全球气候变暖已导致多年冻土发生严重的退化, 现已威胁到许多区域的生态安全, 特别是作为五大畜牧业生产基地的天山地区。 当前区域内的研究多针对冰川进行分析, 较少对多年冻土深入挖掘。 通过39景ENVISAT ASAR影像（覆盖时间从2003年6月17日到2010年6月15日）, 利用SBAS-InSAR方法监测区域内多年冻土区的地表形变现状。 详细介绍算法原理, 生成ASAR数据集单视复数影像的连接图时, 以空间和时间基线距分别小于500 m和550 d为原则, 生成126幅差分干涉图。 其中因基线和多普勒质心差的原因, 6景ASAR影像没有进行配对。 生成连接图后, 配合STRM V4版本的DEM数据, 经过干涉图去平、 自适应滤波、 相干系数图生成、 相位解缠后, 再对这126对干涉图进行质量较差52对的移除。 利用地面控制点, 进行轨道精炼和重去平等操作, 估算形变速率和残余地形, 经过相关系数阈值控制和奇异值分解(SVD)方法, 再结合空间低通滤波和时间高通滤波方法, 计算得到研究区时间序列地表形变反演。 反演结果共包括33期形变影像, 涉及时间从2004年至2010年。 根据研究区形变结果可知, 虽然区域内有不同程度的沉降和抬升, 但整体的形变速率在±5 cm·yr-1之内, 平均形变速率为(-0.07±3.38) mm·yr-1, 说明研究区内地表存在轻微的沉降现象。 此外以3 000 m海拔为界, 分别探讨分布季节冻土和多年冻土的平原地区和山地区域形变规律发现, 平原地区的形变主要表现为抬升, 仅北方接近城市的区域表现出强烈的沉降现象。 而山区的形变结果则较为零散, 整体形变基调以沉降为主, 大体上在西部和东部地区分别呈现出沉降和抬升现象。 海拔高于3 000 m的形变点存在15 198个, 利用温度和降水数据, 探讨形变点不同形变间隔和总体样本的温度和降水年变化规律后得知, 总体和不同变形速率间隔的形变样本点基本都呈现出逐步变暖的趋势。 并且研究区的山区地表形变速率小于-2.0 cm·yr-1、 在-2.0～2.0 cm·yr-1之间和大于2.0 cm·yr-1的样本点数量依次为6 364, 6 449和2 385个, 山区地表负值的区域多于正值的区域, 体现出该区域的沉降位置多于抬升位置, 也同全球变暖, 冻土退化, 地表发生沉降的规律相一致。 利用主动微波波谱段的ASAR数据, 成功反演了2004年至2010年间的研究区地表形变结果, 并从地表形变反演结果的空间角度、 时间角度和冻土变化的时间滞后性进行了讨论和展望。 以上研究结果期望能为天山区域多年冻土区的地表形变监测提供新的途径和参考。

大气细颗粒物（PM2.5）粒径小, 比表面积大, 容易吸附金属、 有机物、 病毒、 细菌等污染物而成为有毒有害物质的载体和反应体, 严重影响空气质量, 现已成为当前大气环境的首要污染物, 而其中金属及类金属由于具有非降解性和滞后性, 严重污染自然环境, 当PM2.5被吸入人体内, 有毒有害金属及类金属元素由呼吸道沉积在肺泡, 而后转移至血液及其他器官中, 可对人体正常生理机能产生影响, 造成身长发育缓慢, 甚至导致癌症等病变, 进而严重威胁人体健康。 近年来, 我国许多城市也相应开展了PM2.5中金属元素污染特征、 分布水平及源解析的研究。 选择有效采集PM2.5中的金属及类金属元素的方法, 消解效率较高的前处理方法以及操作简便、 快速、 准确、 灵敏和抗干扰能力强的检测方法已成为当前PM2.5中元素分析的研究重点和热点领域。 而电感耦合等离子质谱（ICP-MS）法测定PM2.5中金属及类金属元素, 不仅能满足多元素同时测定, 而且动态线性范围宽, 检出限低, 灵敏度高, 国内外学者们已进行了大量的研究工作, 形成了比较完善的研究体系。 该分析方法可为PM2.5中各金属及类金属组成及来源、 时空分布、 形态及相应同位素分析、 生理毒性和转化机制等方面的研究工作提供强有力的数据支持。 主要对ICP-MS测定PM2.5中金属及类金属元素的分析方法进行了综述, 着重对其采样滤膜选择、 前处理方法及其消解液的选择进行了详述, 重点阐述了ICP-MS联用技术在PM2.5金属和类金属元素形态及同位素分析中的应用研究, 总结了各种采样滤膜、 前处理方法和消解液及检测联用技术各自的优缺点和选择依据, 并对该领域未来存在的挑战和研究方向提出了展望, 为进一步发展更简便、 快速、 高灵敏且选择性好的PM2.5元素分析中ICP-MS检测技术提供参考。

紫米是生活中常见的食材, 具有丰富的营养价值。 由于紫米价格较高导致染色紫米大量流入市场。 本文使用太赫兹时域光谱技术结合化学计量学方法探索紫米掺假的快速检测方法。 采用太赫兹时域光谱技术(THz-TDS)采集0～7 THz范围内紫米掺假的光谱数据, 并选择0.5～2.5 THz波段的吸收系数谱和折射率谱进行分析并采用化学计量学方法对光谱数据进行建模分析。 分别采用Savitzky-Golay卷积平滑（SG Smoothing, SG平滑）、 基线校正（Baseline）、 归一化（Normalization）、 多元散射校正（MSC）等方法进行光谱预处理, 结合偏最小二乘判别分析(PLS-DA)对紫米、 紫米掺染色大米和紫米掺染色黑米进行定性分析。 定性分析结果显示, 通过主成分分析（PCA）的三种样品平面分布存在明显差异; 经过基线校正的光谱数据建立的PLS-DA模型效果最佳, 误判率为0。 接着使用偏最小二乘法(PLS)结合SG平滑、 Baseline、 Normalization、 MSC等预处理方法分别对紫米中掺染色大米和紫米中掺染色黑米的光谱数据建立PLS定量模型。 结果显示, 采用基线校正预处理方法的PLS建模效果最佳, 紫米掺染色大米的预测集相关系数为0.936, 预测集均方根误差（RMSEP）为0.095。 紫米掺染色黑米的预测集相关系数为0.914, 预测集均方根误差为0.096。 为对比分析线性（PLS）与非线性（LS-SVM）两种定量模型方法的预测精度, 采用相同预处理方法后的紫米掺假含量光谱数据建立最小二乘支持向量机（LS-SVM）预测模型, 选用径向基函数（RBF）作为核函数。 结果表明采用基线校正处理后LS-SVM模型效果最佳, 紫米中掺染色大米的预测集均方根误差（RMSEP）为0.092, 预测集相关系数（Rp）为0.979; 紫米中掺染色黑米的预测集均方根误差（RMSEP）为0.093, 预测集相关系数（Rp）为0.948。 对比发现对紫米掺假的含量建立LS-SVM预测模型较PLS模型的稳定性更好、 精确度更高。 研究表明, 太赫兹时域光谱结合化学计量学方法可为紫米掺假的定性定量分析提供快速精确的分析方法。

核酸分子碱基的光谱特征分析对生物遗传学研究具有重要意义。 探讨太赫兹时域光谱（THz-TDS）技术和拉曼光谱（Raman spectroscopy）技术用于DNA和RNA碱基和稀有碱基的光谱检测的可行性。 分析了7种固体核酸碱基的太赫兹振动光谱和拉曼光谱, 对THz-TDS技术和拉曼光谱技术进行了对比研究。 实验结果表明, 在THz-TDS实验中, 胞嘧啶（cytosine, C)、 鸟嘌呤（guanine, G）、 腺嘌呤（adenine, A）、 胸腺嘧啶（thymine, T, DNA专有）和尿嘧啶（uracil, U, RNA专有）和稀有碱基［5-甲基胞嘧啶, 5-methylcytosine (m5C)、 1-甲基腺嘌呤, 1-methyladenine (m1A)］在0.2～2.0 THz频段内特征吸收峰和吸收强度差异显著, 可以直观地识别出7种碱基的差异; 拉曼光谱中, 7种碱基也表现出很多明显的不同特征峰, 而正是由于拉曼光谱的特征峰杂而多, 故不能直观的识别多种物质。 且其吸收强度的差异与粉末的厚度, 粒度和光聚焦的深度有关, 样品的荧光还会给拉曼光谱带来干扰, 同时激光还可能会损伤生物样品。 这说明此两种技术均能够识别7种常见和稀有碱基, THz-TDS技术在识别这7种碱基的能力上优于拉曼光谱技术, 表现出较为简洁, 快速和无损的检测性能。 THz-TDS技术不仅为DNA和RNA碱基和稀有碱基的识别提供了一种快速和准确的检测方法, 也为生物遗传学研究奠定实验基础。

显示器特征化是颜色管理的关键问题之一, 早期人们关注的是建立显示器驱动信号RGB和色度值XYZ之间的相互转换关系, 文献中讨论最多的是GOG和PLCC模型。 最近, 为了实现同色同谱再现, 显示器的光谱特征化成为研究的热点, 而且显示器的光谱特征化在多光谱图像的再现有着重要应用。 提出采用常用的GOG和PLCC模型进行光谱特征化。 虽然GOG和PLCC模型是常用的显示器特征化模型, 但文献还没有用这两个模型进行光谱特征化的讨论。 首先基于通道独立性和各通道色品坐标恒定性的假设证明了GOG和PLCC模型均可用于显示器光谱特征化。 然后基于目前常采用的专业显示器EIZO CG277和BENQ PG2401进行了比较研究, 同时也分别探讨了采用纯色和灰阶数据进行训练GOG和PLCC模型。 比较结果表明, 采用灰阶数据训练的GOG和PLCC模型分别好于采用纯色数据训练的GOG和PLCC模型; 不论从正向还是从逆向的角度考虑采用灰阶训练的PLCC模型的精度要比SRPPM和GOG模型高, 而且PLCC模型的逆向远比SRPPM的逆向简单。 因此建议采用灰阶数据训练的PLCC模型对液晶显示器进行光谱特征化。

针对土壤中铅含量的定量检测问题, 本研究基于太赫兹光谱技术对不同pH下土壤中铅含量的最佳反演预测模型进行了探索性研究。 分别制备了pH为8.5, 7.0和5.5的含铅土壤样品, 采集样品的太赫兹光谱数据, 并对光谱数据做了多元散射矫正(MSC)、 基线校正和Savitzky-Golay平滑等预处理。 对预处理后的光谱数据, 采用连续投影法(SPA)选取光谱数据的特征频率。 基于选取的特征频率分别采用偏最小二乘法(PLS)、 支持向量机(SVM)和误差反向传播神经网络(BPNN)建立土壤中铅含量的反演预测模型, 采用校正集相关系数(Rc)、 校正集均方根误差(RMSEC)、 预测集相关系数(Rp)、 预测集均方根误差(RMSEP)和剩余预测偏差(RPD)作为评价参数对模型性能进行评估, 确定铅在不同pH土壤中的最佳预测模型。 实验结果表明: 在经过SPA选择特征频率后的建模效果普遍比全光谱的效果好。 其中pH 8.5的样品最佳预测模型为SPA-PLS, Rc, Rp, RMSEC, RMSEP和RPD分别为0.997 7, 0.994 6, 14.52 mg·kg-1, 22.70 mg·kg-1和9.63; pH 7.0的样品最佳预测模型为SPA-SVM, Rc, Rp, RMSEC, RMSEP和RPD分别为0.996 2, 0.975 7, 20.25 mg·kg-1, 33.04 mg·kg-1和4.56; pH 5.5的样品最佳预测模型为SPA-BPNN, Rc, Rp, RMSEC, RMSEP和RPD分别为0.968 7, 0.974 4, 48.83 mg·kg-1, 55.03 mg·kg-1和4.44。 该研究结果为不同pH土壤中铅含量的光谱反演预测提供了一种新思路, 亦可为其他重金属在不同pH土壤中的含量反演预测模型提供理论方法和技术支持。

COD代表了水体受还原性物质污染的程度。 相对于采用传统方法检测COD, 存在检测时间长且操作复杂等缺点, 紫外光谱法以其检测速度快, 无需使用化学试剂等特点成为了主流的检测方法。 基于朗伯-比尔定律, 以邻苯二甲酸氢钾粉末配置的COD标准溶液为研究对象, 针对低温环境下利用紫外光谱法检测COD精度的问题, 分别对COD的最佳检测波长和温度对COD检测值的影响进行研究。 同时选择长春市某地区地表水为研究对象, 验证COD最佳检测波长在实际水样中的适用性及温度补偿模型的准确度。 在研究检测波长对COD检测值的影响时, 选用256, 266, 276, 286和296 nm共5个波长对样本进行回归分析, 它们的吸光度分别为A256, A266, A276, A286, A296, 将吸光度Ａ与COD标准溶液浓度值进行线性回归, 通过拟合结果得出: 276, 286和296 nm处模型具有代表性, 且在286 nm处拟合效果最好, 296 nm次之, 最后为276 nm, 其中286 nm处相关系数r为0.994 6, 决定系数R2为0.989 4, 波长为296 nm处和方差SSE=0.011 4, 预测均方根误差RMSE=0.037 7, 但其决定系数R2较低, 可见在286 nm处COD检测值与吸光度具有最高的相关性, 又探究了标准温度（20 ℃）下8 mg·L-1的COD实际水样和标准水样的光谱吸收情况, 得出286 nm同样适用于实际水样的检测, 可见286 nm处为最佳检测波长。 在研究温度对COD检测值的影响时, 采集不同温度下COD实际水样与标准水样的紫外吸收光谱, 经过分析得出: COD实际水样中紫外光谱吸收度会随温度升高而增大。 为了减弱在COD测量中温度的影响, 根据最小二乘原则, 建立温度补偿模型。 利用实际水样验证温度补偿模型的准确度, 同时进行误差分析, 分析结果表明: COD的实际值与补偿后值的最大相对误差为6.38%, 最小相对误差为0.63%, 且多数相对误差集中在4%, 由此可见, COD温度补偿模型补偿精度高, 效果良好。 结果表明: COD检测选取的最佳波长及温度补偿模型可有效的提高COD低温检测精度。

光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法, 对消除环境等干扰具有重要的作用。 以往文献主要对比研究不同的光谱数据变换方法, 光谱特征波长提取方法的对比研究以及二者的组合研究较少。 为了获取适宜的光谱预处理方法, 提高潮间带沉积物氮的最小二乘支持向量机（LSSVM）模型精度, 研究了4种光谱变换方法与3种特征波长提取方法组合对沉积物氮LSSVM模型精度的影响, 以期实现潮间带沉积物氮的精确预测。 研究结果表明, 多元散射校正（MSC）或标准正态变换（SVN）光谱变换方法提高了光谱与氮含量的相关性, 最高相关系数分别达到0.69和0.71; 并且提高了LSSVM模型的预测精度, 模型的预测R2和RPD分别为0.88, 0.87和2.78, 2.69。 无信息变量消除（UVE）特征波长提取方法也提高了LSSVM模型的预测精度, 模型预测R2和RPD分别0.89和2.70。 但是, UVE提取的特征波长并不都与氮含量具有高相关性。 此外, 组合运用UVE特征波长提取方法和MSC或SVN光谱变换方法, 也提高了模型预测精度, 但并不优于单独运用UVE特征波长提取方法或单独运用MSC及SVN光谱变换方法。 研究结果可为潮间带沉积物氮估算和光谱数据预处理提供技术参考。

苹果水心病在众多苹果主产区都有发生, 现阶段没有合适的方法实现快速鉴别和分类。 为了探索苹果水心鉴别新方法, 采用近红外透射光谱与化学计量学方法结合非线性流形学习数据降维技术, 逐个采集好果与疑似水心病果样本590~1 250 nm的近红外透射光谱, 将经光谱校正后的原始光谱做多元散射校正（multivariate scattering correction, MSC）、 标准正态变量变换（standard normal variate transformation, SNVT）、 二阶求导（2nd derivative）、 一阶求导（1st derivative）、 归一化（normalization）、 卷积平滑法（savitzky-golay smoothing, SG）、 均值中心化（mean centering, MC）、 移动平均平滑（moving average, MA）、 直接差分二阶求导（direct differential second derivative, DDSD）以及直接差分一阶求导（direct differential first derivative, DDFD）等10余种光谱预处理; 先对预处理后的光谱数据建立全波长模式识别模型从而找出多元散射校正是最优预处理方法, 而后再分别用多维尺度分析（multidimensional scaling, MDS）、 分布邻域嵌入（stochastic neighbor embedding, SNE）、 对称分布邻域嵌入（symmetric stochastic neighbor embedding, SymSNE）、 t分布邻域嵌入（t-distributed stochastic neighbor embedding, t-SNE）、 拉普拉斯映射（laplacian eigenmaps, LE）、 等距特征映射（isomap）、 地标等距映射（landmark isomap）、 局部线性嵌入（locally linear embedding, LLE）、 扩散映射（diffusion maps, DM）等多种流形学习方法对经多元散射校正预处理后的光谱数据做降维处理, 并结合马氏距离判别（mahalanobis distance discrimination, MD）、 二次判别分析（quadratic discriminant analysis, QDA）、 贝叶斯判别（Bayesian discrimination, BD）、 K最近邻法（K nearest neighbor, KNN）识别其水心存在与否。 结果表明, 提取前12主成分, 采用多元散射校正-地标等距映射-K最近邻法（MSC-landmark isomap-KNN）模型识别效果最优, 校正集和预测集识别率分别为97.5%和96.3%。 故, 流形学习方法结合近红外透射光谱可成功、 高效地实现苹果水心鉴别, 为进一步研发水心鉴别设备提供新的理论指导。

为满足多年生苦荞育种工作的需要, 采用近红外光谱分析技术结合定量偏最小二乘法对多年生苦荞叶片蛋白质和γ-氨基丁酸(GABA)含量进行了快速测定研究, 实验使用了222份多年生苦荞材料, 扫描光谱后测定其化学值。 研究发现样品蛋白质含量的平均值、 最大值和最小值含量分别是164, 331和121 mg·g-1; 样品GABA含量的平均值、 最大值和最小值含量分别是2.489, 3.968和1.439 mg·g-1。 蛋白质建模结果: 采用不同光谱区建模时, 建模集的平均决定系数（R2）、 校正标准差（SEP）和平均相对误差（RSD）分别是93.46%, 0.63和3.82%, 检验集的平均R2, SEP和RSD分别是91.77%, 0.88和5.28%。 采用不同比例的建模样品和检验样品时, 建模集的平均R2, SEP和RSD分别是93.55%, 0.63和3.82%, 检验集的平均R2, SEP和RSD分别是92.18%, 0.87和5.20%。 采用4 000～9 000 cm-1光谱范围, 二阶导数（13）预处理光谱, 建模集与检验集的比例为4∶1, 模型最优, 其建模集内部交叉R2, SEP和RSD分别是93.57%, 0.55和3.38%, 检验集内部交叉R2, SEP和RSD分别是93.35%, 0.73和4.40%。 GABA建模结果: 采用不同光谱区建模时, 建模集的平均R2, SEP和RSD分别是86.28%, 0.21和8.30%, 检验集的平均R2, SEP和RSD分别是84.35%, 0.22和8.76%。 采用不同比例的建模样品和检验样品时, 建模集的平均R2, SEP和RSD分别是88.51%, 0.20和8.04%, 检验集的平均R2, SEP和RSD分别是86.80%, 0.21和8.40%。 4 000～10 000 cm-1光谱范围, 原始光谱, 建模集与检验集的比例为4∶1, 模型最优, 其建模集内部交叉R2, SEP和RSD分别是93.28%, 0.15和6.10%, 检验集内部交叉R2, SEP和RSD分别是91.49%, 0.17, 6.68%。 证明了使用近红外光谱技术定量测定多年生苦荞叶片蛋白质和GABA含量的可行性以及模型的稳定性。

测定不同施肥条件下瓢菜、 黄白菜的反射光谱及叶绿素荧光参数, 以便进一步分析不同施肥条件下蔬菜生长生理及光谱、 叶绿素荧光之间的响应关系。 结果表明: （1）可见光波段内, 黄白菜光谱反射率随生育期的推进呈增加的趋势, 瓢菜光谱反射率随生育期的推进呈先增后减的趋势; 在近红外波段, 瓢菜、 黄白菜光谱反射率随蔬菜生长发育逐渐增加。 （2）不同施肥条件下蔬菜光谱反射率不同, 特别是在近红外波段表现显著。 生长期时, 黄白菜在C3和C5水平上反射率较高, 瓢菜在C2和C3水平上反射率较高; 成熟期时, 黄白菜在C5和C6水平上反射率较高; 瓢菜在C3和C5水平上光谱反射率较高。 （3）瓢菜、 黄白菜叶绿素荧光参数Fv/Fm随生育期的推进总体呈增加的趋势, 瓢菜Fv/Fm在C6水平上最高, 黄白菜Fv/Fm在C2和C6水平上较高。 （4）不同施肥条件下, 蔬菜光谱特征参数与叶绿素荧光都表现出显著的正负相关关系。 叶绿素荧光与光谱特性的这种关系, 可为监测蔬菜生长生理和健康状况提供参考。

土壤颜色是反映土壤发生、 形成环境及肥力特征的一项重要物理性状。 通常高有机质含量土壤的颜色比较黑, 但我国典型低有机质含量的砂姜黑土土壤颜色也很黑。 基于传统化学方法的研究认为高度芳构化的腐殖质成分与土粒结合使砂姜黑土呈现黑色。 然而采用化学方法只能提取部分腐殖质成分, 且破坏了有机质及有机无机复合体的化学结构, 其结果不具有代表性。 通过不破坏土壤有机无机复合体结构的物理方法从砂姜黑土中提取黑色物质的研究发现蒙皂石吸附有机质形成的黑色有机无机复合体是砂姜黑土呈现黑色的决定性成分。 但是, 这些黑色有机无机复合体的有机质结构及复合体呈现黑色的机制还不清楚。 本研究旨在通过物理方法从砂姜黑土中提取黑色组分, 从有机质结构及其与蒙皂石矿物作用方面研究这些黑色有机无机复合体的特征, 探讨其呈现黑色的机理。 首先采用物理方法从黄淮海平原三个地点的典型砂姜黑土表土层（0～40 cm）土壤中提取浅色组分［＞53 μm颗粒、 白（W）和浅白(LW)］和黑色组分［浅黑（LB）、 黑（B）和纳米黑（NB）］。 然后采用分光测色仪、 固态13C核磁共振谱仪和X射线衍射仪分别测定不同提取组分的黑度、 有机质结构和蒙皂石含量。 相关分析和通径分析结果表明, 提取组分有机质的羧基碳、 氨基碳、 烷基碳和烷氧碳对砂姜黑土黑度的直接影响效应和间接效应都较大, 芳香碳含量和芳香度对土壤黑度的影响则较小, 蒙皂石对土壤黑度的直接影响效应及其通过羧基碳、 氨基碳和烷基碳对土壤黑度的间接效应都较大。 因此, 砂姜黑土中大量存在的蒙皂石通过吸附有机质中含有生/助色团的羧基碳、 氨基碳、 烷氧碳及烷基碳形成有机-无机复合体是其呈现黑色的主要机制, 并不是传统观点认为的芳香碳及高芳香度。

青叶胆（Swertia leducii）为獐牙菜属（Swertia）一年生草本植物, 在肝炎病治疗方面效果显著。 其与同属近似种外观极其相似, 加之常以干燥全草入药, 仅从形态难以正确鉴别。 不同物种有效成分存在明显差异, 其药效也有所不同。 基于光谱和色谱数据融合建立青叶胆及近似种的鉴别方法, 为青叶胆药用真实性与安全性提供科学依据。 采集青叶胆及其近似种植物共102份样品的傅里叶变换红外光谱（FTIR）和超高效液相色谱（UPLC）指纹图谱; 利用标准正态变量（SNV）、 多元散射校正（MSC）、 Savitzky-Golay平滑（SG）、 一阶导数（1D）、 二阶导数（2D）等方法对原始红外光谱数据进行预处理, 通过系统聚类分析（HCA）探讨獐牙菜属不同种类样品化学信息相似性与差异性; Kennard-Stone算法将所有样品按2∶1比例划分为训练集和预测集, 训练集基于FTIR, UPLC, 低级与中级数据融合建立随机森林（RF）判别模型, 预测集用于验证模型预测能力, 其中灵敏性（sensitivity）、 特异性（specificity）、 精密度（precision）和正确率（accuracy）用来评价模型性能。 结果显示: （1）采用SNV+SG+2D组合对FTIR数据进行预处理, R2Y和Q2最大, 分别为91.2%和84.1%, 所有类别被正确区分, 为最佳预处理。 （2）HCA反映了5种獐牙菜属植物样品分类情况与亲缘关系, 除紫红獐牙菜外, 其余4种獐牙菜植物均分类正确, 准确率为93.1%; 青叶胆、 川东獐牙菜、 紫红獐牙菜与西南獐牙菜亲缘关系较近。 （3）基于FTIR、 UPLC、 低级和中级数据融合策略建立RF判别模型, 样品错判总数分别为1, 5, 1和0, 中级数据融合效果最佳, 所有样品均正确分类, 所建模型性能良好。 FTIR与UPLC通过中级数据融合策略结合RF判别分析能正确鉴别不同种类獐牙菜属植物, 结合HCA分析能够明确青叶胆及其近似种之间的亲缘关系, 为獐牙菜属植物资源开发与质量控制提供理论基础。

废弃的药物化合物处理不当最终会进入环境成为污染物, 存在于天然水饮用水和城市废水中。 医院污水中含有低浓度的药物, 当这些药物进入环境会成为污染物, 进而严重污染自然生态系统。 吲哚美辛一种广泛使用的非甾体抗炎药, 其不易溶于水, 使得污水中的药物降解成为一项挑战。 为研究在外电场(EEF)作用下, 吲哚美辛分子结构和光谱的变化, 选用密度泛函理论(DFT)以及6-31+G(d, p)基组, 沿Y轴(N15-C16)方向施以EEF(0～0.025 a.u.)并优化吲哚美辛分子的基态几何构型, 探究了分子总能量、 键长、 红外光谱(IR)、 偶极矩（DM）和HOMO-LUMO能隙。 结果显示, 无EEF时, 吲哚美辛分子中C2与C17间的单键优化成了苯环间的双键, 就使得C16与C17的π电子还有N15的孤立电子与苯环形成牢固的共轭体系, 使吲哚美辛分子能量降到最低, 形成最稳定的构型。 DM随着EEF的增强缓慢增加, 当F≥0.015a.u.时增速变大, 基态总能量的变化则与此相反。 随着EEF的增强, 各个键长的伸缩变化不同。 C3-C4, C3-N15, C5-C6, O10-C11和N15-C16的键被拉长, 尤其是O10-C11, C3-N15和N15-C16键长变化剧烈, 最易断裂进而使吲哚美辛分解。 当EEF变大, 能隙不断降低, 表明在EEF下吲哚美辛分子的电子易过渡到高能级, 使分子处于激发态。 吲哚美辛分子中不同化学键的振动产生的IR, 相应地出现了不同的频谱移动, 这主要与能级有关, 能级差减小, 频率减小, 导致红移（RS）, 反之则产生蓝移（BS）; C16-C18与N15-C40键长变化ΔR与频移变化Δf的对应关系表明频谱移动还与分子轨道配置和偶极矩的变化等因素有关。 较强的4, 5, 6, 7吸收峰发生RS且振动强度增强, 说明对应的化学键变得脆弱进而断裂。 这些现象皆说明吲哚美辛分子随着EEF的增强, 变得不稳定, 易发生解离。 分析EEF下物质的分子结构和IR, 可以电场解离方法研究降解吲哚美辛, 以便为污水中的顽固药物降解提供理论指导。

冰面反照率是用来研究寒区水域大气和水体之间能量交换的重要参数, 可以通过遥感数据反演得到。 但是卫星遥感观测的波长和角度都相对固定, 而且视场角有限, 因此获得的表面反射率并不等价于反照率, 还需要根据下垫面情况进行各向异性校正。 冰的前向散射很强, 而且光学性质对其物理参数非常敏感, 因此不同物理性质的冰在不同方向上的反射率也有很大的差异, 给冰面反照率的反演带来了不确定性。 为了解决这些问题, 2019年2月在内蒙古乌梁素海湖对五种性质各异的冰进行了光学性质的现场观测, 测量类型包括: (Ⅰ)阴天不均匀气泡冰; (Ⅱ)表层有大量泥沙的冰; (Ⅲ)稀疏大气泡冰; (Ⅳ)致密小气泡冰; (Ⅴ)融化冰, 并对彼此之间的反照率、 双向反射因子(BRDF)以及各向异性反射因子(ARF)光谱特征的差异进行对比分析。 结果表明: 随着太阳天顶角的增大, 除融化冰的反照率出现了下降以外, 其余冰面反照率都出现不同程度的增大。 冰的双向反射特征呈现出明显的各向异性, 在前向散射方向会形成一个反射的峰值点, 该点的位置会受冰表情况的影响, 而峰值点以外方向上的反射光主要来自冰内体散射, 这部分对观测的天顶角不敏感, 而对方位角的敏感性在短波段会受到冰内部组分均匀程度的影响, 在长波段几乎不受影响。 在对冰的BRDF谱线分析时发现, 冰的体散射谱线形状和反照率谱线很相似, 但是在长波段的减小速度更快, 即体散射在短波段能量更加集中, 而在前向散射方向接近反射峰值点位置上, 能量在长波段更加集中, 短波段较少。 分析ARF谱线可以发现, 冰的体散射对反照率的贡献随波长的增大而减小, 而冰表面反射情况相反。 更重要的是各测量点的ARF谱线的大小顺序和BRDF谱线的顺序并不相同, 说明即使在观测角度一致时, 不同冰的反照率反演参数并不相同。

将具有拉曼信号的三氢-吲哚菁类（Cy3）染料分子标记农药核酸适配体（Aptamer）制备成拉曼检测试剂（Cy3-aptamer）, 对痕量啶虫脒进行了特异性的表面增强拉曼光谱法（SERS）检测研究。 考虑到胶体的稳定和聚凝作用原理, 采用聚丙烯酸钠作为分散剂, 使作为SERS检测基底材料的银溶胶带负电荷, 获得了良好的稳定性和分散性。 由于聚丙烯酸钠分散的银溶胶为负电平衡体系, 测试时需采用聚沉剂, 使具有较高稳定性的银纳米颗粒团聚, 形成SERS增强热点, 从而提高SERS检测信号。 以SERS信号较弱的啶虫脒为探针, 考察了银溶胶中加入不同聚沉剂（NaCl, KCl, NaOH, HNO3, H3PO4, H2SO4, HCl）对SERS信号的影响, 实验结果表明, H+作为阳离子和PO3-4作为阴离子组成的电解质聚沉剂, 对于带有一定负电荷σ-基团分子, 具有较好的拉曼增强效应。 且通过紫外可见分光光谱, 进一步说明了表面电荷性质对SERS的增强信号起决定作用。 又由于Cy3-aptamer磷酸骨架上带有大量负电荷, 其SERS信号较小。 故选择带丰富正电荷的精胺分子以消除Cy3-aptamer磷酸骨架上的负电荷, 使Cy3-aptemer更易吸附于银溶胶表面, 使其产生较强的SERS光谱。 此外, 考察选择了精胺与Cy3-aptamer以及Cy3-aptamer与农药啶虫脒的最佳反应结合时间分别为5和20 min。 最后, 建立了定量检测农药啶虫脒的方法, 并对检测机理进行了探讨。 研究表明, 农药啶虫脒在适配体银溶胶特效探针上于1 392 cm-1处的SERS特征峰面积与水的OH伸缩振动峰面积组成相对拉曼峰面积强度, 其相对强度与啶虫脒浓度的对数具有良好的负线性关系, 浓度范围为1×10-8～2.5×10-7 mol·L-1。 将所建立的特效检测啶虫脒的方法用于实际水样的检测, 回收率为97.4%～99.4%。 结果表明, 所提出的聚丙烯酸钠分散及精胺修饰的银溶胶有利于捕获Cy3-aptamer及其Cy3-aptamer与啶虫脒的反应物, 提高了方法的灵敏度与可靠性。

低QI含量的软沥青（SCTP）是制备煤系针状焦的优选原料, 研究其在液相碳化成焦阶段（350～550 ℃）的结构变化有助于高品质针状焦的研制。 利用样品的红外光谱, 通过分峰拟合对谱图中3 100～2 800 cm-1区的C—H伸缩振动峰和900～700 cm-1区的芳香C—H弯曲振动峰进行了详细辨析, 接着基于标准物质的相应C—H振动峰的校正因子, 定量出SCTP在不同碳化温度（400, 500, 600和800 ℃）下的各类型芳香氢（Hsolo, Hduo, Htrio和Hquarto）和脂肪氢（HCH3, HCH2和HCH）的质量百分含量; 进一步计算了样品的SP2杂化碳（SP2C）和SP3杂化碳（SP3C）的含量以及H/C原子比、 芳香性指数（Iar）、 芳香邻位取代指数（Ios）和支链化指数（CH3/CH2）等结构参数, 讨论了SCTP在液相碳化成焦过程中芳香结构的变化情况。 结果表明, 煤系针状焦原料SCTP主要由低环数少侧链的芳烃构成, Iar为0.77, 其82%左右的芳香氢分布在含有三/四个相邻芳香C—H的结构中, 而其脂肪氢主要分布在环烷的CH2结构中。 随着碳化温度升高, SCTP的脂肪氢或SP3C几乎呈直线下降, 到400 ℃时损失约50%, 这主要归因于轻组分的失去和环烷结构的脱氢, 在500 ℃形成半焦时仅有0.15 Wt.%的脂肪氢和0.88 Wt%的SP3C, 600 ℃时已检测不到脂肪氢的存在。 然而, 由于环烷结构转变为芳环, 导致芳香氢在400 ℃之前从原料的3.89 Wt%轻微增加至4.5 Wt%。 随温度进一步升高, 芳香氢则迅速减少, 到500 ℃时仅为1.14 Wt%, 表明在400～500 ℃中间相形成阶段沥青芳烃分子间发生了激烈的脱氢缩合反应, 大量质子化SP2C转化为非质子化SP2C也证实了这点。 在500 ℃后芳香氢继续减少, 到800 ℃时已检测不到它们的存在。 另外, 发现芳烃的C—H面外弯曲振动比其面内伸缩振动对红外光更灵敏。 Iar的增加以及H/C原子比、 Ios和CH3/CH2等参数的减小, 说明SCTP在成焦过程中其芳烃分子在逐步缩合长大, 芳香性提高。 利用红外光谱对各类型氢的快速定量, 可及时了解成焦过程中沥青芳烃分子的结构变化, 有助于针状焦的生产。

目前, 国内外铜矿品位分析多以化学分析法为主, 但由于化学分析法存在成本高、 时间长和污染物残留等缺点, 其相对配矿流程存在严重的滞后效应, 致使尾矿铜含量过高, 必然造成资源浪费。 开展斑岩型铜矿可见光-近红外光谱特征与建模研究是解决这一问题的有效途径。 以121个乌山斑岩型铜矿的化学分析与光谱测试数据为数据源, 分析了斑岩型铜矿可见光-近红外光谱特征, 以主成分分析法（PCA）、 局部线性嵌入算法(LLE)两种降维算法对原始光谱数据进行了处理, 所降维数分别为3维和5维, 同时利用遗传算法(GA)对原始光谱数据进行了波段选择, 共选取了467个最佳波段。 然后以BP神经网络为建模方法, 并分别以92个和29个斑岩型铜矿可见光-近红外光谱数据作为建模样本和测试样本, 建立了斑岩型铜矿可见光-近红外光谱的定量反演模型。 利用原始数据所建模型的品位反演平均绝对误差为0.104%, 利用主成分分析法、 局部线性嵌入算法、 遗传算法处理后的数据所建模型品位反演平均绝对误差分别为0.110%, 0.093%和0.045%, 由此可见, 利用主成分分析法处理后的数据所建模型品位反演精度较差, 利用局部线性嵌入算法处理后的数据所建模型品位反演精度略有提高, 而利用遗传算法处理后的数据所建模型品位反演精度有明显提高。 研究结果表明, 基于低品位斑岩型铜矿可见光-近红外光谱数据反演模型的品位分析具有一定的可行性, 为我国低品位斑岩型铜矿的品位快速检测提供了一种有效的手段。

黄铁矿是金矿床中重要的载金矿物, 它和金矿的形成有着密切的关系, 通过对黄铁矿开展矿物学研究可以提供矿床成因和找矿勘查等有用信息, 所以对于金矿床中黄铁矿的研究具有重要的意义。 拉曼光谱是对物质分子进行结构分析和定性鉴定的微区分析技术, 近年来大量用于矿物以及包裹体研究中, 而拉曼光谱在黄铁矿方面的应用前人主要在于黄铁矿载金性的研究, 以及高温高压下对黄铁矿的分析等等。 将黄铁矿激光拉曼研究和地质岩相学观察方法相结合, 来进一步探究矿物形成环境及空间变化特征。 选取胶东焦家金矿中的黄铁矿, 通过对不同深度和蚀变带上样品的拉曼光谱特征进行研究, 探讨黄铁矿拉曼特征峰的位移以及半高宽（FWHM）变化特征及其地质意义。 测试结果表明, 黄铁矿Ag拉曼位移随深度变化呈现出正相关分布特征。 矿化带内的黄铁矿样品的谱峰半高宽（中位数）主要集中在3.3 cm-1附近。 绢云岩化带半高宽主要在3.2~5.5 cm-1, 而钾化带黄铁矿样品则位于4.1~8.4 cm-1之间。 由于处在矿化带和不同蚀变带上的黄铁矿半高宽值存在着变化, 暗示了不同蚀变带中黄铁矿结晶度和有序度存在差异。 越靠近矿化带, 黄铁矿的半高宽值越低, 其结晶度较蚀变带高。 整体样品结晶有序度的分布呈现出矿化带＞绢云岩化带＞钾化带的特征, 从浅部钾化带的黄铁矿到矿化带内的黄铁矿, 半高宽逐渐降低, 代表了结晶度持续变好、 有序度不断地增加, 指示黄铁矿形成的温度逐渐降低。 远离矿化带到深部钾化带, 半高宽逐渐升高, 结晶有序度降低, 暗示着矿物形成温度增高。 整体拉曼位移和半高宽数据暗示着上下对称出现的蚀变带中黄铁矿结晶度以及形成温度以矿化带为中心上下也呈现出对称性, 这和岩相学上蚀变带的分布相吻合。 因此, 拉曼光谱对于热液矿床中不同蚀变分带中黄铁矿形成压力以及温度的定性研究提供了一种有效而快捷的测试手段。

总有机碳(TOC)是指溶解和悬浮在水中的有机物的总含碳量, 是以含碳量表示水体中有机物总量的综合指标。 TOC的测定通常采用的是国标燃烧法和湿化学法, 但这两种传统方法都具有测试方法复杂、测量时间长、速度慢等缺点, 对大气环境会产生一定污染且仅能在实验室内完成, 无法进行海水的原位在线测量。 而该研究采用紫外吸收光谱法测量TOC, 通过燕山大学自主研发的光谱技术与集成电路相结合研制的TOC光学原位传感器, 能够快速、不添加试剂、不产生二次污染的测量海水中总有机碳的浓度, 且可以不受实验室环境的制约实现海水TOC的在线原位测量。 将基于该方法研制的传感器进行实地下海实验, 测量不同海域（河北沧州黄骅港周边海域、秦皇岛市周边海域）的TOC值, 将传感器测量的结果与国标法测量结果的相关性、一致性、误差等方面进行对比。 结果表明: 在黄骅港海域采取的13个不同水样和秦皇岛周边海域采取的14个不同水样用国标法和TOC光学原位传感器测量的浓度值变化趋势基本一致, 有较好的相关性和一致性, 存在极个别水样产生偏离整体样本曲线的情况。 实验数据经过线性拟合结果显示相关性较好, 对两处不同海域的数据拟合曲线和常规残差分析, 显示黄骅港海域水样的拟合相关系数r为0.859 0, 残差平方和数值为0.165 4, 秦皇岛周边海域水样的拟合相关系数r为0.939 9, 残差平方和为3.513 1。 由于相关系数r=0.939 9＞r=0.859 0, 所以秦皇岛周边海域的水样线性拟合效果好于黄骅港实验。 常规残差0.165 4<3.513 1, 是因为秦皇岛周边一些样本如河流入海口是污染的重灾区, 生活污水和工业污水使水质存在更多干扰因素, 这些干扰因素对海洋TOC光学原位传感器的准确性和稳定性造成了一定的影响。 由于基于紫外吸收光谱法研制的TOC光学原位传感器与传统的国标法测量原理不同, 样本集比较少, 样本浓度覆盖面不大, 海洋环境复杂多变, 存在多种影响因素, 如浊度、 温度、 pH、 浮游生物等, 传感器无法彻底消除所有影响因素引起的误差, 所以测量结果与国标法结果存在一定的误差。 后续工作如何消除海洋环境复杂干扰因素的影响, 减小传感器测量值的误差, 使测量结果更加精确和真实, 需要进一步讨论和更加详细的分析和研究。

开放光程傅里叶变换红外光谱（OP-FTIR）可以实现快速、 灵活、 定量化地探测气体, 但相较于气体池抽取气体的方式, OP-FTIR的信号微弱, 对气体的探测能力受到制约, 为提高其对气体的探测能力, 以自然状态的气体流动为扰动对测得的气体红外光谱数据进行二维相关分析。 以乙醇气体和两种白酒挥发物作为验证对象, 用OP-FTIR方法测得乙醇气体以及泸州特酿和汾酒挥发物的红外吸收光谱。 未经处理的乙醇气体红外吸收光谱图中, 并没有观察到明显的乙醇特征峰, 对该红外吸收光谱数据进行二维相关分析, 其二维相关同步谱图中对角线上（1 050, 1 050 cm-1）处有明显的自相关峰, 该自相关峰来自于乙醇, 结果验证了: 结合二维相关红外光谱, 提高了OP-FTIR方法对气体的探测能力。 对不同浓度乙醇气体的红外吸收光谱数据进行二维同步相关处理, 发现二维相关同步谱图中以1 050 cm-1 为中心的自相关峰强度随着乙醇气体浓度的增加而增强, 说明基于二维相关光谱的OP-FTIR气体探测方法具有一定的定量分析能力。 用OP-FTIR方法探测泸州特酿和汾酒的挥发物时, 在820～1 480 cm-1波段探测挥发物中的乙醇气体, 气体含量通过二维相关同步谱图中对角线上（1 050, 1 050 cm-1）处的自相关峰强度来衡量, 结果显示泸州特酿挥发物中的乙醇气体含量高于汾酒; 在1 700～1 820和1 400～1 600 cm-1波段探测挥发物中的香气物质, 通过对比泸州特酿和汾酒挥发物的二维相关异步谱图, 发现泸州特酿比汾酒挥发物二维相关异步谱图中有更多的交叉峰, 说明泸州特酿挥发物表现出更丰富的香气物质信息, 这一区别可以用来鉴别泸州特酿和汾酒挥发物。 研究证明, 基于二维相关红外光谱的OP-FTIR气体探测方法, 提高了OP-FTIR方法探测气体的能力, 且具有一定的定量分析能力, 同时, 用于不同挥发物的鉴别也值得进一步研究。

拉曼成像是一种无损伤、 无需标记的光谱成像技术, 在生物医学领域得到了广泛的应用。 然而, 由于大多数生物样本中的自发拉曼信号都很弱, 为了获得较好的成像结果, 需要较长的时间来获取高信噪比的拉曼光谱, 严重影响了拉曼成像的时空分辨率, 阻碍了其在快速动态体系中的应用。 多通道拉曼成像是解决这一问题的有效途径之一, 在多通道拉曼成像技术中, 完整拉曼光谱的标定-重建算法是关键。 目前, 适用于光谱重建的算法有伪逆法、 Wiener估计算法等, 这些方法虽然简单且易于实现, 但是在应用于多通道拉曼成像时, 一方面易受噪声、 振动等非线性因素的直接干扰, 另一方面在多通道拉曼成像中, 数量相对较少的训练样本和坏样本的存在均很容易影响重建效果。 为解决这两类因素的影响, 本文提出了一种基于训练样本优化和主成分分析(PCA)的拉曼光谱重建算法。 首先, 利用滤光片理论响应矩阵函数计算训练样本的模拟窄带测量值, 借助Wiener估计重建完整拉曼光谱, 得到重建光谱的模拟窄带测量值, 比较样本与重建光谱的窄带测量值, 完成训练样本的优化; 然后, 基于多项式回归, 拓展优化处理后的窄带测量值, 降低非线性因素的干扰; 最后, 利用主成分分析, 提取训练样本主要信息, 完成转移矩阵的计算, 并引入归一化处理, 实现拉曼光谱的快速重建。 在试验中, 选取有机玻璃(PMMA)作为实验样本, 利用伪逆法、 Wiener估计算法和本算法, 分别完成拉曼光谱重建。 采用均方根误差, 评价拉曼光谱的重建精度。 结果证明, 该算法优于传统算法, 为拉曼成像技术进一步在快速动态体系中的应用提供了理论支持。

大气压辉光放电的产生摆脱了真空装置的束缚, 且其中富含活性粒子, 因此大气压辉光放电在材料表面改性, 生物医学, 污染物处理等方面都具有良好的应用前景。 在其应用研究中, 含氧活性粒子如OH自由基和O原子等具有重要作用, 但目前关于氧原子浓度随工作气体中氧气含量的变化尚不清楚。 利用直流电压激励针-网放电装置, 以氩氧混合气体作为工作气体, 在去离子水中产生了弥散的大气压等离子体。 放电照片显示放电中包含明显的阳极辉区、 负辉区以及位于它们之间的正柱区, 这些特征区域的存在表明放电处于辉光放电机制。 光电测量结果表明, 气隙电压和发光信号随时间均是恒定的, 即放电是时间连续的无脉冲形式。 其中, 气隙电压随放电电流的增大先减小而后维持不变, 即放电的伏安特性曲线在小电流时具有负斜率, 在大电流时处于稳压阶段, 因此该水下放电在小电流时为亚辉光放电机制, 在大电流时为正常辉光放电机制。 通过采集250~900 nm范围内的放电发射光谱, 发现谱线主要集中在680~900 nm范围内, 这部分光谱由Ar Ⅰ和O Ⅰ(777.4和844.0 nm)组成。 此外, 还在波长308 nm处观测到微弱的OH谱线。 光谱测量结果发现, Ar Ⅰ(如750.4和763.5 nm)的谱线强度随工作气体中氧气含量的增加而单调地减小。 与之不同的是O Ⅰ的谱线强度随工作气体中氧气含量的增加先增大, 在氧气含量为1.5%时达到其最大值, 之后随氧气含量的增加而减小。 为了分析O Ⅰ的谱线强度随工作气体中氧气含量的变化关系, 通过光线化强度法（777.4 nm/750.4 nm）研究了氧原子浓度随工作气体中氧气含量的变化关系。 结果表明氧原子浓度随氧气含量的变化趋势与O Ⅰ谱线强度的变化趋势一致, 即随工作气体中氧气含量的增加表现为先增大后减小, 其最大值出现在氧气含量为1.5%时。 最后, 基于氧原子的产生机制和氧分子对电子的吸附作用对上述实验现象进行了定性的解释。 这些研究结果对于大气压辉光放电的应用具有重要意义。

生物炭释放的溶解性有机质（DOM）具有复杂的生物地球化学特征, 影响着污染物的迁移与转化和全球碳循环等诸多环境过程。 相比对生物炭理化性质、 结构特征的研究, 生物炭DOM的研究仍相对匮乏, 其中裂解温度驱动下生物炭释放DOM的光谱特征鲜有报道。 以两种常见且具有较好应用前景的生物炭—竹炭（楠竹生物炭）和木炭（柏木生物炭）为研究对象, 通过紫外-可见光谱、 三维荧光光谱结合平行因子法（3DEEMs-PARAFAC）, 研究不同裂解温度下（100～700 ℃）两种生物炭释放DOM的光谱特征。 结果表明, 裂解温度决定两种生物炭释放DOM的潜能及其光谱特征。 裂解温度越高, DOM释放量越小, 且400 ℃是所研究两种生物炭DOM释放的临界裂解温度, 当裂解温度低于400 ℃, 生物炭DOM释放明显, 当裂解温度高于400 ℃, 生物炭释放量很低且趋于稳定。 柏木生物炭的DOM释放量明显高于楠竹生物炭。 低温裂解过程中（<300 ℃）两种生物炭DOM存在大量紫外-可见发色团, 并随着裂解温度上升逐步分解。 通过3DEEMs-PARAFAC从生物炭荧光溶解性有机物（FDOM）中分离出2个类腐殖质荧光物质（C1和C2）及1个类蛋白荧光物质（C3）, 3个荧光组分对裂解温度的响应不同, 类腐殖质荧光强度在300 ℃出现峰值, 而后随裂解温度上升而下降, 类蛋白物质始终随着裂解温度的上升而下降。 低温裂解（<200 ℃）以类蛋白荧光为主, 随着温度上升, 类腐殖质组分占主导。 此外, 基于光谱特征分析, 裂解温度还影响两种生物炭DOM诸多生物地球化学特征, 随着裂解温度上升, 两种生物炭DOM的相对分子质量, 芳香性、 疏水性和腐殖化程度均先增大再减小, 但对应的峰值温度各不一致。 因生物质原料差异, 楠竹生物炭DOM的相对分子质量, 芳香性、 疏水性和腐殖化程度均明显大于柏木生物炭。 该研究结论将进一步为生物炭DOM的环境行为研究, 生物炭应用过程中环境管理与评估提供有益的参考。

近红外光谱是一种快速、 无损的定量分析工具, 现如今已广泛的应用在各个行业中。 近红外光谱分析技术应用的关键就在于如何建立一个有效而又精确的模型。 目前常用的定量分析方法大多为浅层模型, 深度信念网络(DBN)是一种基于概率的深层模型, 可以自动学习输入的有效特征表示, 且只要设置最后隐层输出节点数低于输入光谱维度, 在对光谱数据完成特征提取的同时即可实现降维。 对于近红外光谱样本量大、 变量多、 维度高等问题, 提出一种基于深度信念网络的近红外光谱建模方法, 定量分析物性浓度。 该方法以近红外光谱数据作为输入信号, 首先对多层受限玻尔兹曼机（RBM）进行无监督学习, 实现光谱自身特征的提取; 然后利用目标理化值对网络进行微调得到最优模型参数。 在建立DBN校正模型的基础下对其进行改进, 建立DBN-PLS校正模型。 通过建立DBN近红外光谱校正模型、 DBN-PLS近红外光谱校正模型, 验证了DBN建模和DBN-PLS建模的可行性, 并引入决定系数（R2）和均方误差（MSE）两个模型评价指标, 对比分析了传统BP建模和DBN建模的精度。 分析结果表明, 相较于传统定量分析方法建模, 利用DBN方法建模和DBN-PLS方法建模可以提高预测精度。

通过荧光光谱法、 紫外-可见吸收光谱法、 三维荧光光谱法、 圆二色谱法（CD）、 同步荧光光谱法和分子对接模拟法等方法研究了CTC(金霉素)和PEP(胃蛋白霉)之间相互作用的机制。 通过在不同温度下进行荧光强度测定, 确定了CTC与PEP相互作用及相关的猝灭机制。 通过实验结果计算出CTC与PEP的结合常数KA(298, 303和308 K) 为4.345×107, 2.836×107和1.734×107 L·mol-1 以及结合位点数n为1.618, 1.587和1.555。 n值接近于1, 这意味着在PEP与CTC之间只有一个结合位点。 基于热力学分析, 计算得298 K的热力学参数: ΔH（-70.13 kJ·mol-1）, ΔG（-43.57 kJ·mol-1）和ΔS（-89.00 J·(mol·K)-1）。 由ΔH＜0和ΔS＜0可知范德华力和氢键是CTC和PEP之间的主要作用力, 由ΔG＜0可知该反应自发进行。 根据Frster’s偶极-偶极非辐射能量转移理论, 计算得结合距离r=3.240 nm, 证明CTC与PEP之间存在非辐射能量转移。 分子对接模拟表明, CTC与PEP的结合位置在PEP的活性中心凹槽内, CTC与PEP的氨基酸残基VAL30, SER35, TYR189, THR74, THR77, GLY78和LEU112之间存在范德华力; CTC和GLU13, GLY217, ASP32, ASP215和GLY76等残基之间存在氢键作用力; CTC还与PEP的氨基酸残基TYR75存在疏水作用力。 各种作用力使CTC和PEP形成稳定的复合物。 通过紫外-可见吸收光谱、 同步荧光光谱和三维荧光光谱等技术分析, 可知CTC使PEP中的色氨酸（Trp）氨基酸残基周围环境极性增强, 疏水性减弱, 亲水性增强, 导致PEP二级结构发生改变。 圆二色谱图则表明CTC改变了PEP的部分二级结构, PEP中的α-螺旋结构的含量从11.6%增加到21.0%, β-折叠结构的含量从47.3%降至28.2%, β-转角（β-Turn）结构的含量从19.6%增加到24.2%, 无规则结构（Random coil）的含量从27.6%增加到34.2%, 表明CTC对PEP发生了相互作用, 改变了PEP周围的微环境, 导致PEP的二级结构发生变化。 本研究结果有助于了解CTC与PEP的结合机理, 为CTC的合理使用提供了重要依据。

含砷黄铁矿、 毒砂是金矿床中重要的载金矿物, 常发育多阶段生长环带结构, 可为认识矿床成因和矿床形成过程提供大量信息。 前人对含砷黄铁矿、 毒砂环带结构的形貌、 成分演化等研究较为充分, 但未见系统的原位拉曼光谱特征相关报道。 同时, 不同环带拉曼谱峰偏移规律的研究也可为认识含砷黄铁矿、 毒砂内部不可见金的赋存状态提供一定参考。 电子探针结果显示, 含砷黄铁矿由内核到外环带（Py1→Py2→Py3）, S和Fe含量先减少后增加, As先增加后减少（Py2中砷含量可达10.86%）。 Au含量与As的变化呈典型正相关, 最多可达0.14%。 毒砂由内核到环带（Apy1→Apy2）, S和Fe含量减少, As相对增加。 原位拉曼分析显示, 含砷黄铁矿不同环带均主要显示三个拉曼峰, 分别对应于黄铁矿的Fe-［S2］2-变形振动峰（Eg）、 Fe-［S2］2-伸缩振动峰（Ag）和S-S伸缩振动峰（Tg）。 内核Py1的拉曼位移集中在345.8~346.9, 382.0~382.9和434.6~434.8 cm-1; 中间环带Py2为 331.9~338.7, 359.2~365.4和404.3~414.2 cm-1; 外环带Py3为343.0~344.9, 375.5~378.3 和417.3~431.5 cm-1。 Py2的拉曼位移相对于Py1和Py3显著向低频偏移, 偏移量3.1~27.2 cm-1。 分析认为黄铁矿拉曼位移的偏移主要与As、 Au离子的替代作用有关。 含砷黄铁矿中不可见金可能以化学结合态形式进入晶格中, 引起化学键力常数和折合质量的变化, 导致拉曼谱峰振动频率变小, 向低频偏移。 毒砂主要发育六个拉曼峰, 分别集中于136.2~139.8, 174.8~179.4, 198.9~200.7, 307.0~314.2, 338.5~343.9和407.8~410.5 cm-1, 与RUEFF数据库中R050071样品以及相关文献报道的数据相似。 此外, Apy2的拉曼位移相对于Apy1略向低频偏移, 偏移量0.7~5.4 cm-1, 认为毒砂拉曼位移的变化主要与As离子类质同象置换S离子引起的振动偏移有关。 白云铺含砷黄铁矿、 毒砂环带结构中原位拉曼光谱特征的研究, 为不同成分黄铁矿、 毒砂矿物的鉴定提供了丰富的拉曼谱学数据, 为揭示不同环带拉曼谱峰的偏移规律, 探讨不可见金的赋存形式提供了重要参考。

在我国东北大、 小兴安岭南段, 广泛产出一种外观以红色为主, 常带有黄色调的半透明玛瑙, 被称为“北红玛瑙”。 通过偏光显微镜观察、 X射线粉晶衍射分析、 拉曼光谱、 紫外-可见光吸收光谱、 岩石化学全分析对北红玛瑙及黄色、 白色对比样品的物相组成、 化学组成和光谱学特征进行了测试分析。 结果显示, 北红玛瑙的主要矿物组成为α-石英, 次要矿物组成为斜硅石和针铁矿, 另外还含有极少量的赤铁矿。 北红玛瑙的红色、 黄色与针铁矿和极少量的赤铁矿有关, 与南红玛瑙主要为赤铁矿致色明显不同。 显微观察时, 针铁矿、 赤铁矿以橙红色点状和浸染状两种形式存在, 其中点状分布的针铁矿、 赤铁矿大小约10 μm, 但不具备明显的单晶晶体形状, 推测是由亚微米级大小的针铁矿及极少量的赤铁矿聚集形成的集合体; 浸染状分布的橙红色针铁矿、 赤铁矿不可见矿物颗粒大小, 推测其颗粒大小和点状分布的致色矿物类似, 均为亚微米级大小, 但与点状分布的致色矿物不同的是, 并未聚集形成显微镜下可见的点状集合体。 整体上外观呈红色的北红玛瑙中针铁矿、 赤铁矿的含量多于黄色对比样品中的致色矿物含量, 致色矿物的含量会直接影响北红玛瑙的颜色色调。 紫外-可见光吸收光谱中, 针铁矿中Fe3+的6A1→4E, 6A1→4E4A1, 2(6A1)→2(4T1)(4G), 6A1→4T2(4G)和极少量赤铁矿中Fe3+的6A1→4E4A1, 6A1→4T2吸收带与针铁矿、 赤铁矿中O2-和Fe3+之间的电荷转移共同作用, 形成了北红玛瑙带黄色调的红色外观。 紫外-可见光吸收光谱的一阶导数谱中, 可见光范围内北红玛瑙的一阶导数谱极小值的位置为555和556 nm, 黄色对比样品为530 nm, 淡黄色对比样品为502 nm, 随着玛瑙红色调的逐渐减少, 可见光范围内一阶导数谱的极小值位置也逐渐减小, 可以据此衡量红色～黄色玛瑙的色调深浅, 这也对石英质玉石的品种鉴定及颜色分级具有重要参考意义。

高光谱遥感技术通过成像光谱仪记录带有地物光谱信息的辐射信号, 获得包含光谱信息和空间信息的三维高光谱图像, 在光谱解混、 图像分类、 目标检测等方面取得了广泛的应用。 近年来, 随着遥感技术的发展及人们对获取目标准确位置的需求逐渐加大, 目标检测取得了较快的发展。 根据是否提前掌握目标光谱作为先验信息, 目标检测分为光谱匹配检测和异常检测。 光谱匹配检测需要目标光谱作为先验信息, 通常检测精度较高、 效果较好。 而异常检测不需要先验信息, 应用范围更广, 但是检测精度通常低于光谱匹配检测。 由于实际应用中缺少完备且实用的光谱库, 先验信息的获取较为困难, 不需要先验信息的异常检测成为研究的热点。 针对异常检测与光谱匹配检测相比精度较低的问题, 提出一种基于近似后验信息的高光谱异常检测算法。 首先利用矩阵分解算法对原始高光谱图像数据进行矩阵分解, 得到纯净的背景矩阵与包含噪声的异常矩阵。 舍弃异常矩阵, 将得到的背景矩阵作为近似背景信息。 然后计算图像所有像元光谱向量与背景矩阵中均值向量的马氏距离对图像进行初始异常检测, 得到初始异常像元, 将初始异常像元光谱取均值作为近似目标信息。 最后将近似背景信息与近似目标信息作为先验信息, 进行正交子空间投影得到最终的异常检测算法。 将本算法作用于图像中所有像元, 得到对整幅图像的异常检测结果。 为证明本算法的优良效果, 采用一组仿真数据和一组AVIRIS真实高光谱数据进行实验, 并与RX, LRX和LSMAD算法进行对比。 实验表明, 无论是从定性的角度还是定量的角度来看, 该算法能够有效抑制噪声, 在信噪比较低的情况下仍然可以有效地检测出图像中的异常目标, 检测精度较高并且对检测效率的影响不大, 取得了较好的检测效果。

铁矿是全球储量最高的金属矿产之一。 全铁含量是评价铁矿石、 铁矿粉品质的重要指标, 在铁矿开采、 矿石精选、 矿粉冶炼等生产环节中有特殊意义。 传统的铁矿粉全铁含量化学分析方法存在耗时久、 操作复杂、 污染严重等缺点, 因此, 探寻一种快速、 有效、 无污染的检测方法越来越成为矿山环境的研究热点。 高光谱技术具有光谱分辨率高、 曲线连续、 无损伤、 无污染、 可对物质特征或成分进行精确探测等特点。 使用铁矿粉高光谱数据, 通过建立用于光谱特征筛选的光谱特征重要性评分(SFIM)指标, 并结合随机森林回归(RFR)方法构建铁矿粉全铁含量预测的SFIM-RFR模型。 以河北省阳原县三义庄铁矿为研究区, 于2018年11月与2019年3月在研究区收集铁精粉、 铁尾砂原料, 分别制作第一批次的训练组和验证组铁矿粉试样以及第二批次的二次验证组铁矿粉试样, 并使用ASD Field Spec4型光谱仪测量试样的光谱反射率; 然后使用第一批次的训练组光谱数据训练SFIM-RFR模型, 对第一批次的验证组样本的全铁含量进行预测, 同时采用常规RFR、 线性回归(LR)预测模型来对比分析铁矿粉样本全铁含量预测结果; 最后使用二次验证组光谱数据检验多模型鲁棒性。 结果表明: SFIM-RFR, RFR和LR模型全铁含量预测结果与2018年11月采集的验证组样本全铁含量真实值的确定系数(R-Square)分别为0.991 8, 0.988 4和0.898 7, 均方根误差(RMSE)分别为0.016 9, 0.020 1和0.059 6, 多模型预测效果总体较好, SFIM-RFR模型预测结果误差最小, 说明了SFIM-RFR模型用于预测铁矿粉中全铁含量的可行性和有效性, 且SFIM-RFR模型预测效果优于常规的预测模型; SFIM-RFR, RFR和LR模型全铁含量预测结果与2019年3月采集的二次验证组样本全铁含量真实值的R-square分别为0.976 8, 0.974 5和0.914 0, RMSE分别为0.034 6, 0.036 2和0.071 9, 证明了SFIM-RFR模型的预测效果较为理想且鲁棒性很强。

作为一类新型建筑涂料, 反射隔热涂料凭借其节能、 环保等优势已广泛应用于建筑的施工建设; 建筑反射隔热涂料性能的高、 低直接影响建筑节能、 环保性能的优劣, 且对建筑室内环境具有较大影响。 建筑反射隔热涂料主要通过对太阳辐射（可见光-近红外）与建筑辐射（热红外）的反射、 吸收等作用实现其节能、 环保作用。 对于特定建筑反射隔热涂料, 其与光的相互作用主要取决于涂料的施工参量, 如涂料施工厚度。 利用高光谱技术定量分析建筑反射隔热涂料的反射、 吸收特性, 研究涂料施工参量（厚度）对建筑反射隔热涂料性能的影响规律, 为涂料施工检测提供科学技术支撑。 研究借助高光谱技术, 测定涂料不同施工厚度的光谱数据, 分析涂料光谱特征随施工厚度增加的演变规律, 研究可表征涂料施工厚度的涂料指数, 并将涂料光谱数据及由其构建的涂料指数分别与涂料厚度进行相关性分析, 提取并筛选对涂料施工厚度敏感的指标, 构建涂料施工厚度检测模型, 探寻适用于涂料施工厚度检测的方法。 研究表明: （1）位于420～1 070 nm区间的光谱数据对0.1～2.5 mm的涂料厚度较为敏感且其与涂料施工厚度的相关系数r均较高且相对稳定, 表明该光谱区间对涂料厚度的敏感性较好, 可用于涂料厚度的检测; （2）与原始光谱相比, 涂料指数可有效提升光谱对涂料厚度的敏感性, 在5类涂料指数中由484和479 nm构建的RCI指数是表征涂料厚度的最佳参量; （3）在5类涂料指数中, 基于RCI指数构建的涂料厚度检测模型的精度最高, 为最优模型, 其R2=0.973, RMSE=0.185, RPD=4.018。

高光谱成像可同时获取被检测对象的图像信息和光谱信息, 并对其内部成分进行定性和定量分析。 国内外学者采用高光谱对肉品品质的研究多集中在水分、 菌落总数、 色泽、 pH、 挥发性盐基氮等方面, 在肉品嫩度检测中应用区间变量迭代空间收缩法优选特征波长的研究鲜有报道。 利用可见-近红外（400~1 000 nm）和近红外（900~1 700 nm）高光谱结合化学计量学方法对冷鲜滩羊肉嫩度进行无损预测, 优选最佳建模波段。 首先, 采集羊肉的高光谱图像, 提取样本感兴趣区域的光谱反射值, 采用TA-XTplus质构仪测量滩羊肉嫩度; 其次, 将两个波段下的原始光谱数据进行多元散射校正（multiple scattering correction, MSC）、 去趋势（de-trending）、 基线校准（baseline）、 标准正态变量（standard normal variable, SNV）、 归一化（normalize）和卷积平滑（Savitzky-Golay）等预处理; 分别采用连续投影算法（successive projection algorithm, SPA）、 竞争性自适应加权算法（competitive adaptive reweighted sampling, CARS）、 变量组合集群分析法（variables combination population analysis, VCPA）和区间变量迭代空间收缩法（interval variable iterative space shrinkage approach, IVISSA）对最佳预处理的光谱数据优选特征波长; 最后, 建立冷鲜滩羊肉嫩度的偏最小二乘回归（partial least squares regression, PLSR）预测模型, 优选最佳建模波段。 结果表明: （1）滩羊肉嫩度的近红外高光谱模型的预测效果优于可见-近红外高光谱; （2）经过多种预处理方法所建立的滩羊肉嫩度的模型中, 近红外区域的原始光谱（original spectra, OS）模型效果最优, 其Rc=0.83, Rp=0.79, RMSEC=874.94, RMSEP=1 465.97; （3）近红外高光谱的原始光谱经SPA, CARS, VCPA, IVISSA四种方法共挑选出15, 16, 13和123个特征波长, 占总波长的7%, 6%, 5%和54% ; （4）近红外高光谱结合OS-IVISSA-PLSR建立的冷鲜滩羊肉嫩度预测模型最好, 其Rc=0.85, RMSEC=850.86, Rp=0.79, RMSEP=1 497.11。 IVISSA算法不仅可大幅度减少模型运算次数, 还可以保证模型的精准和稳定性。 研究表明, OS-IVISSA-PLSR模型对冷鲜滩羊肉嫩度进行高光谱的快速无损检测是可行的。

猕猴桃形状特征是猕猴桃在产后分级处理过程的一项重要指标, 不仅影响果实外观, 也决定果实等级高低的划分。 传统的形状分级方法大多采用人工分级, 存在耗时长、 效率低、 重复性差且易受人为主观影响等问题。 针对传统猕猴桃形状分级存在的问题, 研究利用高光谱成像建立猕猴桃正常果和畸形果的分类检测方法。 以成熟期的248个金魁猕猴桃（正常果107个, 畸形果141个）作为研究样本, 先利用可见-近红外高光谱成像系统采集猕猴桃样本的光谱数据, 再采用主成分分析法对光谱数据进行降维, 得到第一主成分图像。 随后提取第一主成分图像的3个特征波长（682, 809和858 nm）, 并对其进行融合计算, 生成新的光谱图像（融合图像）。 然后利用四叉树分解算法对融合图像进行分割处理, 并计算掩膜图像所对应的12组形状特征参数, 结合偏最小二乘线性判别分析（PLS-LDA）、 反向传播神经网络（BPNN）、 最小二乘支持向量机（LSSVM）建立判别模型, 对比分析, 最终得到猕猴桃形状特征的最佳分类模型。 结果表明, 所建立的三种分类模型中, BPNN和LSSVM模型的分类效果较好, 总体分类准确率均在95%以上; PLS-LDA的效果略差, 训练集和测试集的总体准确率分别为80.12%和76.83%。 其中BPNN模型训练集和测试集的总体分类准确率分别为98.19%和97.56%, 总体误判个数分别为3和2, 而LSSVM模型的总体准确率分别为97.59%和95.12%, 总体误判个数分别为4和4。 对猕猴桃正常果的检测, 三种模型的分类效果分别为: LSSVM最好、 BPNN其次、 PLS-LDA最差。 对猕猴桃畸形果的检测, 三种模型的分类效果分别为: BPNN最优、 LSSVM其次, PLS-LDA效果最差。 因此, 猕猴桃形状特征的最佳分类模型是BPNN模型。 试验结果说明, 可利用高光谱成像对猕猴桃形状特征进行分类判别。 为猕猴桃形状特征的快速、 准确无损检测研究提供了理论支持。

草坪色泽是草坪观赏价值的最直接体现。 探索基于高光谱的草坪草叶绿素含量的估算和反演对草坪质量评定具有重要意义。 以3种常用草坪草种——“红象”高羊茅（Festuca arundinacea cv. Hongxiang）、 “百灵鸟”多年生黑麦草（Lolium perenne cv. Bailingniao）和“肯塔基”草地早熟禾（Poa pratensis cv. Kentucky）为试样, 通过盆栽实验, 在草坪草生长旺盛期, 使用SOC710VP成像光谱仪和TYS-A3500叶绿素仪分别测定了草坪草冠层光谱数据和叶绿素相对含量（SPAD）, 并通过Person相关系数分析了原始SPAD, 1/SPAD和log（1/SPAD）与10个植被指数: GI（绿度植被指数）、 ARVI（大气阻抗植被指数）、 VARI（可视化气压阻抗指数）、 NDVI705（归一化植被指数705）、 MSR705（改进红边比值植被指数）、 NDVI670（归一化植被指数670）、 CI（叶绿素指数）、 PSRI（植被衰减指数）、 RGI（相对绿色指数）和EVI（增强植被指数）的相关性, 筛选与叶绿素相关性较高的高光谱波段植被指数, 构建植被指数反演叶绿素含量模型, 最后通过精度检验, 筛选最优草坪草叶绿素估算模型。 研究结果如下: (1）不同草坪草光谱曲线整体趋势相差不大, 但不同种间反射率（REF）还是有所区别。 在730~1 000 nm波段, “百灵鸟”多年生黑麦草与“红象”高羊茅REF差异不大, 但“肯塔基”草地早熟禾REF较高, 光谱特征更为明显; (2）10个植被指数中, VARI, RGI和PSRI与草坪草3个叶绿素指标极显著相关, 相关系数R2绝对值均大于0.65, 可作为首选植被指数进行草坪草叶绿素含量估算; （3）植被指数与叶绿素指标逐步回归分析发现, 单因素回归模型中, 利用VARI, RGI和PSRI估算1/SPAD的模型决定系数R2均在0.6以上, 普遍高于SPAD与log（1/SPAD）的估算模型; 而多元线性回归中, 10个植被指数中, RGI与叶绿素指标1/SPAD所构建的模型决定系数R2同样最高, 为0.817, 说明SPAD倒数形式适用于草坪草叶绿素反演; (4）选择决定系数较高（>0.7）的模型进行精度检验, 筛选的最优的草坪草叶绿素指标反演模型为: y1/SPAD=0.161xRGI+0.007xGI-0.054（R2=0.817, RMSE=0.023）。

叶绿素作为参与植被光合作用最重要的色素, 是监测毛竹虫害的一项重要指标。 通过对不同光谱数据集进行波长筛选, 建立虫害胁迫下竹叶叶绿素含量的高光谱估算模型, 为利用高光谱遥感监测毛竹虫害提供理论依据。 试验在福建省毛竹生产基地顺昌县进行, 使用ASD FieldSpec 3光谱仪采集不同虫害程度竹叶光谱102条, 并利用SPAD-502叶绿素计测定相应叶片叶绿素含量。 通过对比不同虫害程度竹叶的光谱特征, 探测利用高光谱数据估算叶绿素含量的机理。 对竹叶原始光谱（OS）进行包络线去除（CR）、 一阶导数（FD）、 包络线去除一阶导数（CR-FD）变换, 分析不同光谱数据与叶绿素含量的相关性, 并利用连续投影算法（SPA）分别提取4种光谱的特征波长。 采用基于x-y距离结合的样本划分法（SPXY）和随机法对4种光谱数据集进行划分, 结合多元逐步回归（MSR）建立竹叶叶绿素含量估算模型, 分析光谱变换及样本划分对估算叶绿素含量的影响。 结果表明, 不同虫害程度竹叶光谱反射率差异明显, 主要表现为可见光波段范围内的“绿峰”和“红谷”的逐渐消失, “红边”斜率减小, 近红外波长反射率降低。 通过光谱变换可有效提升光谱与叶绿素含量的相关性, 其中CR-FD光谱与叶绿素含量在724 nm处的相关系数最大。 经连续投影算法提取的不同光谱数据集的特征波长集中分布在绿光、 红光、 “红边”位置, 多个被选择波长位于与叶绿素含量相关性较高的波长区（600~750 nm）。 基于SPXY样本划分法建立的MSR模型相比于随机样本划分法能显著提升叶绿素含量的估算精度, 其中R2和RPD平均提高0.1和0.5, RMSE平均降低0.7。 以CR-FD光谱特征波长结合SPXY样本划分法建立的多元逐步回归模型对竹叶叶绿素含量的估算精度最高, R2, RMSE和RPD分别为0.835, 2.604和2.364, 可对虫害胁迫下毛竹叶片叶绿素含量进行准确的估算。

为提供一种高效、 快速和无损的粳稻叶片氮素含量反演方法, 以粳稻小区试验为基础, 利用高光谱技术和室内化学实验, 获取粳稻分蘖期、 拔节期和抽穗期三个生育期共280组叶片高光谱数据以及相对应的水稻叶片氮素含量数据, 分析不同施氮水平的粳稻叶片光谱特征, 采用随机青蛙算法(random_frog)与迭代和保留信息变量算法(IRIV)相结合的方式筛选特征波段, 并将任意两个光谱波段随机组合构建差值植被指数DSI(Ri, Rj)、 比值植被指数RSI(Ri, Rj)和归一化植被指数NDSI(Ri, Rj), 分别将较优的特征波段组合和植被指数组合作为模型输入, 构建BP神经网络、 支持向量机（SVR）和非支配的精英策略遗传算法优化极限学习机（NSGA2-ELM）粳稻叶片氮素含量反演模型, 并对模型进行验证分析。 结果表明: 随着施氮水平的增加, 粳稻叶片近红外波段范围反射率逐渐升高, 在可见光波段范围反射率逐渐降低。 采用random_frog与IRIV相结合的方式筛选特征波段共得到8个特征波段, 其中可见光波段7个, 分别为414.2, 430.9, 439.6, 447.9, 682.7, 685.4和686.3 nm, 近红外波段仅有1个为999.1 nm, 该方法较好地剔除了干扰信息, 大大降低了波段间的共线性。 同时从三种植被指数（DSI(Ri, Rj), RSI(Ri, Rj), NDSI(Ri, Rj)）与粳稻叶片氮素含量的决定系数等势图中可知, DSI(R648.1, R738.1), RSI(R532.8, R677.3)和NDSI(R654.8, R532.9)与叶片氮素含量相关性最好, R2分别为0.811 4, 0.829 7和0.816 9。 在输入参量不同的建模效果对比分析中, 以特征波段组合作为模型输入所构建的模型反演效果略优于植被指数组合, R2均大于0.7, RMSE均小于0.57。 而在反演模型间的对比分析中, 提出的NSGA2-ELM反演模型的估测效果要优于BP神经网络模型和SVR模型, 训练集决定系数R2为0.817 2, 均方根误差RMSE为0.355 5, 验证集R2为0.849 7, RMSE为0.301 1。 鉴于此, random_frog-IRIV筛选特征波段方法结合NSGA2-ELM建模方法在快速检测粳稻叶片氮素含量中具有显著优势, 可为粳稻田间精准施肥提供了参考。

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。

将石斛的鲜花干制成花茶, 作为保健饮料日渐为市场接受。 由于口感、 药理活性与产量的差异, 不同来源的石斛花茶, 价格差异显著, 其中以霍山石斛花茶价格最高。 在经济利益驱使下, 以价格较低的铁皮石斛、 河南石斛花茶冒充霍山石斛花茶时有发生, 急需构建霍山石斛花茶与铁皮石斛、 河南石斛花茶的鉴定方法。 建立一种快速鉴定霍山石斛、 铁皮石斛、 河南石斛花茶多级红外光谱方法。 收集不同企业生产的不同批次的霍山石斛、 铁皮石斛、 河南石斛花茶样品, 利用衰减全反射测定4 000～400 cm-1范围内一维红外光谱; 一维红外光谱通过数据变换获得二阶导数光谱; 利用温度微扰获得二维红外光谱。 分析一维红外光谱、 二阶导数光谱、 二维红外光谱获得三种石斛花茶区别。 结果显示, 三种石斛花茶的一维红外光谱非常相似, 很难从外观上看出三者的区别。 分析一维红外光谱吸收峰发现, 霍山石斛花茶在1 398 cm-1有特征峰, 铁皮石斛花茶在1 542 cm-1有特征峰, 河南石斛花茶在1 610, 1 332, 811, 703和603 cm-1等处有特征峰; 二阶导数处理能明显的提高光谱分辨率、 增加光谱灵敏度。 三种石斛花茶在1 800～600 cm-1的二阶导数光谱上, 可以观察到明显差异: 在1 750～1 690 cm-1区间, 相对铁皮石斛与河南石斛, 霍山石斛花茶二阶导数光谱呈明显“M”形; 在1 140～1 080 cm-1区间, 霍山石斛与河南石斛二阶导数光谱呈“W”型, 铁皮石斛呈不规则形; 在1 000～930 cm-1区间, 霍山石斛花茶二阶导数光谱为“M” 形, 铁皮石斛与河南石斛花茶呈“W”形; 二维红外光谱显示, 在1 230～1 130 cm-1区间, 霍山石斛有5个分别位于1 134, 1 155, 1 182, 1 196和1 211 cm-1的自动峰, 铁皮石斛有2个分别位于1 186和1 210 cm-1的自动峰, 河南石斛有3个自动峰, 位于1 186, 1 197和1 209 cm-1。 霍山石斛在1 230～1 130 cm-1区间存在正相关峰（1 182和1 210 cm-1）、 正相关峰（1 135和1 181 cm-1）、 负相关峰（1 197, 1 155 cm-1）, 而河南石斛和铁皮石斛在该区间没有明显的相关峰。 根据一维、 二阶导数和温度微扰二维红外光谱可以快速鉴别霍山石斛、 铁皮石斛与河南石斛花茶。

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。

钢中夹杂物是影响钢性能的重要因素。 有很多手段可以分析夹杂物的形貌尺寸和组成, 但同时分析夹杂物含量和尺寸的手段未见报道。 金相显微镜和扫描电镜等分析夹杂物尺寸要求样品表面精细制备, 通常钢铁样品要用800目砂纸打磨表面后用抛光膏磨成镜面, 费时费力。 采用激光诱导击穿光谱LIBS可以方便地同时分析钢中大于1 μm的夹杂物含量和尺寸分布, 同时LIBS分析时样品制备不需要像金相制样那样精细, 采用80目以上砂纸打磨表面, 无需将样品表面处理成镜面。 LIBS分析钢铁样品, 如果激发斑点激发到同时含有固溶元素及其夹杂物时, 均匀分布于基体铁中的固溶元素强度呈正态分布, 夹杂物作为夹杂元素的“富集体”会产生较高光谱强度并叠加在固溶光谱信号中, 可以将夹杂物产生的光谱强度解析分离出来, 这个解析出的夹杂物光谱强度包含了夹杂物尺寸大小和夹杂物平均浓度的信息。 夹杂物作为夹杂元素对比其固溶元素, 本质上相当于夹杂元素的“局部富集”, 在激发到夹杂物时, 富集的元素进入激发等离子体中释放出更强的分析谱线。 采用含Al2O3夹杂物及MnS夹杂物的钢铁样品, 以扫描电镜测得的夹杂物尺寸和面积测量结果作参照, 分析验证夹杂物面积、 尺寸与分析同样样品获得的LIBS的夹杂物光谱强度关联, 得出结论是夹杂物的面积与夹杂物光谱强度呈直线相关。 球状夹杂物的直径与夹杂物强度呈抛物线关系。 包含多个激发位置的夹杂物的平均浓度与夹杂物平均强度呈直线相关。 系统地给出了采用LIBS分析钢中夹杂物尺寸（面积）和夹杂物平均浓度的三个公式, 利用LIBS分析夹杂物的同一组光谱强度数据, 可以同时测定钢中夹杂物面积、 尺寸和含量。 分析了LIBS同时分析夹杂物尺寸（面积）和成分的原理。 并用钢中氧化铝夹杂物分析进行了验证, 理论公式和实际分析基本一致。

柴达木盆地西部地区的南翼山油田卤水锂资源丰富, 共存元素复杂, 传统的火焰原子吸收光谱法在测定该体系中锂含量时, 基体干扰严重。 而且油田卤水在各蒸发浓缩阶段的离子浓度变化幅度较大, 一般的基体匹配法繁琐不便。 研究采用Design of Experiments(DOE) 实验设计, 通过干扰元素的显著性分析、 消电离剂的选择及干扰模型的建立, 对传统的火焰原子吸收测定锂的分析方法进行了优化。 运用部分因子实验设计研究了南翼山油田卤水中钙、 锶、 钾、 钠、 镁、 铵、 硼等主要共存离子及离子间交互作用对锂分析的影响规律, 考察了各干扰元素的显著性程度。 研究表明, 钙、 锶、 镁、 钠以及钙*硼在锂测定分析过程中存在显著干扰, 其显著性从大到小排序为钙>锶>镁>钙*硼>钠。 针对钙、 锶、 镁、 钙*硼干扰, 可加入消电离剂进行沉淀消除, 通过比较分析, 草酸钾作为消电离剂加入的除干扰效果最佳, 锂测定相对误差从-20.75%降低至-12.15%; 对于样品中的钠干扰, 运用响应曲面实验设计, 拟合方程建立干扰模型, 通过方差分析及拟合度分析, 回归方程各项p值均为0.000, 方程的R-sq, R-sq（调整）与R-sq（预测）分别为99.96%, 99.96%以及99.95%, 表明所建立的模型及方程各项显著, 且回归方程拟合度较好。 实验以各蒸发浓缩阶段的南翼山实际卤水与西藏龙木错实际卤水为样品, 对消电离剂和干扰模型进行实验验证。 结果显示, 加入草酸钾消电离剂后, 锂加标回收率在89.30%~98.60%之间; 使用钠干扰模型校正后, 锂加标回收率可提升至98.88%~101.40%, 表明锂测定的准确度得到大幅提高。 该方法不仅适用于南翼山油田卤水分离的整个过程, 也同样适用于其他盐湖卤水, 可以为盐湖企业锂元素的准确测定提供技术支持。

锆锡合金具有优异的核性能, 被广泛应用于核工业领域, 其中的杂质元素含量通常控制在很低水平。 电感耦合等离子体质谱（ICP-MS）是一种可进行多元素同时分析的无机质谱技术, 已普遍应用于冶金分析领域。 ICP-MS具有图谱简单、 灵敏度高等优点, 但也不可避免地存在质谱干扰问题, 需要用其他辅助手段予以解决。 ICP-MS测定锆锡合金中Cd含量时其所有同位素均被Zr和Sn的多原子离子或同质异位素干扰, 需要进行基体分离。 建立了ICP-MS测定锆锡合金中Cd, Al, B, Mg等11种痕量杂质元素含量的方法, 其中Cd, Mg等6种元素经微型阳离子交换柱分离富集后测定, 同时采用干扰校正方程校正了113In对113Cd的潜在干扰; 其他杂质元素离子不经分离直接采用内标法测定。 在稀氢氟酸介质中, Cd2+等杂质离子被吸附在阳离子交换柱上, 而Zr则形成络阴离子不被吸附, 杂质元素与基体元素Zr分离并获得富集。 杂质离子以盐酸洗脱后用ICP-MS检测, 消除了测定Cd时Zr基体对其产生的干扰。 主要研究了Cd元素与Zr基体的分离条件, 包括上柱酸度、 淋洗酸度、 洗脱酸度、 进样浓度和流速, 同时考察了其他杂质元素在经优化实验获得的分离条件下的行为。 结果表明, Mg, Mn, Co, Cu, Pb 5种元素具有与Cd类似的分离富集行为, 可以同时进行测定。 最终获得的分离条件为: 流速2 mL·min-1, 泵入2 mL 浓度为50 mg·mL-1的样品（上柱酸度为0.5%氢氟酸）, 用0.5%氢氟酸淋洗9 min, 用10%盐酸洗脱4.5 min 后测定。 方法的分离周期约为15 min, 各元素的检出限介于0.005 8~0.21 μg·g-1之间, 回收率在85%~110%之间, RSD值小于5%。 采用本方法测定了Zr-zirlo核级锆锡合金样品中11种杂质元素的含量, 结果的精密度和准确度均满足相应产品标准的要求。

人参作为东北地区重要的经济作物, 是著名的“东北三宝”之一。 随着社会经济的快速发展, 人们对于养生保健产品的重视度和需求量也随之提高。 目前, 市场所售人参存在农残超标、 品质较差和种类混乱的现象, 而且含有重金属元素的人参对于食用者会造成极大的危害。 传统人参识别方法主要是根据人参基源、 性状、 显微和理化特性对人参进行生药研究, 但是这些方法存在人为因素影响、 繁琐复杂的样品预处理和二次污染的问题, 不能实现可靠快速检测。 基于激光诱导击穿光谱技术（LIBS）结合主成分分析法（PCA）对人参产地和人参部位进行聚类分析, 以及对人参重金属元素进行定量分析。 采集吉林省5个产地6种人参的LIBS光谱数据（200~975 nm）, 通过对光谱进行平均值预处理, 利用PCA算法对光谱数据进行降维、 聚类分析, 实现人参产地快速聚类识别、 同一产地的园参与林下参的聚类识别以及同一株人参的不同部位聚类识别。 实验结果发现, 由于同株人参不同部位的元素含量区别不大, 造成人参主干和参须部位聚类效果不佳, 对于6种人参可实现较好的分类效果。 最后对人参样品中重金属元素Pb和Cr进行了定量分析, 计算得到人参中Pb和Cr元素的检测限（LOD）分别为9.55和10.86 mg·kg-1, 去一交互均方根误差（RMSECV）分别为0.011和0.023 Wt.%。 结果表明LIBS结合PCA算法对于人参分类和重金属检测具有较好的应用前景。

该研究中, 对发掘于河南漯河古城遗址宋金土层的瓷器样品进行了综合表征。 青白瓷显微结构分析表现为典型的南方石英、 绢云母质瓷; 能量色散型X荧光光谱(EDXRF)分析表现出“高硅低铝”特性, 胎体制作过程中采用了单一瓷石为原料的“一元配方工艺”; 结合胎釉外观特征及白度值, 可判定其属于典型的南方青白瓷。 鉴于瓷胎的成分具有一定的地域特征, 借助主成分分析方法（PCA）将该批瓷器样品与南方同时代周边青白瓷瓷胎的主量化学元素进行比较, 结果显示其与景德镇湖田窑和安徽繁昌窑样品的数据点分布具有很高的重合度, 而与其他窑口样品明显偏离, 表明这三个窑口的样品在化学组成上有高度的相似性。 进一步将这3个窗口的胎釉常量化学元素进行散点图分析比较, 发现该批样品与江西湖田窑青白瓷在化学元素组成上具有更高的共性。 综合各种分析, 推测该批青白瓷样品应产自宋代景德镇湖田窑, 为景德镇供奉开封中上层统治者使用的瓷器, 后期通过贸易流通到中原地区。 结合古代文献资料, 推测出其可能的流通路线。 该研究对探明我国古代青白瓷的制瓷工艺、 瓷器贸易流通状况及挖掘漯河古城遗址的历史文化价值具有重要意义。

铁矿石是钢铁工业的重要原材料, 不同产地、 品牌的进口铁矿石在元素组成、 含量上存在差异, 进口铁矿石掺杂、 掺假、 以次充好等现象虽集中于个案, 却危害经济安全。 故建立主要进口国铁矿石产地与品牌的快速识别模型, 对支撑进口铁矿石的风险监管, 保障贸易便利化。 该研究对象为澳大利亚、 南非、 巴西3个国家共14个品牌的236份进口铁矿石样品, 包括皮尔巴拉混合粉（块）、 杨迪粉铁矿, 纽曼混合粉（块）铁矿、 津布巴混合粉铁矿、 国王粉、 弗特斯克混合粉、 昆巴标准粉（块）、 卡拉加斯铁矿石等。 应用波长色散-X射线荧光光谱无标样分析法测定所有研究样品的元素组成及含量, 检出元素包括Fe, O, Si, Ca, Al, Mn, Tb, Ti, Mg, P, K, S, Cr, Na, Sr, Zr, Zn, V, Cu, Gd, Ba, Cl, Ni和Co, 共计24种, 选择其中Fe, O, Si, Ca, Al, Mn, Tb, Ti, Mg, P, Cr和S共12种所有样品全部检出的元素进行判别分析。 采用逐步判别法筛选出Fe, O, Si, Ca, Al, Mn, Ti, Mg, P和S共10个元素含量作为有效变量, 建立二维Fisher判别模型, 实现对澳大利亚、 南非、 巴西进口铁矿石的识别, 模型对建模样品识别正确率为97.40%, 交叉验证正确率为95.30%, 对测试样品的识别正确率达到95.50%。 针对14种品牌铁矿石, 使用Fe, O, Si, Ca, Al, Mn, Ti, Mg, P和S共10种元素含量, 建立十维Fisher判别模型, 模型对建模样品识别正确率为100%, 交叉验证正确率为97.90%, 对测试样品的识别正确率达到100%。 波长色散-X射线荧光光谱无标样分析虽然是一种半定量分析方法, 但分析快速, 稳定性好, 该方法结合逐步判别-Fisher判别分析, 能实现对铁矿石产地与品牌的识别。

为提高红外微测辐射热计的光谱吸收率, 设计一种基于表面等离激元的金属光栅促吸收结构, 研究光栅结构参数对光谱吸收率的影响规律。 以金作为光栅材料, 利用等离激元的谐振结构, 克服金属材料的高反射特性, 增强红外微测辐射热计的红外吸收能力。 通过改变光栅的结构参数, 对等离子共振波长进行调节, 提高红外微测辐射计工作波段内的光谱吸收效率。 利用有限差分法, 分析光栅参数对光谱吸收率的影响机理, 研究金属光栅的周期、 占空比和高度对光谱吸收率的调控规律。 随着光栅周期由2 μm逐渐增加到5 μm, 吸收峰的峰值波长发生明显的红移现象, 吸收峰高度呈现出较明显的下降趋势。 随着光栅占空比从0.2逐渐增加到0.5, 红外吸收峰的峰值波长向短波长移动, 吸收峰高度也逐渐增高, 但吸收峰宽度逐渐变窄。 光栅厚度对吸收峰的峰值影响不大, 当厚度达到一定程度后, 峰值基本保持不变。 峰值波长随厚度增加出现不同程度的减小, 当厚度不足100 nm时, 峰值波长减小的程度较大, 随着厚度的继续增加, 下降趋势逐渐变缓, 基本维持在10.6 μm附近。 通过分析光栅结构参数对光谱吸收率的影响机理, 对光栅结构参数的进一步优化, 大幅提高氧化钒红外微测辐射热计的红外光谱吸收率, 8～14 μm的平均吸收率达61.6%, 峰值吸收率在99%以上。 金属光栅的光谱吸收率促吸收结构研究, 对高性能红外微测辐射热计的设计具有重要的指导意义。

食用油是日常生活中的必需品。 市场上食用油在成分、营养价值及价格上有很大的不同。 为避免欺诈行为, 亟需建立一套有效的市场销售的食用油品质分类方法。 常规的食用油检测方法速度慢而且需要复杂的实验室预处理过程。 分子光谱从分子水平上反映了物质的组成与结构信息, 分子光谱分析速度快而且是无损监测, 因此分子光谱分析结合化学计量学的方法正成为食用油分类方法的趋势。 SIMCA（Soft Independent Modeling of Class Analogy）是应用广泛的分子光谱分析方法, 然而在SIMCA中使用欧氏距离于对基于PCA和F检验提取的特征进行分类, 难以区分不规则的特征空间。 由于食用油样本分子光谱差别细微, 通常难以用SIMCA方法进行分类。 SVDD（Support Vector Domain Description）算法是一类基于支持域的非线性单类分类方法, SVDD利用求解凸二次规划得出一个尽可能包含所有目标样本的最小超球体进行分类。 本文提出了一种基于SIMCA-SVDD方法的分子光谱分析方法并用于食用油的快速分类。 为鉴别不同种类的食用油, 在ATR-FTIR光谱仪上扫描四种食用油的红外光谱。 应用SIMCA方法提取分类特T2和Q, 由于提取的特征T2和Q分布的不规则性, 不同于SIMCA中的欧氏距离, 本文采用SVDD用于对提取的不规则特征进行分类。 由于SVDD能通过映射函数将分类特征映射到高维空间, 因此可以通过求解凸二次规划来训练最优的分类超球面对分类特征进行分类。 采用本文所提的SIMCA-SVDD方法及传统的SIMCA方法, 对同样的样本进行了对比实验。 对比实验证实了本文所提的SIMCA-SVDD方法具有比传统的SIMCA方法更好的分类结果, 所提的方法为实现基于分子光谱进行食用油快速分类提供了一条新的途径。