单位点调控作为一种重要的材料修饰手段, 近年来在催化、 能源、 环境等领域中蓬勃发展。 调控单位点, 可以有效地调控表面电荷、 电子结构、 原子空间构型, 从而实现材料整体性能的提升。 在拉曼检测领域, 表面电荷等关键因素被广泛认可并是当下研究热点。 然而, 单位点对表面电荷调控, 乃至对拉曼灵敏度影响尚无系统研究。 该研究全新提出单位点(包括单分子、 单原子、 单原子中心的配体络合物等)的表面电荷调控作用并研究其对拉曼检测灵敏度的影响。 其中, 利用经典的特异性反应: 4-氨基-3-肼基-5-巯基-1,2,4-三唑(AHMT)与甲醛生成6-巯基-5-三唑啉［4,3-b］-s-四嗪(MTT), 使得经单位点AHMT调控的Ag材料具有极低的检测限10-12 mol·L-1, 低于不经单位点AHMT调控表面电荷的10-9 mol·L-1, 实现了对甲醛分子的超低浓度检测。 还研究了单钨原子氧化物调控, 对于非特异性反应中的标准分子、 农药残留分子检测能力的影响。 其中罗丹明6G的检测限可以从10-12 mol·L-1降低到10-14 mol·L-1, 农药福美双的检测限也可以从10-9 mol·L-1降低到10-11 mol·L-1, 据此提出了单位点调控表面电荷方法的普适性。 此外, 经过Zeta电位的测试, 发现经单位点调控的Ag表面电位都有较大变化, 符合库伦正负电荷吸附理论, 这更有利于对待检测分子的捕捉, 也是拉曼检测灵敏度提升的原因, 同时也在机理上解释了单位点调控的普适性。 对深层机理方面也做了许多猜测与研究: 一方面, 由于单位点与基底材料之间存在电荷转移, 因而存在化学增强(CM)过程。 同时, 在Ag表面有显著的电磁场增强(EM), 两种增强机制和单位点体系的协同, 需要进一步通过实验、 理论等, 研究不同单位点的新物理机制； 另一方面, 单位点可能作为一种新的振动模态, 与基底中存在的表面等离子体共振(SPR)、 待测分子的共振协同作用, 使得拉曼散射共振更强, 从而提升拉曼检测灵敏度。 该实验与结论都证实了单位点调控在拉曼检测中的可行性、 必要性, 使单位点在该领域的深入研究成为可能。

冬小麦叶面积指数（leaf area index, LAI）是进行作物长势判断和产量估测的重要农学指标之一， 高光谱遥感技术为大面积、 快速监测植被LAI提供了有效途径。 在探讨利用最小二乘支持向量机（least squares support vector machines, LS-SVM）方法和高光谱数据对不同条件下冬小麦LAI的估算能力。 在用主成分分析法（principal component analysis, PCA）对PHI航空数据降维的基础上， 利用实测LAI数据和高光谱反射率数据， 构建LS-SVM模型， 采用独立变量法， 分别估算不同株型品种、 不同生育时期、 不同氮素和水分处理条件下的冬小麦LAI， 并与传统NDVI模型反演结果对比。 结果显示， 每种条件下的LS-SVM 模型都具有比NDVI模型更高的决定系数和更低的均方根误差值, 即反演精度高于相应的NDVI模型。 NDVI模型对不同株型品种、 不同氮素和水分条件下冬小麦LAI估算精度不稳定，　LS-SVM则表现出较好的稳定性。 表明LS-SVM 方法利用高光谱反射率数据对于不同条件下的冬小麦LAI反演具有良好的学习能力和普适性。

端元提取是混合像元分解的关键, 研究其算法在高精度的地物识别、 丰度反演和定量遥感等方面具有重要意义。通过研究高光谱遥感影像光谱特征, 结合信息熵理论, 应用高斯分布函数, 建立了一种新的高光谱影像端元提取算法, 即光谱最小信息熵(spectral minimum shannon entropy, SMSE)算法。将该算法应用于AVRIRS高光谱影像的端元光谱提取, 并经过与美国地质勘探局(United States Geological Survey, USGS)波谱库中的数据匹配, 得知其提取端元的精度较高。同时, 通过与经典的纯净像元指数(pixel purity index, PPI)和连续最大角凸锥(sequential maximum angle convex cone, SMACC)等端元提取算法进行实验比较和结果综合分析, 发现光谱最小信息熵算法提取端元光谱效率更高、 精度更好。此外, 分别利用SMACC和SMSE提取Hyperion高光谱影像端元, 得出SMSE的端元提取效果好于SMACC, 从而可认为SMSE算法具有一定普适性。

基于太湖、巢湖、滇池和三峡水库水体组分生物光学特性, 根据辐射传输模型和神经网络优化算法建立悬浮颗粒物和叶绿素浓度优化生物光学反演模型.利用野外实测数据对优化生物光学算法进行检验, 结果表明, 该优化生物光学反演模型在一定程度上可以减少测量噪音对反演精度的影响.反演结果表明, 受悬浮颗粒物和叶绿素生物光学特性时空差异影响, 该优化生物光学反演模型在太湖、巢湖、滇池和山峡反演精度具有一定的差异, 但总体上能够较为准确地反演悬浮颗粒物和叶绿素浓度.其中悬浮颗粒物反演精度(平均绝对误差: MAPE, 均方根误差: RMSE)分别能够达到23%和15.13mg/L(样本数N=228), 叶绿素反演精度(MAPE和RMSE)分别能够达到26%和17.68μg/L(样本数N=228).

为提高网络化智能传感器的互操作性，在分析IEEE 1451标准传感器的定义和功能需求的基础上，利用统一建模语言(UML)，分别从静态用例建模、动态顺序描述和系统部署3个层面构建了一系列面向网络化测控的通用型智能传感器系统模型，搭建了一款可用于在线检测绝缘子污秽状况的网络化智能传感器。相对于从传感器原型开始开发，该方法减少了60%以上的开发时间。实验结果表明，利用UML统一建模方法可以有效描述基于IEEE 1451标准的网络化智能传感器的简化模型，为后续研制及优化高性能的智能传感器提供理论参考和模型基础。建立的传感器模型具有通用性和可扩展性，能关联不同的物理接口；结合实际需求，可在该模型的基础上快速扩展构建所需的网络化智能传感器，能实现传感器的“即插即用”和实现良好的网络互操作性。