的正确识别率分别为99.18%和100%, 且结构简单, 仅含有三个变量（占全波段的1.1%）。 最后, 通过对小麦白粉病、 条锈病以及健康叶片的显微结构分析, 发现病菌入侵叶片, 破环细胞结构, 导致叶绿素含量减少, 光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱, 反射率增大。 可见, 利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害, 为研发作物病害在线识别的多光谱系统提供重要的理论依据。

In this paper, we propose an automatic image based smoke detection using source separation. In particular, we assume that the region of interest (smoke region) is a linear combination of smoke and background pixels, and we estimate the smoke component. More specifically, we extend the linear hyperspectral unmixing techniques to the context of image based smoke detection in order to separate the smoke component from the background. The proposed approach yields promising results especially with smoke images captured outdoor.

砷(As)污染不仅会影响土壤肥力和作物生长, 而且还会通过空气、 土壤、 水和食物等途径暴露于人类, 对人体健康产生重大威胁。 矿产开采是As环境问题产生的重要来源之一。 本文选择云南省某开采历史悠久的铅锌矿区周边9个村落(S1—S9)为研究区域, 以20 km外的县城(S10)为对照区域, 采集了76份土壤、 306份农作物和86份人发, 利用微波消解对样品进行前处理, 通过控制酸用量、 温度和持续时间三个变量得到不同样品的最佳消解方案, 并采用电感耦合等离子体质谱法(ICP-MS)测定各样品中As含量, 以探究多介质中As污染水平并对人体暴露和健康风险进行评估, 对当地矿产资源开采引起的As污染提出防治或改善建议。 结果表明: (1) 经微波消解前处理后获得的土壤、 农作物和人发样的As检出限为0.01~0.12 μg·L-1, 回收率分别为92.43%~112.23%, 97.88%~114.72%和91.44%~109.65%, 相对偏差小于5%, 结果令人满意。 (2) 土壤中As的平均含量为70.66 mg·kg-1, 是云南土壤背景值3.84倍。 参照GB 15618—1995《土壤环境质量标准》二级标准和单因子污染指数结果, 农田土壤受As污染为中度污染; 在S1采样点As含量最高, 这可能与矿区多年开采、 冶炼和运输密切相关。 农作物样品中, 块茎类蔬菜的As平均含量为1.75 mg·kg-1, 其次叶菜类为0.77 mg·kg-1, 玉米和根茎类蔬菜分别为0.52和0.51 mg·kg-1。 参照我国《食品中污染物限量》标准, 研究区域的农作物样品中As含量超标率为80.64%。 (3) 采用风险评价指数(HI)、 总致癌风险(TCR)、 目标危害商数(THQ)和致癌风险(CR)对研究区域As通过多暴露途径对暴露人群产生的致癌风险和非致癌风险进行评价和分析。 结果表明, 土壤和农作物中As对成人和儿童的非致癌风险总和分别为1.13~1.20, 为不可接受风险, 而致癌风险均在10-3水平, 大于美国环保局(USEPA)推荐的最高接受水平10-4 , 研究区居民有较大的致癌风险。 饮食摄入是As主要暴露途径, 研究区人群食用蔬菜的致癌风险均超过10-4, 且儿童的总致癌风险高于成人。 鉴于矿区周边蔬菜受As污染的高风险, 我们建议当地居民可以通过外地食物的输入来规避当地As污染带来的健康风险, 也可以考虑在污染的耕地上种植食用部位不易积累As的农作物来替代原有作物以减小As污染带来的危害。 (4) 矿区人发中As含量均显著高于县城(S20 km, p<0.05)。 其中矿区居民头发As平均含量 (0.97 μg·g-1) 是县城发As含量 (0.22 μg·g-1)的4.41倍, 超出卫生部推荐发As标准值(0.6 μg·g-1)。 矿区男性发样As含量高于女性, 随着年龄增长, 矿区人发样中As含量水平呈现第二年龄组(Group Ⅱ, 19～40岁)高于第三年龄组(Group Ⅲ, ≥41岁)的趋势。 这是因为处于19～40岁的男性是采矿冶炼等活动的主要参与者, 是As的易感人群, 具有较高的As暴露风险。 (5) 本文为矿区多介质的As污染研究和居民人体健康风险暴露和评估提供有力的依据。