尾流是飞机飞行时的必然产物，对航空安全有重大威胁，还限制着航空效率和容量的提升，飞机尾流涡核的精准辨识是动态缩减尾流间隔的前提，目前晴空尾涡探测的主要工具是相干多普勒激光雷达（CDL）。针对使用激光雷达进行飞机尾流探测中受限于雷达时空分辨率和背景风场的影响导致的识别和反演尾流关键参数误差较大这一问题，提出一种在激光雷达探测数据基础上基于贝叶斯网络（BN）和均方误差（MSE）构建的尾涡参数反演模型。搭建大气背景风和湍流环境，并将其叠加到模拟的尾涡速度场上，得到用于训练模型的仿真数据集。实验结果表明：所提算法能够得到误差较小的参数反演结果（仿真算例中涡核位置偏差在2 m以内，环量偏差在5%以内）；在实际算例中，所提算法与传统算法相比，反演速度场均方误差显著降低（平均超过50%）。本研究可用于机场实时尾涡监测，对尾涡间隔标准制定有重要意义。
激光雷达 航空安全 飞机尾涡 贝叶斯网络 尾涡特征参数反演模型 激光与光电子学进展
2024, 61(4): 0428006
1 汕头大学工学院电子信息工程系, 广东 汕头 515063
2 中国地质科学院地球物理地球化学勘查研究所, 河北 廊坊 065000中国地质调查局土地质量地球化学调查评价研究中心, 河北 廊坊 065000
3 汕头大学工学院机械工程系, 广东 汕头 515063
高光谱技术可提供近乎连续的地物光谱曲线, 对土壤组分定量反演具有极大的潜力。 针对受污染土壤, 通过综合分析实验室测定的土壤镉（Cd）含量和同期获取的高光谱数据, 提出了一种基于深度森林2021（Deep Forest 2021, DF21）算法的高光谱土壤Cd含量反演模型。 采用原始光谱数据（OS）和其经主成分分析（PCA）降维处理后的数据作为模型输入参数, 分别构建了基于原始光谱数据的DF21（OS-DF21）模型和基于PCA降维数据的DF21（PCA-DF21）模型。 随后, 基于相同训练样本, OS-DF21和PCA-DF21分别建立了土壤Cd含量和输入参量之间的关系, 并据此对检验样本土壤Cd含量进行了定量反演和对比分析。 选取决定系数（R2）、 均方根误差（RMSE）和相对分析误差（RPD）对模型反演性能进行了评估。 分析结果表明: OS-DF21模型反演精度最佳, 其R2、 RMSE和RPD分别可达0.873、 0.120和2.892。 相比而言, PCA降维处理虽可降低光谱数据的冗余度, 但PCA-DF21模型的预测能力有所下降。 尽管如此, PCA-DF21模型仍表现出较好的土壤Cd含量反演能力, 其R2、 RMSE和RPD分别为0.779, 0.159和2.190。 因此, DF21算法可作为研究区及类似环境区域的土壤重金属快速勘测的补充手段。
土壤Cd含量 深度森林DF21 主成分分析(PCA) 高光谱技术 反演模型 Soil Cd concentration DF21 Principal component analysis (PCA) Hyperspectral technology Retrieval model 光谱学与光谱分析
2023, 43(8): 2638
1 沈阳农业大学信息与电气工程学院， 辽宁 沈阳 110866
2 沈阳农业大学信息与电气工程学院， 辽宁 沈阳 110866 辽宁省农业信息化工程技术研究中心， 辽宁 沈阳 110866
为了快速、 准确的检测北方寒地水稻叶片的磷素含量， 分析水稻的长势情况， 为精准施肥以及稻田的科学管理提供依据， 以北方寒地水稻为研究对象， 以小区实验为基础， 使用海洋光学HR 2000+光谱仪获取水稻叶片高光谱反射率数据， 采用钒钼黄比色法对水稻叶片磷素含量进行测定。 采用SG平滑与多元散射校正（MSC）两种方法对水稻叶片高光谱数据进行预处理， 并将预处理后的光谱数据使用连续投影法（SPA）与无信息变量消除法（UVE）两种算法进行特征选择。 采用SPA算法筛选得到的特征共有11个， 其中位于可见光波段处的有6个， 分别为411、 420、 428、 442、 467和689 nm; 近红外波段处有5个， 分别为797、 850、 866、 965和976 nm; UVE算法筛选得到的特征共47个， 均位于可见光波段范围内， 分布在405~603 nm之间。 分别将这两种方法筛选出的特征波段的反射率作为输入， 构建极限学习机（ELM）， BP神经网络以及狼群算法优化的BP神经网络（WPA-BP）三种水稻叶片磷素含量反演模型并加以分析。 结果表明: 以UVE算法筛选的特征反射率为输入量构建的三种模型的验证集R2在0.705 2~0.724 5之间， RMSE在0.017 4~0.020 4之间; 在相同的反演模型的条件下， 使用SPA算法筛选的特征反射率为输入量构建的模型预测效果更好， 三种模型的验证集R2在0.726 4~0.829 3之间， RMSE在0.018 0~0.021 1之间; 另外， 在利用这两种算法筛选到的特征进行建模时， 对比三种模型的预测结果发现， 经过狼群算法优化后的BP神经网络模型的精度明显高于极限学习机和BP神经网络， 其验证集的决定系数R2为0.803 4， RMSE为0.018 0。 鉴于此， 结合连续投影算法和狼群算法优化后的BP神经网络模型在北方寒地水稻叶片磷素含量高光谱反演中具有一定的优势， 可作为水稻叶片磷素含量的检测以及精准定量施肥的参考和借鉴。
水稻 高光谱数据 磷素含量 狼群算法 反演模型 Rice Hyperspectral data Phosphorus content Wolf pack algorithm Inversion model 光谱学与光谱分析
2023, 43(5): 1442
1 塔里木大学农学院, 新疆 阿拉尔 843300
2 中国农业大学土地科学与技术学院, 北京 100083
3 浙江大学环境与资源学院, 浙江 杭州 310058
快速准确监测农田土壤全氮含量, 可显著提高土壤肥力诊断与评价工作的效率。 传统测定土壤全氮的方法存在耗时费力、 成本高、 环境污染等缺点, 而基于光谱学原理的土壤全氮定量方法克服了传统测量的劣势。 中红外(MIR)光谱相较于可见光-近红外(VNIR)光谱而言, 具有更多的波段数和信息量, 如何利用中红外光谱监测土壤全氮含量是具有重要应用前景的研究课题。 为了探索中红外光谱对土壤全氮监测的可行性, 以新疆南疆地区采集的246个农田土样为研究对象, 以室内测定的全氮含量和中红外光谱反射率数据为数据源, 分析了不同全氮含量土样的中红外光谱特征差异, 以主成分分析法(PCA)和连续投影算法(SPA)对光谱数据进行降维, 然后采用偏最小二乘回归(PLSR)、 支持向量机(SVM)、 随机森林(RF)和反向传播神经网络(BPNN)四种建模方法分别构建基于全波段和降维数据的土壤全氮含量定量反演模型。 研究结果表明: (1)土壤在中红外波段光谱反射率随全氮含量的增加而增加, 在3 620, 2 520, 1 620和1 420 cm-1附近存在明显的吸收谷; 将中红外光谱数据进行最大值归一化处理后, 可明显提高土壤光谱反射率与全氮含量的相关性。 (2)对比两种数据降维方法, PCA和SPA分别使模型变量数减少了99.8%和97.5%, 但以PCA提取的8个主成分为自变量建立的模型预测精度总体要高于SPA对应的模型, 因此以PCA提取的主成分建模更适于土壤全氮模型的构建。 (3)在建模集中, PLSR和SVM模型以全波段建模精度最高, 但建模变量数多, 建模效率较低, 而RF和BPNN模型分别以PCA和SPA降维后的数据建立的模型在保持精度相当的前提下, 可显著提高建模效率; 在预测集中, 基于PCA降维数据的BPNN模型预测能力最高, R2和RMSE分别为0.78和0.12 g·kg-1, RPD和RPIQ值分别为2.33和3.54, 模型具备较好的预测能力。 研究结果可为农田土壤全氮含量快速估测提供一定的参考价值。
中红外光谱 土壤全氮 反演模型 光谱数据降维 Mid-infrared spectrum Soil total nitrogen Inversion model Dimension reduction of spectral data 光谱学与光谱分析
2022, 42(9): 2768
1 东北大学江河建筑学院, 辽宁 沈阳 110819
2 东北大学资源与土木工程学院, 辽宁 沈阳 110819
3 中国黄金集团, 北京 100000
土壤是自然生态系统的重要组成部分, 是人类赖以生存和农业生产的重要物质基础。 随着社会经济高速发展, 高强度的工农业生产活动导致重金属等各种污染物通过大气沉降、 污水灌溉等途径进入土壤, 并在土壤中不断富集造成土壤盐渍化和土壤重金属污染, 两者是导致全球荒漠化和土壤退化的主要诱因。 然而中国的耕地非常有限, 粮食安全尤为重要。 因此, 如何快速、 准确地大面积反演盐碱地的重金属含量是保障粮食安全的重要研究课题。 针对上述关键问题, 以吉林省镇赉县盐碱地为研究对象, 建立了盐碱地重金属元素锰(Mn)、 钴(Co)和铁(Fe)含量与土壤可见光-近红外光谱数据的定量反演模型。 首先对原始光谱数据分别进行了Savitzky-Golay平滑、 多元散射校正、 连续统去除变换处理; 然后基于预处理后的光谱数据构建了比值(RI)、 差值(DI)和归一化(NDI)三种光谱指数, 通过光谱指数与重金属含量的相关性分析确定模型训练样本, 利用径向基神经网络算法进行建模并反演盐碱地重金属含量; 最后通过相关系数等梯度循环建模的精度分析方法确定了光谱指数与锰、 钴和铁含量相关性显著的敏感波段组合, 建立了基于径向基神经网络算法的盐碱地重金属含量最优反演模型。 研究结果表明, Mn选取相关系数r>0.70, Co选取相关系数r>0.80, Fe选取相关系数r>0.80, 并选取敏感指数组合分别为108组、 690组和31组, 基于上述显著敏感指数组合建立的Mn, Co和Fe最优反演模型R2分别为0.703 4, 0.897 6和0.848 4, 均方根误差RMSE分别为53.007 3, 1.059 2和0.363 4, 平均相对精度达到88.64%, 90.36% 和91.78%。 该研究对盐碱地重金属含量的准确、 快速分析提供了一种有效的方法, 对实现土壤重金属污染治理具有重要的现实意义。
苏打盐碱地 可见光-近红外光谱 光谱指数 重金属含量 反演模型 Soda saline-alkaline land Visible-near infrared spectra Spectral index Heavy metal content The inversion model 光谱学与光谱分析
2022, 42(5): 1595
1 南京信息工程大学海洋科学学院，江苏 南京 210044
2 中国科学院空天信息创新研究院遥感科学国家重点实验室，北京 100101
3 自然资源部第二海洋研究所，浙江 杭州 310012
4 浙江海洋大学水产学院，浙江 舟山 316022
针对浮游植物的总叶绿素a和7种诊断色素（叶绿素b、岩藻黄素、多甲藻素、19-己酰基氧化盐藻黄素、19-丁酰基氧化盐藻黄素、别藻黄素和玉米黄素），基于现场多波段激发荧光光谱数据，通过构建激发荧光光谱特征表征量，利用极限梯度提升（XGBoost）机器学习算法，建立了浮游植物色素浓度的反演模型。验证结果表明，反演模型具有良好的估算精度，其中总叶绿素a的反演模型精度最高（决定系数为0.87，平均绝对相对百分比误差为28.1%，均方根误差为1.168 mg·m-3）。将建立的色素反演模型应用于东海典型断面处，成功获取了色素浓度的垂向分布特征。
光谱学 激发荧光光谱 浮游植物色素浓度 反演模型 XGBoost机器学习算法 光学学报
2022, 42(18): 1830002
1 东北大学资源与土木工程学院, 辽宁 沈阳 110819
2 东北大学江河建筑学院, 辽宁 沈阳 110819
3 中国黄金集团, 北京 100000
铁矿资源是我国国民经济基础产业中的重要组成要素, 在我国经济发展中有举足轻重的地位。 铁矿品位的检定效率对铁矿石开采效率有重大影响。 目前, 铁矿石品位的化学分析检定法, 不仅存在成本较高, 化验周期长的问题, 更主要的是其无法实现铁矿品位原位测定, 相对配矿流程存在滞后效应, 无法有效降低矿石开采的损失贫化率; 基于可见光-近红外光谱分析的铁矿品位原位测定技术是解决这一问题的有效途径。 以225个红岭矽卡岩型铁矿测试样本的可见光-近红外光谱数据及化学分析数据为数据源, 首先对原始数据进行了平滑处理, 并分析了矽卡岩型铁矿可见光-近红外光谱特征, 然后利用倒数对数、 多元散射校正(MSC)两种预处理方法对平滑后的光谱数据进行处理, 再分别以主成分分析法(PCA)、 遗传算法(GA)两种降维算法对预处理前后的光谱数据进行了处理, 获取了六种不同预处理组合算法处理后的数据源。 其中以PCA降维算法所降维数分别为3维、 3维、 7维; 以GA降维算法所降维数分别为477维、 489维、 509维。 最后基于随机森林(RF)和极限学习机(ELM)建立了矽卡岩型矿石金属铁品位的定量反演模型, 以决定系数(R2)、 均方根误差(RMSE)和平均相对误差(MRE)三个指标分别对模型的稳定性、 精确度、 可信度进行评价。 结果表明, 经MSC处理及PCA降维后的数据基于ELM算法建立的定量反演模型效果最优, 其R2可达0.99、 RMSE为0.005 7、 MRE为2.0%, 该方法所建模型对红岭矽卡岩型铁矿品位反演精度有明显的提升。 对矽卡岩铁矿品位的实时、 快速分析提供了一种有效的方法, 对实现矽卡岩型铁矿的高效开采具有重要的现实意义。
可见光-近红外光谱 矽卡岩铁矿 降维算法 预处理组合算法 定量反演模型 Visible and near-infrared spectroscopy Skarn-type iron ore Dimensionality reduction algorithm Preprocessing combination algorithm Quantitative inversion model 
1 塔里木大学植物科学学院, 新疆 阿拉尔 843300
2 中国农业大学土地资源管理学院, 北京 100083
3 浙江大学环境与资源学院, 浙江 杭州 310058
土壤有机质是土壤肥力的物质基础, 其含量的高低是评价土壤肥力的重要标志。 土壤有机质组分根据其溶解性可分为胡敏素(HM)、 胡敏酸(HA)、 富里酸(FA), 不同组分的肥力特性差异显著, 因此, 土壤有机质组分数据可更加全面、 客观的反映土壤肥力状况。 传统土壤土壤有机质及组分的测定工序繁杂, 效率低下且时效性差, 大量研究表明高光谱技术能有效提高土壤属性的检测效率并降低测试成本, 但关于可见光-近红外、 中红外光谱检测土壤有机质组分的报道鲜见。 为了探索中红外光谱及可见光-近红外-中红外组合光谱对土壤有机质组分检测的可行性, 并对比有机质单一光谱模型与有机质不同组分的组合光谱模型的预测精度, 以南疆地区农田土壤为例, 在阿克苏及和田地区共采集93个土样, 进行有机质、 胡敏素、 胡敏酸、 富里酸含量及光谱数据的测定。 其次, 利用可见-近红外(VNIR)、 中红外(MIR)及其组合光谱(VNIR-MIR)三种光谱数据集, 采用偏最小二乘(PLSR)、 支持向量机(SVM)、 随机森林(RF)三种建模方式对土壤有机质、 胡敏素、 胡敏酸、 富里酸含量进行组合模型分析预测。 结果表明: (1)土壤有机质及各组分均与光谱反射率有较好的相关性, 土壤有机质及组分在MIR谱段的特征波段数量明显多于VNIR谱段。 (2)有机质最优预测模型的模式为VNIR-MIR-RF, 该模型的决定系数R2为0.90; 胡敏素与胡敏酸最优预测模型的模式均为VNIR-RF模型, R2均为0.92; 富里酸最优预测模型的模式为MIR-RF模型, R2为0.94。 (3) 基于胡敏素、 胡敏酸和富里酸的有机质组合光谱模型的预测精度明显高于有机质单一光谱模型, 两种模型的R2分别为0.93和0.90。 实现了土壤有机质组分的高效快速反演, 且基于有机质组分的组合模型提高了土壤有机质预测精度, 为南疆地区大尺度土壤肥力的鉴定与精准施肥提供重要的参考价值。
土壤有机质组分 光谱反射率 偏最小二乘 支持向量机 随机森林 反演模型 Soil organic matter Spectral reflectance Partial least squares regression (PLSR) Support vector machine regression (SVM) Random forest regression (RF) Inversion model 光谱学与光谱分析
2021, 41(10): 3069
1 河北大学 质量技术监督学院, 保定 071002
2 河北大学 计量仪器与系统国家地方联合工程研究中心, 保定 071002
为了研究激光调制参量对二次谐波信号峰值、信噪比、峰宽、对称性以及信号完整性的影响, 基于硬件实验系统与Simulink仿真模型进行分析, 验证了理论模拟结果与此硬件系统下信号变化趋势的一致性, 同时确定了CO2检测系统的最佳调制参量。通过实验系统对不同体积分数的CO2在1432.04nm处的吸收光谱进行了测量, 建立主吸收峰处信号强度与不同体积分数CO2的反演模型, 分析了系统性能及测量精度。结果表明, 线性拟合系数R2=0.9998, 气体体积分数反演最大相对误差为0.7333%, 系统检测限为0.0074%; 通过调制参量的优化选择可以获得较为理想的二次谐波信号, 从而实现待测气体体积分数的精确反演。该研究为检测系统中调制参量的优化提供了重要参考, 为系统测量精度的改善提供了指导。
光谱学 调制参量优化 建模仿真 可调谐二极管激光吸收光谱 体积分数反演模型 spectroscopy modulation parameter optimization modeling and simulation tunable diode laser absorption spectroscopy volume fraction inversion model
