作为X射线荧光光谱分析技术在中国最早的应用领域—地质与矿产资源应用已走过了60年的引入与发展历程。 文章简介了中国X射线荧光分析实验室在中国的建立与早期发展； 介绍了20世纪80年代中国地质与矿产资源系统引入和发展现代X射线光谱分析技术的主要时间节点和重要事件, 包括: 技术准备、 仪器及软件引入、 加拿大地质调查局Lachance先生, 飞利浦de Jongh博士等著名学者应邀来华讲学活动和中国-德国（联邦地学与原料研究院）两期合作项目的支持等； 重点评介了现代X射线荧光各分支技术（包括: 便携式X射线荧光、 同步辐射X射线荧光、 扫描核探针、 全反射X射线荧光和微束X射线荧光等）在地学领域多个方面的应用、 主要成果和为地矿事业作出的重要贡献, 包括: 硅酸盐岩石全分析、 痕量及超轻元素分析、 各类矿石分析、 地球化学调查和国际地球化学填图样品分析、 海洋地质与矿产资源调查现场分析、 稀土元素分析、 卤族元素分析、 野外现场分析、 原位微区分析和标准物质研制与标准分析方法等11个应用方面。 特别是在20世纪80年代实现了X射线荧光方法对传统化学方法的“替代”而成为岩石全分析的主导方法, 从根本上改变了中国地质分析的面貌, 推动了中国现代地球科学事业的发展, 成为中国地质分析技术发展中的里程碑。 在分析样品以亿计的大规模各类地球化学调查和国际地球化学填图项目中, X射线荧光分析方法充分发挥了制样简单、 快速、 经济而又无污染的优势, 成为多种分析方法配套方案中的主导技术, 从而作出了前所未有的突出贡献。 所形成的方法在中国当今的地质分析中具有典型意义, 代表着当今常规地质分析的普遍水平, 具有时代特征。 最后展望了X射线荧光分析技术地学应用的未来发展。 引文64篇。

受成像机理的限制, 目前的遥感硬件技术条件尚无法获取同时具备高空间、 高光谱分辨率的多波段遥感影像。 多波段遥感影像作为一种反映各个不同窄波段区间信息的三维影像集合, 其包含二维空间信息和一维光谱信息, 空间信息反映场景中的几何特性, 而光谱信息则对应地物在不同波段的电磁波特性。 为弥补多波段遥感影像空间信息采集的不足, 利用辅助影像增强其空间分辨率, 即多波段遥感影像的锐化受到重视。 多波段遥感影像锐化不仅可提升影像的视觉效果, 同时可为诸如地物分类、 变化检测和参数反演等后继的定性、 定量化遥感应用奠定基础, 因而一直是遥感影像处理领域非常重要且持续活跃的研究方向。 为此, 对多波段遥感影像锐化方法的研究进展进行综述: 一是对多波段遥感影像锐化的内涵进行了表述； 二是以多光谱（MS）影像的全色锐化为视角、 以算法实现的技术为脉络, 分别从基于成分替代（CS）、 基于多分辨率分析（MRA）、 基于最优化模型（OM）和基于深度学习（DL）四个方面对多光谱遥感影像锐化方法的研究进展和存在的问题进行分析和讨论； 三是结合高光谱（HS）影像所存在的不同于MS的自身特性, 对HS影像的锐化特点进行了分析, 并对不同于MS的一些特有HS锐化方法进行了讨论和归纳； 最后对多波段遥感影像锐化方法未来的发展进行了展望, 分别从目前CS和MRA方法更受到主流认可的原因, 以及未来多波段遥感影像锐化领域将呈现出多种方法的相关融合两个方面进行了讨论。

随着生活和消费水平提高, 消费者对于乳制品食品安全及品质的要求越来越高。 原料奶质量直接影响乳制品的生产与消费安全, 在牛奶收储及生产环节都需要对各种非法添加物进行严格检测, 以保证产品质量。 目前常用的检测方法主要以化学法与仪器分析方法为主, 需要针对不同类型添加物设计前处理步骤, 过程繁琐, 检测效率低, 无法满足实时在线需要。 针对多种类掺假异常牛奶样品实时在线检测需要, 研究了基于中红外光谱的非靶向检测方法。 实验样品选择蒙牛公司六个奶质稳定的奶源地收集到的天然原奶样品, 并配制含有多种掺假物的异常牛奶样品集。 采集样品中红外光谱, 并针对在线检测过程中的干扰来源, 选择平滑滤波、 多元散射校正、 基线校正及归一化等预处理方法, 提高光谱信噪比与一致性。 为了提高非靶向模型识别准确度及稳健性, 根据牛奶样品中红外光谱特征, 选择无信息变量消除（MC-UVE）、 无变量信息消除-连续投影（UVE-SPA）与竞争自适应重加权采样（CARS）三种方法, 筛选原始光谱中的特征波长变量。 在得到的不同特征波长变量组合的基础上, 分别建立基于偏最小二乘判别（PLS-DA）及支持向量机（SVM）的鉴别模型, 对多种掺假物异常牛奶样品进行非靶向鉴别。 实验结果表明, SVM模型鉴别准确度优于PLS-DA, CARS方法筛选得到的变量组合应用于不同鉴别模型的效果均较优, 与SVM模型结合对训练集与测试集的分类准确率分别达到97.84%与94.55%。 分析特征波长变量分布可知, CARS方法筛选出的变量主要集中在异常牛奶样品光谱特征比较明显的区域。 样品误分类结果表明, 该模型组合可以较为准确识别异常牛奶样品, 具有较好的特异性。 研究结果表明, 基于红外光谱技术建立非靶向鉴别模型可以实现多种异常牛奶样品快速准确识别, 为牛奶掺假及生产过程在线检测提供了支持。

旨在实现对海洋牧场水下底栖动物的原位识别, 使用随机森林算法实现识别分类检测, 对目标生物进行分类识别分析, 深入挖掘数据, 提高工作效率和决策可靠性。 利用研发的水下高光谱成像分析仪, 在不同的水下环境中通过获取五种海洋牧场常见经济动物（虾夷扇贝、 栉孔扇贝、 脉红螺、 皱纹盘鲍、 仿刺参）的高光谱数据, 归一化处理后运用机器学习中的随机森林（RF）、 基于主成分分析的随机森林（PCA-RF）、 基于递归特征消除的随机森林（RFE-RF）三种随机森林算法对五种底栖动物进行分类识别以及对比分析。 通过RF的变量重要性排序, 筛选出排名较高, 对模型贡献度高的波段所对应的反射谱强度数据, 再将排名靠前的特征波段数据输入分类器中, 通过优化参数, 得到分类准确度。 将数据的分类结果输出混淆矩阵, 可以看到五种样品的识别情况。 脉红螺样品识别精度最低, 为64％； 仿刺参与栉孔扇贝的识别精度最高, 达到了100％； 虾夷扇贝与皱纹盘鲍的识别精度分别为91％与96％。 三种方法最终得到的分类精度分别为: RF 90.13％； PCA-RF 95.20％； RFE-RF 98.74％, 达到了较为理想的分类效果, 体现了随机森林算法运用在水下高光谱数据分类研究的可行性。

空间目标由于距地相对较远, 且散射光信号受到大气介质的强散射, 在地基测量中很难获取到目标的准确信息。 近年来光谱观测技术蓬勃发展, 由此为空间目标测量提供了新的方案, 但在采集的目标光谱信息中, 由于目标轨道高度、 材料组成等大多相近, 很难直接从光谱曲线中分辨出目标。 为此基于双向反射分布函数（BRDF）散射理论, 建立了空间目标散射光谱成像模型, 并由1.2 m口径地基观测平台与光谱视频成像系统实验测量了一组高轨道同步卫星（GEO）目标, 光谱范围为400～720 nm, 光谱分辨率为2 nm。 采用径向基神经网络算法对光谱数据中的BRDF进行解混, 实验测量了六种空间目标典型材料的BRDF。 由于目标相对较远, 已经超出探测系统的衍射极限, 因此目标可视为点目标, 但在地基测量中大气层是阻隔在探测系统和目标之间的重要屏障, 目标光信号穿过大气层时会受到大气介质的强烈散射, 这种散射虽然很大程度上削弱了光信号, 但同时光信号也被按原结构放大。 依据光学记忆效应, 目标光信号穿过均匀大气介质后其结构仍保持不变。 基于以上分析, 目标光斑图像应该保留有目标投影结构的信息。 为此采用针对目标光斑图像纹理区域分割反演的方法, 将目标光斑划分为10个纹理区域, 并提取对应光谱数据。 通过探测系统传递函数标定以及减噪处理, 获得了观测时段在轨目标空间几何角度下的光谱曲线。 再利用建立的典型材料光谱数据库进行拟合反演。 结果表明: 在2号、 5号、 10号纹理区域反演出了区别于其他区域不同的材料类型。 同时, 反演的各纹理区的材料面积比也有较大不同。 为进一步评估拟合结果, 采用非奇异矩阵对拟合效果进行评价, 分析了扰动方程, 拟合准确率最高为85.283 3, 最低为76.982 7。 这说明拟合结果是相对真实的, 目标散斑图像中含有可分辨的目标投影结构信息。 此研究为揭开点目标成像探测和散斑图像结构识别提供了新的方向。

玻璃纤维增强复合材料作为新型的先进复合材料, 具有质量轻、 耐高温、 耐冲击等特有的优点被广泛地应用在航空**等领域。 然而, 在其生产过程中由于制作工艺的影响, 使其内部容易产生分层和夹杂等微小缺陷； 另一方面, 此类复合材料在其生命周期内, 由于外界因素如冲击力、 高温等干扰, 使得材料表面和内部发生灼痕和脱粘等缺陷。 缺陷的存在使得作为结构件的玻璃纤维增强复合材料的安全系数降低, 因此有必要对材料内部的缺陷进行检测。 太赫兹时域光谱技术得益于太赫兹波段的独有优势, 作为传统无损检测方式的有效补充, 以其瞬态性、 低能性以及指纹谱性近年来被广泛地应用在复合材料无损检测领域, 可以有效地对缺陷进行无损检测。 通过检测结果对玻璃纤维增强复合材料的性能进行评估, 然而利用太赫兹时域光谱技术对缺陷检测分析时, 发现对缺陷进行层析成像过程有一些随时间扩散的条纹, 条纹的存在掩盖了缺陷的形状, 对缺陷的清晰识别产生影响, 进一步导致对缺陷的漏判和误判。 现阶段, 对于缺陷层析成像时条纹出现的原因在理论上的分析鲜有研究, 该研究提出了应用时域有限差分技术建模分析太赫兹波与玻璃纤维增强复合材料的相互作用机理。 建立在0.2～1.5 THz频段范围内的反射式数值模型, 通过数值模拟实现了对玻璃纤维增强复合材料内部1、 3以及5 mm深度处的缺陷成像, 并且发现, 当太赫兹波垂直入射到玻璃纤维复合材料表面时, 每一深度处的缺陷均可清晰成像, 当太赫兹波以1°倾斜角入射到玻璃纤维增强复合材料表面以及玻璃纤维增强复合材料上下表面存在2°倾斜时, 材料内部每一深度处的缺陷成像中均出现了交替变化的条纹, 验证了出现条纹的原因是由干涉现象引起的。

Trichel脉冲放电为电晕放电中一种常见的不稳定现象。 为了进一步揭示Trichel脉冲的放电特性和放电机理, 本文利用针板放电结构, 在气压为600 Pa的空气环境下研究了Trichel脉冲放电的光学特性。 在平均电流为20～300 μA范围内, 放电分为Trichel脉冲放电模式和正常辉光放电模式。 在Trichel脉冲放电模式下, 平均极间电压随着平均电流的增高而降低； 正常辉光放电模式下, 平均极间电压随平均电流的增高基本保持不变。 实验拍摄并得到了不同平均电流时的发光图像, 从阴极针尖到阳极平板区域分为负辉区、 法拉第暗区、 正柱区和阳极辉区。 随着平均电流的增加, 负辉区、 正柱区以及阳极表面的发光增强, 负辉区体积基本保持不变, 法拉第暗区长度逐渐增加, 正柱区长度逐渐缩小。 在Trichel脉冲消失时, 负辉区发光向阴极针尖收缩, 正柱区向阳极板贴近, 并且两个区域发光明显增强。 利用光谱仪在300～800 nm波长范围内测量得到了不同平均电流时的发射光谱。 其中在300～450 nm波长范围内的发射光谱强度较高, 为氮分子的第二正带系(C3Πu→B3Πg)和氮分子离子的第一负带系（B2Σ+u→X2Σ+g）； 在650～800 nm附近发射光谱较弱, 为氮分子的第一正带发射谱（B3Πg→A3Σ+u）。 在此基础上, 根据N2(C3Пu→B3Пg )第二正带系发射光谱拟合得到了不同平均电流时氮分子的振动和转动温度。 结果表明, 分子振动温度和转动温度均随平均电流的增加而增加, 分子振动温度在3 900～4 500 K, 分子转动温度在430～450 K。 同时利用氮分子离子谱线391.4 nm和氮分子第二正带系谱线394.2 nm强度比计算得到了不同平均电流时的电场强度。 随着平均电流的增加, 电场强度升高, 在145～200 kV·m-1范围。 当Trichel脉冲消失时, 针尖附近分子振动温度和电场强度出现较为明显的升高。 此现象表明针尖附近的电子能量和电子密度随着脉冲的消失也出现了明显的升高。

随着绿色化学的要求, 更多科研工作者们致力于绿色环保的低共熔溶剂（DES）研究上。 氯化胆碱类DES具有无毒无污染且容易制备的特性, 已被应用于许多不同的领域。 以氯化胆碱（Choline chloride, ChCl）和丙三醇（Glycerine, Gly）形成的DES为研究对象。 对比ChCl, Gly和ChCl/Gly的红外光谱图, 发现NC4和O—H发生了红移以及特征峰的合并和消失, 这些都表明ChCl/Gly通过N—H+Ch…Cl-和Cl-…H—OGly的方式形成DES。 为了探究不同温度下DES变化情况, 以温度为外扰测试25~135 ℃下ChCl/Gly的红外光谱数据, 对比这些数据发现不同温度下NC4和O—H光谱峰的强度、 宽度和位置都发生了一定程度的改变, 但是这些特征峰都是宽峰具有重叠现象, 很难通过一维光谱分析, 采用二维红外光谱（2D-IR）可以对复杂溶液体系进行更好的图谱分析, 探究其形成机理和分子间结构。 对ChCl/Gly中NC4和O—H特征峰随温度变化的数据进行2D-IR分析, 获得动态变化顺序, 推测溶液中不同的分子团簇。 研究发现25~65 ℃时O—H在3 539、 3 400、 3 380和3 177 cm-1有四个自动峰, NC4也出现不同的自动峰, 这些峰可归属于ChCl/Gly、 ChCl/(Gly)2、 ChCl/(Gly)3； 在65~105 ℃时O—H在3 539、 3 400和3 380 cm-1有三个自动峰, NC4有相应的变化, 这些峰可归属于ChCl/Gly和ChCl/(Gly)2； 在105~135 ℃时O—H只在3 380 cm-1有一个强自动峰, NC4也只出现一个自动峰, 可归属于ChCl/Gly。 通过2D-IR分析得出随温度上升溶液中分子团簇解离成更稳定的结构, 为了验证这一结论和探究不同团簇分子间Cl-作为桥梁形成N—H+Ch…Cl-和Cl-…H—OGly具体连接方式。 采用密度泛函理论(DFT)在B3LYP/6-311G++(2d, p)理论水平上进行构型几何优化, 计算出相关的热力学数据, 证实了ChCl/Gly中不同分子团簇存在的可能性。 研究表明2D-IR和密度泛函理论计算相结合, 能够很好地用于分析DES中不同分子团簇随温度变化的规律, 较好地解决了一维红外光谱在温度外扰下难以分析重叠峰和宽峰的问题。

咪鲜胺和抑霉唑是柑橘类水果常用的保鲜剂, 二者混用可有效降低致病细菌抗药性, 达到更好的保鲜效果, 但农残过量会影响食用者健康。 基于表面增强拉曼光谱技术, 以丑橘为基质, 咪鲜胺和抑霉唑混合农药为研究对象, 结合化学计量学方法, 建立一种快速准确检测柑橘表皮农药残留的方法。 为了对比金、 银溶胶的增强效果, 分别将金、 银溶胶用于浓度为10 mg·L-1的咪鲜胺、 抑霉唑标准溶液及橘皮萃取液中的混合农药, 采集其拉曼光谱。 结果表明, 咪鲜胺和抑霉唑的单独标准溶液中金溶胶较优, 在橘皮萃取液中的混合农药溶液中银溶胶效果更佳。 为了获得最佳增强效果, 通过不同比例试验对比, 最终确定溶胶增强基底与两种农药标准溶液体积比为1∶1, 团聚剂NaCl浓度为1 mol·L-1。 按照浓度从高到低的方向, 分别采集咪鲜胺标准溶液及抑霉唑标准溶液在不同浓度情况下的光谱, 检出限分别低于1和0.5 mg·L-1, 达到国标规定的最大残留限5 mg·L-1。 在咪鲜胺和抑霉唑混合农药的定量分析实验中, 以橘皮萃取液为基质, 用增强效果较好的银溶胶作为增强基底, 采集含有梯度浓度的咪鲜胺和抑霉唑混合农药(5~42 mg·L-1)的表面增强拉曼光谱, 采用多种预处理方法优化光谱数据, 对比支持向量回归(SVR)、 灰狼算法优化的支持向量回归(GWO-SVR)、 粒子群算法优化的支持向量回归(PSO-SVR)、 遗传算法优化的支持向量回归(GA-SVR)四种回归模型的建模效果选择最佳算法建立定量模型。 结果表明: 通过一阶微分预处理方法, 选取829和1 168 cm-1处的特征峰强度建立灰狼算法优化的支持向量机回归(GWO-SVR)模型得到的预测效果最佳, 其校正相关系数(RC)为0.978, 校正集均方根误差(RMSEC)为1.655 mg·L-1, 预测相关系数(RP)为0.967, 预测集均方根误差(RMSEP)为2.227 mg·L-1。 研究结果表明, 该方法可对柑橘表皮咪鲜胺和抑霉唑混合农药进行定性与定量检测, 可为柑橘农残检测提供新思路。

可溶性固形物含量（SSC）是反映苹果品质和成熟度的重要生理指标, 能够用于苹果品质分析和成熟度预测。 以新疆阿克苏冰糖心红富士苹果为研究对象, 从果实膨大定形期至完熟期, 以等间隔周期3 d采摘样本, 测其380~1 100 nm的可见/近红外光谱和SSC, 共552个样本。 然后融合分数阶微分（FD）及置换重要性-随机森林（PIMP-RF）算法, 构建成熟期苹果SSC预测的集成学习模型。 结果表明, 基于PLS模型优选的分数阶微分阶次为0阶、 0.4阶、 1.1阶和1.6阶, 且通过PIMP-RF算法进行特征重要性和可解释性分析结果显示, 利用可见/近红外光谱预测成熟期苹果SSC的关键波长主要为可见光波段, 这为今后研发新疆冰糖心红富士苹果的快速无损检测设备提供参考； 基于分数阶微分技术和PIMP-RF算法构建的成熟期苹果SSC集成学习模型具有很好的预测能力, 其训练集的相关系数r等于0.989 2, 平均绝对误差MAE等于0.241 2, 均方根误差RMSE等于0.309 1, 平均绝对百分误差等于0.018 3； 测试集的相关系数r等于0.903 8, 平均绝对误差MAE等于0.549 9, 均方根误差RMSE等于0.740 8, 平均绝对百分误差等于0.043 4, 相比于FD0-PIMP-RF、 FD0.4-PIMP-RF、 FD1.1-PIMP-RF和FD1.6-PIMP-RF模型, 集成学习模型为最优。 故而, 集成分数阶微分技术与PIMP-RF算法, 结合可见近红外光谱技术可有效地实现成熟期苹果的可溶性固形物含量预测。

由于分子结构的高相似性, 烃类气体混合物中各组分红外光谱谱峰重叠严重, 导致浓度的精确监测一直是化学计量学的难题。 为了应对这一挑战, 提出一种粗精选策略二进制灰狼优化（RSBGWO）算法, 用于优选红外光谱特征, 建立高精度定量分析模型。 该方法以交叉验证下光谱定量分析模型的均方根误差（RMSECV）平均值作为适应度函数值。 在粗选阶段, 进行第一次全局迭代, 更新α狼、 β狼和δ狼所选特征变量的位置信息； 在精选阶段, 结合α狼所选的特征变量以及剔除α狼未选中特征变量位置后的β狼和δ狼特征变量, 更新狼群位置信息, 逐步降低RMSECV值, 提取为全局最优特征波长, 并引入非线性收敛因子加快收敛速度。 该算法在采集的359个混合烷烃气体样本的红外光谱数据集上进行了实验测试并验证了所提算法的效果。 与bGWO和bPSO特征提取算法比较, 基于本文提出的RSBGWO算法建立的MLR模型在分析甲烷、 乙烷、 丙烷和二氧化碳气体浓度时, 特征选择数量均降低了96%以上, 预测均方根误差（RMSEP）均低于数据采集过程中所使用的配气系统的仪器误差, 相对预测偏差（RPD）均提高了15以上。 相对于全谱建模的MLR模型和PLS模型, 基于RSBGWO算法建立的MLR模型和PLS模型的预测精度有显著增高, 预测效果对定量分析模型的依赖性降低了。 实验结果表明, 提出的方法具有优秀的红外光谱特征提取能力, 能够明显提高定量分析模型的预测效果。 该方法能够促进光谱检测技术在生物制药、 食品化工、 油气勘探等领域的应用, 尤其是在含同系有机物混合物的应用场合。

海洋沉积物的粒度研究有助于了解人类活动对自然环境的影响。 将主成分分析(PCA)和连续投影算法(SPA)融合能够综合利用两种光谱特征提取方法的优势, 获得比单一特征提取方法更丰富的特征波长, 实现无关特征和干扰信息的剔除, 最大限度减少特征信息的丢失, 有利于沉积物粒度的分析。 以青岛市东大洋村潮间带表层32份沉积物为例, 将海洋沉积物划分为0.3～0.2、 0.2～0.1、 0.1～0.075和<0.075 mm四个不同粒径的沉积物样品, 分别测定不同粒径的32份沉积物的可见-近红外反射光谱, 共计128条光谱。 将128条光谱数据分别以2∶1, 1∶1和1∶2的比例划分建模集和检验集进行分析； 采用主成分分析和连续投影融合算法(FOPAS )提取不同粒径沉积物的特征光谱, 利用支持向量机算法建立粒径分类模型。 结果显示, 对2∶1、 1∶1、 1∶2比例的数据集, 融合算法检验集正确率分别为83.33%、 82.81%、 75.29%, 仅在2∶1比例下正确率低于连续投影算法检验集的正确率90.47%, 其余正确率相对于单一特征提取算法均有显著的提高, 表明使用融合算法提取特征光谱建立的分类模型在训练集样本量少, 粒径清晰的条件下, 其分类模型相较于单独使用两个特征提取算法的模型更具有优势。 采用基于主成分分析和连续投影融合算法的海洋沉积物粒度分类模型, 能够提高海洋沉积物粒度分类结果的正确率, 建立正确率更高的粒度分类模型, 对快速粒度分类提供了解决方法。

目前, 三维荧光技术在应急性饮用水污染事件检测中的应用越来越广泛, 但其仍存在易受水环境波动影响、 低浓度污染事件检出率较低等不足。 因此针对在线检测需求, 提出了一种基于时间序列双阈值的三维荧光饮用水异常事件检测方法。 该方法采用主成分分析法提取检测样本的三维荧光光谱主元特征值, 进行线性自回归（AR）模型训练并对未来时段水质样本主元特征值进行预测, 通过与实测样本主元特征值作差得到特征值差值, 同时结合实测特征值的变化率, 设置特征值差值-特征值变化率双阈值, 最终确定污染事件的时间起始点与结束点, 从而确定整个污染事件。 研究通过模拟高浓度污染事件、 低浓度污染事件、 供水水质波动等场景对所提方法进行了验证。 实验结果表明, 该方法不仅保持了高浓度污染事件检测的准确性, 在检测低浓度污染、 高干扰环境下的低浓度污染时, 该方法相较于常规判别方法, 检测结果准确率分别提高了9.4%和20.7%。

小麦粉的粉质特性决定了小麦粉的品质以及最终用途, 粉质特性受到小麦的品种, 产地, 以及加工工艺等多个因素的影响, 重要的粉质参数包括4个: 吸水率、 形成时间、 稳定时间、 弱化度。 近红外光谱广泛应用于小麦粉成分参数的检测, 如水分、 蛋白质、 灰分和湿面筋含量, 其中大多直接应用线性回归算法建立模型, 预测的精确度较低, 且检测粉质特性的研究较少, 研究结果也受到样本丰富度不足的影响。 该研究收集了968份来自不同国家和地区的小麦粉粉质特性数据及近红外光谱, 通过分类模型和回归模型的结合来提高粉质特性预测的精确度。 采用包括标准正态变换（SNV）、 线性去趋势（Detrend)、 多元散射矫正（MSC）和Savitzky-Golay一阶求导的方法对光谱数据进行预处理, 并通过交叉验证选择最佳预处理方法。 在建模方法上, 首先尝试了经典的线性回归方法, 即偏最小二乘回归（PLSR) 和主成分回归（PCR)。 发现两种方法的精确度大致相当, PCA模型的校正均方根误差（RMSEC）分别为2.186、 1.838、 4.037、 21.693, PLSR模型为2.039、 1.837、 3.968、 21.252, PLSR模型比PCR所需的因子更少。 其次, 使用该文提出的二阶段回归模型, 即先用高斯过程回归（GPR)的结果作为分类器对样本进行分类, 在不同类别的样本簇中分别建立PLSR模型进行粉质特性的预测, 再使用Sigmoid函数对PLSR模型进行融合。 这种建模方法对粉质特性预测的精确度有较大提高, 在不同粉质特性指标上的RMSEC分别为1.876、 1.160、 2.459、 14.449。

不同产地丹参药材的质量差异显著, 亟需建立准确、 快速的分析鉴别方法, 对丹参药材的产地进行识别。 激光诱导击穿光谱（LIBS）具有快速、 实时、 高效、 等特点, 克服了传统分析方法时间长、 程序复杂等问题。 人工神经网络（ANN）方法则具有强大的学习和泛化能力, 是一种快速、 准确的分析方法。 采用LIBS技术结合ANN方法构建了对不同产地丹参药材的鉴别方法。 实验首先收集来自安徽、 甘肃等六个不同产地的丹参样品, 并通过LIBS光谱仪对丹参样品进行光谱采集； 之后对丹参LIBS光谱的元素特征峰进行比对, 发现不同产地丹参样品的元素发射谱线强度存在着差异, 如Fe元素（238.20, 373.71 nm）和Ca元素（315.89, 317.93 nm）等； 采用最大最小归一化（MMN）、 标准正态变换（SNV）、 均值中心化（MC）、 Savitzky-Golay平滑滤波（SG）以及多元散射校正（MSC）五种预处理方法对LIBS光谱数据进行预处理优化, 减少光谱噪声以及其他干扰信息的影响； 最后分别搭建ANN分类模型, 从测试集分类准确率、 每类产地的敏感性、 精确率和特异性等方面进行比较, 选择最优模型。 基于原谱的ANN模型测试集分类准确率为94.24%； SNV、 MC两种方法并没有提升ANN模型的分类能力； MMN、 SG及MSC三种预处理方法均提升了ANN的分类效果。 SG-ANN模型取得了最佳鉴别效果, 外部测试集分类准确率为98.15%, 同时具有更高的敏感性、 精确率和特异性, 其中, 安徽、 河南两地丹参样品的判别结果最好, 敏感性、 精确率及特异性均达到100.00%, 其余四种产地丹参样品的敏感性、 精确率及特异性也在95.00%以上。 该结果表明, 选择合适的光谱预处理方法, 能显著提升ANN模型对于丹参产地的预测分类能力, 构建一种相关性更强的定性分析模型。 研究结果表明LIBS技术结合人工神经网络方法是一种很有前景的丹参药材分析鉴别方法, 为中药材质量监督体系提供一种新思路。

圆二色（CD）光谱是一种公认的用于测量蛋白质及其二级结构的生物物理技术, 不但被广泛用于测量蛋白质的二级结构, 而且可以检测二级及更高级结构的变化, 同时用于科学研究和蛋白质产品如生物制药的质量控制。 由于对CD光谱测量中的误差来源定量理解有限, 对光谱进行客观比较仍具有挑战性。 统计方法可用于比较, 但不提供处理系统性以及随机性误差的机制。 在任意两台仪器中进行的CD测量, 即使在可比较的条件下, 相同样品的光谱幅度（elipticity椭圆度, CD scale, 也称圆二色值）或波长也可能存在细微差异。 光源、 最终的光度输出和各个仪器之间入射光偏振的微小差异是导致圆二色值或波长产生差异的可能原因。 分析蛋白质CD光谱取决于原始CD数据的质量, CD解卷积分析强烈依赖于CD光谱中谱峰的圆二色值。 因此, 以一种α-螺旋为主导的蛋白质—细胞色素C为实验对象, 在对CD光谱仪进行校准的前提下, 对其浓度为0.05 mg·mL-1的水溶液进行圆二色光谱测定, 继而建立了0.05 mg·mL-1细胞色素C水溶液的CD光谱测量模型, 评估了其在波长222 nm谱峰圆二色值的不确定度。 圆二色值的不确定度来源主要有测量重复性、 校准溶液及蛋白溶液浓度的不确定度、 比色皿光程长的不确定度等。 经过仪器校准后, 综合考虑这些不确定来源, 得到0.05 mg·mL-1细胞色素C水溶液在波长为222 nm处谱峰的圆二色值及不确定度为(-4.53±0.54) mdeg, k=2。 通过不确定度评估, 发现在不确定分量中较为显着的为1 mm比色皿光程长不确定度和溶液配置过程引入的不确定度分量, 设法消除或降低这些因素的影响, 可以改进测量方法分析测量过程, 以实现CD光谱的客观比较, 提高CD谱图的可比性和可靠性, 为开展圆二色光谱测量的实验室间比对提供实验参考。

以金矿石中的金元素为研究对象, 基于灰色关联度和RSM模型提出原子吸收光谱法分析Au测定条件参数的多目标优化模型。 选取泡塑预处理方式、 振荡时间、 王水浓度和硫脲浓度为优化目标, 确定测量结果相对误差的绝对值为质量指标； 建立基于信噪比的正交设计试验, 分析试验结果的质量指标及对应的信噪比并进行量纲化处理, 计算灰色关联系数和关联度； 确定优化目标的极差分别为0.026、 0.116、 0.176、 0.375, 定性判断泡塑处理方式目标最不显著。 根据RSM模型确定王水浓度、 振荡时间、 硫脲浓度为单因素的Box-Behnken方法试验, 采用三因素三水平曲面设计对测定结果相对误差的绝对值进行分析, 制作显著水平表并完成响应曲面试验； 建立二次多项式回归方程的预测模型并进行显著性分析, 其F=217.24, p<0.000 1表明该模型具有高度的显著性, 模型的相关系数为0.996 9, 校正决定系数为0.992 4, 表明该模型可以解释超过99%的响应值变化； 绘制响应曲面图和等高线图对试验数据进行回归拟合, 通过响应曲面的形状和等高线的陡峭程度进行判定分析, 最终寻找最优化目标参数为王水浓度、 振荡时间、 硫脲浓度分别为11.33%、 27.39 min和0.97%时, 样品测量结果的相对误差最小。 模型验证结果表明, 在最优化目标参数条件组合下选择不同质量浓度的金矿石国家标准物质进行样品制备, 测定结果的正确度和精密度均符合DZ/T 0130.3—2006(地质矿产实验室测试质量管理规范), 表明基于灰色关联度-RSM模型对原子吸收光谱法分析金矿石中金元素的多目标优化参数准确可靠, 验证了该方法的科学性和正确性, 能够被应用于实际的生产中去。 该方法对于定性判断各条件参数间的主次关系, 定量计算各条件参数的最佳组合水平具有独特优势, 有望在寻找多目标优化设计参数领域的平台上发挥作用, 更加有效地确定最佳目标组合。

碲是新型先进铝合金的微合金化元素, 可提高合金强度、 塑性、 耐热性和耐蚀性。 针对先进铝合金研发、 生产和应用过程提出的微量碲的准确、 快速检验需求与国内外检测标准缺乏铝合金中碲元素分析方法的现状, 基于电感耦合等离子体原子发射光谱法开展了铝合金中碲的分析方法研究。 研究确定了样品消解方法, 考察优化了分析谱线、 观测方式、 射频功率与雾化气、 等离子体气和辅助气流量等光谱仪的工作参数。 确定的条件参数如下, 射频功率: 1.20 kW, 雾化气流量: 0.75 L·min-1, 等离子体气流量: 12.5 L·min-1, 辅助气流量: 1.0 L·min-1, 轴向观测方式, 选择214.282 nm作碲的分析谱线。 准确称取0.10 g铝合金试样, 加入5.0 mL高纯水、 5.0 mL盐酸和1.5 mL硝酸加热溶解后定容至100.00 mL。 以0.100 g高纯铝为基体, 采用基体匹配法建立铝合金中碲校准曲线溶液, 校准曲线线性相关系数达0.999。 方法的检出限为0.002%, 定量限为0.005%, 测定结果的相对标准偏差（RSD）不大于5%, 方法加标回收率为96%~109%, 合成样品的测定结果与理论值相符, 偏倚小于GB/T 20975.25—2020规定的再现性限。 该方法具有灵敏、 准确、 快速、 绿色等优点, 可用于铝合金中微量碲的分析, 填补了国内外铝合金中碲元素分析的方法空白, 为含碲新型先进铝合金的研发与应用过程的质量控制提供了技术支撑。

快速准确测定铁矿石中的硅、 铝、 钙、 镁含量对铁矿石质量评价具有重要作用。 受制于多变量分析方法过拟合现象以及不同种类样品基体效应, 使用激光诱导击穿光谱（LIBS）准确测定铁矿石中硅、 铝、 钙、 镁含量仍然是当前存在的挑战。 采用变量重要性-反向传播人工神经网络（VI-BP-ANN）辅助LIBS定量分析铁矿石中硅（以SiO2计）、 铝（以Al2O3计）、 钙（以CaO计）和镁（以MgO计）的含量。 在这项研究中, 收集了12种244批铁矿石代表性样品的LIBS光谱, 优化了光谱预处理方法, 使用随机森林（RF）对LIBS光谱特征的重要性进行了测量, 使用袋外(OOB)误差优化RF模型参数, 变量重要性阈值用于优化BP-ANN校准模型的输入变量。 变量重要性阈值和神经元数量通过五折交叉验证（5-CV）的测定系数（R2）和均方根误差（RMSE）进行优化。 结果显示测试样本SiO2、 Al2O3、 CaO和MgO含量预测均方根误差（RMSEP）分别为0.377 2 wt%、 0.133 9 wt%、 0.059 2 wt%和0.141 1 wt%, R2分别为0.970 1、 0.955 4、 0.987 1、 0.997 5。 相比于使用相同的预处理方法作为PLS、 SVM、 RF和BP-ANN四种模型的输入, VI-BP-ANN在校准集和预测集都显示出出色的预测能力。 结果表明LIBS与VI-BP-ANN的结合有潜力在实际应用中实现铁矿石硅、 铝、 钙、 镁含量的快速准确预测。

检测生物质原料的灰分含量是高效转化能源的基础, 但传统高温灼烧法测试耗时长、 成本高, 而近红外光谱分析技术能够实现无损、 快速及低成本对未知样本定性或定量的分析。 以5个地点、 10种类型的1 465份生物质原料样品为研究对象, 应用“筛选分类集合法”将样品划分9个集合, 构建近红外光谱生物质样品灰分含量模型。 主要结果为: 玉米秸秆（M）、 小麦秸秆+玉米秸秆+棉花秸秆（WCM）和小麦秸秆+杂草+园林叶（WWL）主因子数分别为5、 6和6； M集合的交叉验证决定系数（R2cv）为0.975, WCM集合的预测决定系数（R2p）为0.983, 模型拟合度最高； 长白皮+棉花秸秆集合（WC）的均方根标准误差（RMSE）最小分别为0.588 7和0.486 4, M集合的交叉验证相对分析误差（RPDcv）最高为6.3, WCM集合的预测相对分析误差（RPDp）最高为7.8, 模型预测精度最高； M集合的交叉验证平均相对偏差ARDcv最小为6%, WCM集合预测平均相对偏差ARDp最小为8%, 木质（W）集合RMSECV/RMSEP为1.01, 模型稳健性最高； 9个生物质样品灰分含量集合模型的R2范围为0.753 8~0.979 4, 建模集与预测集偏差较小均具有较好的线性关系, 其中, H集合（R2=0.942 5）、 M集合（R2=0.979 4）和WCM集合（R2=0.978 7）其拟合度与线性关系最优； L集合（木材边角料）的R2最低, 其值为0.753 8, 判断影响的主要因素是样品中含有泥沙、 粘合剂和油漆等杂质。 为解决常见生物质发电厂原料检测评估问题, 利用9个生物质灰分集合模型对11种生物质样品计算平均相对偏差（ARD）进行预测评估, 草质样品模型预测效果好（ARD范围为3.7%~16.5%）。 应用“筛选分类集合法”划分样品集合来建立近红外光谱生物质灰分含量模型, 其拟合度、 稳健性和精确度都较全样品集合模型性能更高。

高危阿片类毒品海洛因的泛滥, 对国家安定、 社会经济和人民生命财产安全带来了巨大的危害。 高效、 准确的海洛因及其代谢物的检测鉴定方法在打击毒品犯罪, 处理涉毒案件以及公安禁毒工作中具有十分重要的意义。 表面增强拉曼光谱（SERS）兼具检测速度快、 操作简便、 灵敏度高、 指纹识别及无损检测等优点, 能够实现对毒品的高效、 便携检测。 若结合模式识别技术, 可提高数据处理效率、 避免人为错判的发生, 进而实现自动精确分类识别的目的。 针对溶液中微/痕量海洛因及其代谢物, 提出了基于Au/SiO2复合纳米球阵列（Au/SiO2 NSA）的SERS检测与模式识别相结合的方法, 实现对它们的灵敏检测与高效鉴别。 首先, 采用气-液界面自组装和磁控溅射沉积的方法制备了具有良好SERS活性和结构一致性的Au/SiO2 NSA, 以此为SERS基底（芯片）, 结合便携式拉曼光谱仪, 成功实现了对水溶液中海洛因及其主要活性代谢物（6-单乙酰吗啡（6-MAM）和吗啡）的灵敏检测, 检测限低至10-4 mg·mL-1。 然后, 利用模式识别技术中的系统聚类分析（HCA）、 主成分分析（PCA）和支持向量机（SVM）对所获得的谱图数据进行定性/定量分类识别。 结果表明, 在HCA和PCA均能准确分类的基础上, 采用基于径向核函数、 线性核函数、 多项式核函数、 S型核函数中任意一种建立的PCA-SVM模型, 均能够100%地对海洛因、 6-MAM和吗啡进行定性识别； 选取基于径向核函数的SVM模型, 对不同浓度海洛因定量区分的准确率可达90.1%； 而通过基于线性核函数的SVM模型, 对不同浓度6-MAM和吗啡的判别准确率分别为84.8%、 70.2%。 这项工作不仅为基于SERS的灵敏检测与精准鉴别提供了一种具有实用价值的高质量基底（芯片）, 也为对海洛因及其代谢物进行准确的分类及识别给出了可行的方案。

芦丁是一类重要的黄酮类化合物, 具有抗肿瘤、 抗糖尿病、 抗氧化等多种生理功能, 因此开发简便、 灵敏的芦丁检测新方法具有十分重要意义。 基于谷胱甘肽稳定的荧光铜纳米簇（GSH-CuNCs）, 构建了一种简单、 高灵敏、 高选择性的荧光传感新方法用于芦丁的检测。 以谷胱甘肽（GSH）为稳定剂, 抗坏血酸（AA）为还原剂, 制备了具有优良发光性能的谷胱甘肽稳定的铜纳米簇（GSH-CuNCs）。 采用紫外吸收光谱、 荧光激发光谱和发射光谱对GSH-CuNCs的光学性能进行了研究。 GSH-CuNCs在365 nm激发波长下, 在420 nm处具有强的荧光发射。 GSH-CuNCs在293 nm（紫外光区）处有明显的吸收峰, 但在400 nm（可见光区）以上没有吸收。 结果表明, GSH-CuNCs具有类似分子的性质, 并且没有较大的铜纳米颗粒存在, 说明所制备GSH-CuNCs的纯度较高。 在4 ℃条件下贮存3个月后, GSH-CuNCs在420 nm处的荧光强度仍保持在96%以上。 当芦丁（Rutin）存在时, 铜纳米簇的荧光信号被显著猝灭。 这是由于芦丁的吸收光谱与GSH-CuNCs的荧光激发光谱有较大的重叠, 引发内滤效应所致。 对测定芦丁的pH值和反应时间进行了优化, 发现当pH值为7.5, 反应时间为10 min时, 荧光猝灭效果较好。 在优化的实验条件下, 测定了存在不同浓度芦丁时GSH-CuNCs的荧光发射光谱。 结果表明, 该传感方法对芦丁具有良好的荧光响应, 检测线性范围为1.00～200 nmol·L-1, 检出限为0.300 nmol·L-1。 在传感系统中引入相同浓度的其他干扰物质时, 只有芦丁对GSH-CuNCs的荧光信号有明显的猝灭作用, 表明该方法对于芦丁的检测具有良好的选择性。 该方法已经用于荞麦茶样品中芦丁含量的测定。 该方法无需修饰, 简便易行, 样品消耗少, 具有较高的灵敏度。

禹粮土在蒙药中使用历史悠久, 但由于缺乏质量指标, 质量得不到保证, 极大地影响了其应用。 采用FTIR、 XRD及ICP-MS法测定9批禹粮土样品的物质组成、 结构及元素含量, 探究禹粮土的质量控制方法。 结果显示, 9批生品禹粮土在FTIR波数为3 696、 3620、 1 621、 1 164、 913、 797、 778、 695、 537和469 cm-1存在共有峰, 其中797 cm-1为Fe—O—Fe伸缩振动吸收峰, 695 cm-1为Fe—O—Fe对称伸缩振动吸收峰, 469 cm-1为Si—O—Si特征峰。 禹粮土的XRD主要物相为Fe2O3和SiO2, 并有Al4（OH）8(Si4O10)、 K(Al4Si2O9)（OH）3、 CaCO3以及一些磷酸盐等其他矿物伴生。 生品禹粮土XRD衍射光谱的衍射角度2θ中24.870、 33.116、 38.436为Fe2O3的X射线衍射峰, 衍射角度2θ中20.837、 26.608、 36.512、 39.437、 40.235、 42.423、 45.759、 50.102和54.827为SiO2的X射线衍射峰。 通过ICP-MS对禹粮土中元素进行测定, 结果显示, 禹粮土的元素组成十分丰富, 且不同产地及不同批次元素含量差异较大； 禹粮土中Fe元素含量最高, 其均值为56.9 mg·g-1, 限量标准为生品禹粮土全铁量不低于4.55%, 生品禹粮土中Pb、 As、 Hg、 Cu和Cd元素限量不得超过50 μg·g-1。 元素聚类结果显示, 在欧式距离10～15将样品S3、 S5、 S6、 S7分为一类, 将S1、 S2、 S4、 S8、 S9分为一类, 聚类分析结果表明, 不同产地禹粮土元素组成和含量存在差异, 可以将河南与内蒙古产地的禹粮土分为一类, 山东和青海的禹粮土分为一类。 生品禹粮土主成分分析筛取了4个主成分, 累计贡献率为90.462%, 筛选K、 Sr、 Be、 As作为禹粮土样品的特征元素。

植被的光谱反射曲线特征区别于土壤、 水等其他物质, 密切关系于本身的生理性状表现。 由于对冠层植被进行俯视与侧视时的入目效果不一致, 实际角度原因会导致传感器获得的覆盖度信息产生误差。 以内蒙古四子王旗荒漠草原植被为研究对象, 利用自主设计组装的野外在线多角度光谱仪, 开展草原植被多角度实时观测试验。 并结合归一化植被指数（NDVI）、 比值植被指数（RVI）、 优化型土壤调节植被指数（OSAVI）以及光化学植被指数（PRI）共4种指数进行多维的数据比较。 分析了不同传感器观测角度（SVA）和不同太阳高度角（SEA）下的草地生理性状光谱多样性三者间的关联特征。 研究发现, 传感器观测角越大, 不同波段冠层反射率的日内变化程度越弱, 表现出明显的观测角度差异性和角度敏感程度差异性, 当传感器观测角（SVA）在75°附近或垂直向下观测时, 植被的反射率日变化标准差较小。 在固定传感器观测角度的情况下, 植被的反射率与太阳高度角呈正相关关系。 同样, 不同植被指数的角度效应也存在差异, OSAVI指数在传感器观测角（SVA）为45°时表现最为敏感, 不同月份都出现了最低值这一特征, PRI指数的最大值均出现在传感器观测角（SVA）为60°位置以下。 同时发现, 针对不同的太阳高度角（SEA）并基于所观测植被所处的不同生长期而选择一定传感器观测角度更有利于获得有效且精确的数据。 野外在线多角度光谱仪观测结果旨在为卫星影像产品矫正、 植被遥感精准监测、 草原生物量的准确估算等方面提供科学数据支撑。

抚顺煤精属于褐煤变种, 煤化程度低, 其主要构成部分是植物体的有机残体, 其显微组分主要包括凝胶体、 团块腐植体、 木质结构体、 树脂体和纤维素。 东坑料、 腰坑料和西坑料煤精品质依次降低, 其密度却依次增大, 分别为1.193、 1.196和1.289 g·cm-3, 而包含的树脂体含量依次减少, 占比分别为30%、 25%和10%。 在荧光显微镜下观察抚顺煤精, 结果发现抚顺煤精中可以产生荧光的组分有树脂体和木质结构体, 其中树脂体存在两种不同的类型, 分别是α-树脂体和β-树脂体, 而木质结构体的含量较少。 α-树脂体形状多呈纺锤形, 表面不平整, 轮廓不平滑； β-树脂体表面均一, 形状多呈圆形、 椭圆形或纺锤形, 轮廓较为清晰。 总体而言, α-树脂体的含量要低于β-树脂体, 且尺寸更小, 其荧光强度明显高于β-树脂体。 东坑料煤精的α-树脂体含量约10%, β-树脂体的含量约20%； 腰坑料煤精的α-树脂体含量约5%, β-树脂体的含量约20%； 西坑料煤精的α-树脂体含量约3%, β-树脂体的含量约7%。 对抚顺煤精中两种不同类型的树脂体进行光致发光光谱测试, 结果发现: α-树脂体和β-树脂体的光致发光光谱的谱峰均呈多峰, 且谱峰位置较为相近, 分别在411~412、 524~528、 551~553、 583、 600和625 nm处, 仅在强度上体现了较大的差别。 α-树脂体的λmax在525 nm附近, FWHM约120 nm, Q值的范围在0.459~0.899, 氧化程度相对较低； β-树脂体的λmax在553 nm附近, FWHM约180 nm, Q值的范围在0.919~1.30, 氧化程度相对较高。 与抚顺琥珀的荧光谱图进行对比, 抚顺琥珀的最大荧光波长λmax在434 nm附近, 比煤精中两种树脂体的λmax都要小, 而与树脂体在432 nm处的弱荧光峰位置较为接近。 实验表明抚顺煤精中树脂体的氧化程度高于琥珀, 因此在形成顺序上, 煤精先于琥珀。

赞比亚祖母绿在国内珠宝市场占有重要地位, 具有极高的经济价值, 为丰富该产地祖母绿的溯源信息, 采用常规宝石鉴定仪器, 结合激光拉曼光谱仪、 激光剥蚀电感耦合等离子体质谱仪、 傅里叶变换红外光谱仪、 紫外-可见-近红外光谱仪等测试分析方法, 对赞比亚Kagem矿场所产的祖母绿进行综合测试, 旨在研究Kagem祖母绿的宝石学、 化学成分和谱学特征, 为识别该产地祖母绿特征以及产地溯源提供实际有效的方法。 研究结果表明: 赞比亚Kagem祖母绿样品的颜色呈绿色-蓝绿色, 折射率约为1.580～1.595, 略高于其他产地； 具有弱-中等强度的二色性, 颜色呈蓝绿/黄绿色； 在查尔斯滤色镜下颜色不发生变化； 在长波和短波紫外荧光灯下荧光呈惰性。 放大观察, 可见样品内部含有丰富的固相包裹体, 气液两相包裹体多呈椭圆状或扁条状, 气体体积约占整个包裹体的1/3。 激光拉曼光谱测试显示, 样品中的管状包体为阳起石, 黑褐色金属矿物为磁铁矿, 黑色不规则包体为碳质包体, 柱状包体为钠长石。 化学成分最能凸显赞比亚Kagem祖母绿的产地特征, 与其他产地相比, Kagem祖母绿的致色元素表现为富Cr贫V, 化学成分特征为高Fe、 高Mg和高碱金属元素。 分析红外光谱可知, 该产地祖母绿中Ⅰ型水的特征吸收峰主要在7 268和7 140 cm-1处, Ⅱ型水的特征吸收峰主要在7 075、 6 840、 5 340、 5 205和1 619 cm-1处, Ⅱ型水的红外吸收峰整体强于Ⅰ型水, 表明Ⅱ型水的相对占比大于Ⅰ型水, 这一特征可与贫碱结构水类型的祖母绿产地相区分。 祖母绿的紫外-可见-近红外吸收光谱主要由Cr3+、 Fe2+和Fe3+的吸收峰构成, 吸收峰的峰位和吸收强度在不同方向上略有差异。

组织血氧饱和度（StO2）是检测组织和血液中血液灌注和血液氧合变化的重要指标, 在临床及日常监测中具有重要意义。 高光谱成像以其非接触、 光谱信息丰富等优点, 成为一种评估StO2的新兴手段, 然而高光谱成像设备造价昂贵且操作复杂, 限制了其使用环境及发展。 传统工业相机获取皮肤组织的RGB图像空间分辨率高、 但其光谱分辨率低, 若能提高光谱分辨, 则其实现高精度生理参数测量成为可能。 提出了一种基于RGB图像高光谱重建的StO2评估方法。 该方法基于深度学习方法构建了从RGB图像到皮肤组织高光谱图像的重建模型, 获得了高物理可靠性皮肤组织高光谱图像, 并利用改进的朗伯比尔模型, 实现了区域StO2评估。 采用普通可见光相机与高光谱相机通过捆绑实验同时采集了49位受试者处于不同血液灌注状态下手部的RGB图像与高光谱图像作为数据集。 在对高光谱图像进行降维去噪的基础上, 根据含氧血红蛋白、 脱氧血红蛋白的特征光谱选取了450～600 nm（含31个光谱通道）波段作为重建光谱波段, 构建了基于深度学习的皮肤组织高光谱重建神经网络模型。 实验结果表明, 重建模型获得的皮肤反射光谱与高光谱相机直接采集的反射光谱曲线具有较高的一致性, 测试集中二者的平均绝对误差（MAE）为0.009 38, 均方误差（RMSE）为0.0148 1。 之后对重建模型得到的区域StO2测量结果与高光谱相机得到的测量结果二者的相似性进行了定量评估, 测试集样本中两种方法生成StO2空间分布图的二维相关系数均处于可靠范围内（大于94%）, 表明了本文提出的基于可见光图像高光谱重建的StO2评估方法具有较高的可靠性。 该研究利用普通彩色相机实现了区域StO2评估, 为各种疾病的临床诊断和监测提供了一种简单低成本的StO2监测方法。

经典名方一贯煎由生地黄、 北沙参、 麦冬、 当归、 枸杞子、 川楝子6味药组成, 具有滋养肝肾、 疏肝理气之效。 红外光谱技术具有快速无损的优点, 可完整的将不同批次一贯煎基准样品的信息表达。 运用傅里叶变换红外光谱仪采集样品的红外光谱, 对原始光谱进行预处理, 得到相对峰高, 对共有峰进行归属, 采用聚类分析（HCA）、 主成分分析（PCA）及正交偏最小二乘法-判别分析（OPLS-DA）对图谱数据进行评价。 结果表明15批一贯煎基准样品中868、 822和779 cm-1波段为糖骨架伸缩振动吸收峰, 多为枸杞所贡献, 815 cm-1波段处少数为麦冬所贡献； 生地黄单煎液在1 148 cm-1波段处、 沙参单煎液在1 158、 1 082和1 019 cm-1波段处、 当归单煎液在993 cm-1波段处均有对糖苷类成分的贡献； 川楝子单煎液1 746 cm-1波段处可溶性脂类糖苷成分吸收峰明显, 一贯煎复方中此处吸收峰并不明显, 可能为川楝子与其他五味药配伍煎煮过程中化学成分发生变化。 HCA结果显示, 当组间距离=10时, S1、 S2、 S15聚为一类, S9、 S11、 S12、 S13、 S14聚为一类, S3、 S4、 S5、 S6、 S7、 S8、 S10聚为一类, 表明不同批次一贯煎汤剂内部质量存在一定差异。 PCA分类结果与聚类分析结果基本一致, 并计算不同批次的主成分综合得分, 其中批次3一贯煎汤剂质量最佳, 批次1质量最次, 由载荷散点图分析得到1 104、 1 142、 1 412、 1 260和868 cm-1波段峰对主成分1的贡献率较大； 777、 2936、 923、 1 721、 818和637 cm-1波段峰对主成分2的贡献较大。 OPLS-DA结果与HCA和PCA结果一致, 以VIP＞1为标准, 筛选出七个导致样品之间产生差异的波段, 分别为777、 637、 923、 2 936、 1 260、 1 412和1 630 cm-1, 该结果与PCA载荷图中寻找的重要性权重变量基本一致。 所建立的一贯煎红外指纹图谱方法简单、 准确度高, 可用于经典名方的快速鉴别分析, 为经典名方一贯煎的质量控制与评价提供参考。

头孢菌素类品种繁多, 应用广泛, 结构间存在一定共同特征, 但不同结构间的性质差异仍缺乏系统性的比较研究, 随着研究技术的不断发展, 光谱技术与量子化学计算相结合的方法已成为探究结构性质和观察药物分子电子结构最有效的方法之一。 为系统全面地研究非前药型第三代头孢菌素结构与性质的关系, 采用密度泛函理论方法X3LYP/6-311+G(d, p)对其几何结构、 红外光谱、 紫外光谱、 分子静电势、 前线分子轨道、 反应性描述符等进行对比分析并结合分子对接适当验证。 该方法计算几何结构如头孢唑肟(CZX)的理论值和实验值基本吻合, 头孢菌素的基本结构(BSC)二面角和键角比较相近, 但N、 O等原子对键长影响较大。 头孢他啶(CZX)和头孢噻肟(CTX)的理论计算红外光谱与实验相符, 非前药型第三代头孢菌素羰基的CO伸缩振动产生的图谱主要集中在1 766~1 644 cm-1之间, 1 650~1 550 cm-1范围内产生的强峰主要是N—H面内弯曲振动引起, 伯胺会在1 340~1 020 cm-1范围内产生强峰。 紫外光谱最强吸收峰主要集中200~250和300~350 nm范围, 其主要是由HOMO→LUMO+1, HOMO-2→LUMO和HOMO-1→LUMO+2等轨道电子跃迁贡献的。 分子表面静电势和局部反应性描述符分析预测极大点和极小点分别大多分布在羟基和氨基的H原子、 羰基O原子和N原子较集中的部位附近。 前线分子轨道与全局反应性描述符预测头孢他啶(CAZ)药物分子最为活泼, 头孢哌酮(CFP)则反之。 分子对接显示与HSA之间的作用力以疏水作用力、 氢键、 π-阳离子相互作用为主, 并验证静电势分析结果。 该研究基于密度泛函理论获得的非前药型第三代头孢菌素的光谱信息和结构性质规律, 可为仿制品制备中的质量控制, 衍生物的新药筛选开发, 作用机理的理解分析等提供重要信息。

土壤全氮是重要的养分指标, 利用高光谱技术研究并构建砂姜黑土全氮含量高光谱估测模型, 为作物施肥及发展精确农业提供参考。 尝试研究离散小波估测土壤全氮含量的可行性, 以河南省商水县不同小麦氮肥处理为试验区, 采集100份0～20 cm的砂姜黑土, 土壤样本风干并经研磨过筛等处理后, 在实验室暗室内采集光谱。 利用含量梯度法, 将总样本（100个砂姜黑土）划分为建模集75个和验证集25个。 将原始光谱进行一阶导数变换, 并对一阶导数光谱分别进行相关分析和离散小波变换, 同时结合支持向量机和K邻近算法构建高光谱土壤全氮估测模型。 系统分析了原始光谱和一阶导数光谱的单波段与土壤全氮的相关性, 结果表明, 经一阶导数变换后的光谱与土壤全氮有更好的相关性, 在1 373 nm处相关系数达到最高为0.84。 利用离散小波算法对一阶导数光谱进行最佳母小波和分解层次选择, 结果显示, 经sym8函数分解的小波系数能较好的重构土壤全氮光谱信息, 进一步基于分解层L1—L11的低频系数分别建立支持向量回归和K邻近回归土壤全氮含量估测模型, 比较全部估测模型, 以分解层L5的低频系数结合K邻近构建的模型最优, 建模决定系数为0.90, 均方根偏差为0.09 g·kg-1, 相对分析误差为3.78, 验证决定系数为0.97, 均方根偏差为0.05 g·kg-1, 相对分析误差为4.30。 同时与全波段和经相关分析后挑选出的敏感波段作为输入构建的模型进行比较, K邻近模型精度提高了3.2%和9%, 支持向量机模型精度提高了6.7%和11.6%。 研究结果表明一阶导数变换与离散小波技术可有效减少噪声影响, 提高土壤全氮含量的估测精度, 又实现了光谱数据降维, 简化了模型复杂度, 为砂浆黑土全氮含量的精确估测提供参考。

棉花杂质在轧棉过程中对棉纤维造成损伤, 导致成品纺织品出现瑕疵。 因此, 杂质的检测和分类在棉花生产过程及质量检验中至关重要。 地膜是我国机采棉中特有的杂质。 该研究将包括地膜碎片等12种常见棉花杂质放置于两层皮棉层之间, 采用推扫式高光谱成像系统在透射模式下对杂质与皮棉混合样本进行图像采集, 在400~1 000 nm范围内利用光谱信息识别嵌在皮棉层中的12种杂质。 首先对高光谱图像进行平场校正, 对边缘噪声进行裁剪； 选择500 nm处灰度图像进行人工感兴趣区域（ROIs）提取, 从ROIs提取皮棉和杂质平均透射光谱并进行标准化； 使用典型判别分析（CDA）对皮棉和杂质光谱进行处理并利用前三个典型变量绘制散点图, 观察散点分组情况, 采用多变量方差分析（MANOVA）对前三个典型变量评估每两种杂质之间的差异。 然后使用区间随机蛙跳（iRF）方法提取特征波段, 采用支持向量机（SVM）分类器, 分别对全波段及特征波段的透射光谱进行杂质和皮棉13个类别的分类研究, 对比分析两次分类的准确率。 结果表明, 全波段的各类杂质和皮棉的平均分类准确率为84.4%, 该方法对棉花内层杂质的检测与分类是可行的, 包括与皮棉外观相近的地膜、 塑料包装和纸的分类效果较好。 在提取12个特征波段后, 4种具有相似外观和相似化学成分的杂质（裂茎、 茎皮、 棉铃壳、 棕叶）分类准确率较低但都超过73%； 棉籽、 绿叶、 纸片、 塑料包装、 地膜、 皮棉的分类准确率均超过90%； 各类杂质和皮棉的平均分类准确率为86.2%； 与全波段光谱的分类结果相比, 特征波段光谱的平均分类准确率提高1.8%。 该研究结果可为棉花内层杂质检测研究提供理论依据, 并对高光谱透射成像技术的应用有较好的指导作用。

作物氮含量影响作物的生长状况, 合适的施氮量可以促进作物生长和提高作物产量, 因此准确、 快速地监测作物的氮含量十分必要。 旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力。 首先, 以无人机为遥感平台, 搭载高光谱传感器获取了冬小麦拔节期、 挑旗期、 开花期和灌浆期4个主要生育期的高光谱遥感影像, 并实测了各生育期的氮含量数据。 其次, 基于预处理后的高光谱影像, 提取冬小麦各生育期的冠层反射率数据, 并构造能较好反映作物氮素营养状况的12种植被指数和12种光谱特征参数。 然后, 计算了各光谱参数与冬小麦氮含量的相关性, 并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数； 最后, 利用逐步回归分析（SWR）构建基于植被指数、 植被指数结合光谱特征参数的氮含量估算模型。 结果显示: (1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性。 其中, 植被指数的相关性高于光谱特征参数； (2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行, 但精度还有待进一步提高； (3)与单一植被指数或光谱特征参数相比, 植被指数结合光谱特征变量利用SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期: 建模R2=0.64, RMSE=24.68%, NRMSE=7.96%, 验证R2=0.77, RMSE=23.13%, NRMSE=7.81%； 挑旗期: 建模R2=0.81, RMSE=15.79%, NRMSE=7.41%, 验证R2=0.84, RMSE=15.10%, NRMSE=7.08%； 开花期: 建模R2=0.78, RMSE=9.88%, NRMSE=5.66%, 验证R2=0.85, RMSE=9.12%, NRMSE=4.76%； 灌浆期: 建模R2=0.49, RMSE=13.68%, NRMSE=9.85%, 验证R2=0.40, RMSE=18.29%, NRMSE=14.73%)。 研究结果表明, 结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高, 研究结果可为冬小麦氮含量的空间分布和精准管理提供参考。

冬虫夏草卓越而神秘的补益效果一直为人们所关注, 尤其是它药食两用的药学价值和总砷超标引发了人们对冬虫夏草的诸多质疑。 分析冬虫夏草所含人体必须微量元素的水平, 对具有潜在毒性微量元素开展安全评价就显得非常必要。 依据原子发射光谱、 原子吸收光谱和原子荧光光谱对目标分析元素的适用性、 灵敏度、 精密度、 线性范围及抗常量元素强谱干扰能力选择较优分析方案, 选择基质干扰最小化的微波辅助消解程序, ICP-OES光谱仪分析Fe、 Zn、 Mn、 Cu、 Sr 五种元素含量, 石墨炉原子吸收法分析Pb元素含量, 原子荧光光谱法分析Se和As的含量。 分析研究了15个产地冬虫夏草中Fe、 Zn、 Mn、 Se、 Cu、 Sr、 As、 Pb等8种观测微量元素的平均含量。 结果表明: 与补肾药淫羊藿相比, 冬虫夏草中所含Mn、 Fe、 Zn、 Se均在较高水平, Cu和Sr含量在一般水平。 Pb的平均含量在药典限量以内, As的平均含量超出了药典限量。 Fe的平均含量在1 770.5 μg·g-1, Zn的平均含量在106.2 μg·g-1, Mn的平均含量在60.4 μg·g-1, Se的平均含量在0.055 μg·g-1, Cu的平均含量在17.4 μg·g-1, Sr的平均含量在4.4 μg·g-1, As的平均含量在11.42 μg·g-1, Pb的平均含量在2.33 μg·g-1。 玛沁冬虫夏草中的Mn和Fe含量最高, 分别达到了84.1和3 089.8 μg·g-1。 青海祁连冬虫夏草的Zn含量最高, 达到了163.0 μg·g-1。 治多冬虫夏草中的Se含量达到了0.083 μg·g-1。 冬虫夏草中Fe、 Mn、 As、 Zn的平均含量呈现显著的地区差异。

金属燃料的添加不仅能够提高推进剂的能量密度, 还能缓解冲压发动机高频燃烧的不稳定现象。 硼具有较高的质量热值和体积热值, 受到了广泛关注。 然而由于硼自身熔点高、 沸点高且表面存在氧化层, 导致点火困难, 燃烧性能差。 铝和铁的存在会使得氧化过程表面反应的放热增加, 提高温度, 促进硼的点火和燃烧。 同时由于铝和铁具有较高的燃烧热和较快的能量释放速率, 理论燃烧热利用率高, 可引入铝和铁来提高硼的燃烧效率和实际燃烧热值。 针对硼点火困难和燃烧性能差的问题, 将硼分别和铝、 铁掺混得到兼具较好点火性能和较高能量密度的复合金属燃料。 采用弥散燃烧系统研究了纳米硼基复合金属颗粒云的弥散燃烧特性, 利用高速相机获得硼及硼基复合金属颗粒云的燃烧过程, 并利用双色法测量了其温度分布变化, 应用光纤光谱仪、 扫描透射电镜、 X射线衍射和元素分析对硼基复合金属颗粒的燃烧特性及机理进行分析。 结果表明, 铝和铁的加入缩短了硼的点火延迟时间和燃烧时间, 并且使得同一时间内被点燃的硼颗粒数量增加, 硼的燃烧过程更加剧烈。 铝的加入提高了复合燃料的燃烧温度； 铁的加入降低了复合燃料的燃烧温度。 硼基复合金属颗粒弥散燃烧测温过程中观察到明显的绿光, 结合光谱图, 分析该绿光来自于硼燃烧生成的中间产物BO2。 硼基复合金属颗粒弥散燃烧后团聚物主要为氧化产物, 其中也含有少量的氮元素。 硼基复合金属颗粒弥散燃烧后产物团聚现象更为明显, 且不规则块状硼的破裂更加严重。 硼基复合金属颗粒进入管式炉后, 受到热辐射后在短时间内快速升温, 铝和铁颗粒率先达到着火温度开始燃烧, 燃烧释放的热量积聚在颗粒内部, 被硼颗粒吸收, 硼表面氧化层破裂, 内部硼与空气接触, 继而温度上升至硼的着火点, 硼开始燃烧, 从而促进了硼的燃烧。

为分析国产微波遥感器真实光谱响应在数值天气预报系统同化模块中对微波辐射快速模拟的影响, 基于逐线吸收模型, 采用TOVS辐射传输（RTTOV）预报因子和风云三号D星微波温度探测仪（FY-3D/MWTS-2）搭载的大气和陆地均有辐射贡献的第四通道真实光谱响应和理想光谱响应, 通过最小二乘法, 分别拟合生成真实光谱响应和理想光谱响应对应的快速微波辐射光学厚度拟合系数。 将两种拟合系数应用于中国气象局全球预报系统（CMA-GFS）的四维变分同化系统, 采用美国环境预报中心（NCEP）的分析资料（FNL）作为CMA-GFS的气象要素背景场, 模拟不同光谱响应驱动下的微波辐射背景场, 并与FY-3D/MWTS-2真实观测场进行对比统计分析, 分别计算真实光谱响应和理想光谱响应驱动时, 不同海陆类型下的观测背景差（OMB）, 分析真实光谱响应相比理想光谱响应, 对不同海陆类型的微波辐射模拟的差异。 分析结果表明, 在微波辐射观测场值较低的情况下, 真实光谱响应和理想光谱响应驱动模拟的微波辐射背景场值略高于观测场值, 随着微波辐射场值增大, 模拟的微波辐射背景场值与观测场值更为接近； 除南半球靠近极区的少部分地区外, 真实光谱响应驱动模拟的OMB均小于理想光谱响应驱动的模拟结果, 真实光谱响应驱动的辐射背景场模拟更接近于观测场； 相比采用理想光谱响应驱动, 采用真实光谱响应驱动后, 在陆地地区, 微波辐射OMB的均方根误差（RMSE）减小约1.80%； 在海洋地区, RMSE减小约2.6%； 在海陆交界地区, RMSE减小约4.72%, 全球总体RMSE减小2.17%； 采用真实光谱响应驱动后, OMB总体的标准差（STDV）和平均绝对误差（MAE）分别减小为0.75%和4.6%。

厚度为0.8 mm的超薄纤维板是目前纤维板品类中的试验创新产品, 树皮含量对其生产设备参数的设定以及静曲强度、 耐水性等质量指标影响较大, 精确测定超薄纤维板木纤维中树皮含量极为重要。 目前树皮含量的精确测定较为困难, 本试验通过高光谱近红外成像系统结合相关算法建立了纤维树皮含量检测模型, 创新了纤维树皮含量的检测方法。 利用高光谱成像仪分别测定了含有杨木树皮为0%、 3%、 5%、 7%、 10%、 12%、 15%、 20%、 25%、 30%和100%的杨木纤维样本的光谱图像。 分析了采用均值中心化（MC）、 多元散射校正（MSC）、 标准正态变量变换（SNV）以及一阶（1-Der）导数四种预处理的对比结果, 从而选择最优预处理方法为MSC。 对MSC预处理后的光谱数据采用SPA及CARS进行特征波长提取, 得到与树皮含量相关性最高的波段组合, 并与全波段模型进行对比分析, 建立偏最小二乘回归（PLSR）模型。 从实验数据可以看出: MC, MSC, SNV 和1-Der四种预处理建立的偏最小二乘回归（PLSR）模型预测性能存在差异, 其中全波段MSC-PLSR模型的性能最好, 其校正决定系数R2C为0.994, 预测决定系数R2P为0.985, 校正均方根误差RMSEC为0.831%, 预测均方根误差RMSEP为1.336%。 通过SPA和CARS分别提取了37个和49个特征波段, 其中CARS模型更好, 其R2C值为0.991, R2P值为0.979, RMSEC值为0.885%, RMSEP值为1.335%。 实验结果表明: 高光谱成像系统结合相应算法可以实现对纤维树皮含量的检测, 该研究结果为超薄纤维板生产中树皮含量的检测提供了技术支持和理论参考, 可以有效实现纤维中树皮含量的定量检测, 创新建立了一种能够测定纤维板树皮含量的模型方法。

壁画酥碱与盐霜主要由其所含的可溶性盐造成, 具有不可逆性, 严重影响壁画的健康状态, 利用非接触式的高光谱技术对壁画所含可溶性盐进行定量反演具有重要意义。 针对壁画盐分检测成本高、 时效低、 需要实地取样等问题, 提出一种基于高光谱盐分指数的壁画盐含量反演模型。 用黄沙土、 麦秸、 细麻与无水Na2SO4等在室内配制成不同盐含量梯度（盐土比例: 0～1%）的模拟壁画样本, 采用ASD-FieldSpec4HI-RES地物波谱仪进行光谱采集, 将断点校正与平均后的数据建立样本光谱集, 以7∶3的比例将样本集划分用于建模与预测。 对原始反射率（R）进行一阶微分（R＋1D）、 去包络线后一阶微分（CR＋1D）、 倒数的对数后一阶微分（LR＋1D）、 Savitzky-Golay平滑后一阶微分（SG＋1D）4种增强处理, 将原始反射率与增强处理后的光谱数据与盐浓度进行相关分析, 提取贡献度高的前三强相关波段。 用最强相关波段分别进行线性拟合与抛物线拟合建立单波段回归模型。 利用前三相关波段构造一种适用于壁画盐分的高光谱指数（MSI）, 并与归一化盐分指数（NDSI）、 三种盐分指数（SI1 SI2 SI3）、 亮度指数（BI）进行精度评估, 评价指标为决定系数（R2）、 均方根误差（RMSE）、 散点拟合线的斜率与截距。 结果表明: （1）随着盐浓度增加, 反射光谱曲线整体先降低后升高, 盐浓度在0.3%～0.6%范围内壁画样本的反射率最低。 （2）壁画中Na2SO4敏感波段对应为1 420、 1 940与2 210 nm, 在可见光范围也存在光谱响应。 （3）一阶导变换后光谱与盐浓度相关性最强, R2最高提升0.646。 （4）R-1D-MSI反演模型精度最高, R2C与RMSEC分别为0.857与0.116。 该研究可为壁画盐含量的快速、 无损检测提供新的技术手段。

松材线虫病对我国松林资源造成严重破坏, 早期精准诊断该病害对精准防控及保障国家森林生态安全具有重要意义。 该病目前的诊断技术包括林间症状诊断法、 病原线虫鉴定法、 流胶法等, 这些方法受到条件或技术的限制而不完善, 也无法有效地对松树针叶变色前或极少数针叶变色的阶段进行诊断。 为此提出一种基于光谱分析的马尾松松材线虫病针叶电阻率检测方法。 对野外8~9年生马尾松接种松材线虫后, 在不同时间对针叶进行数据测量。 使用美国Ocean Insight公司生产的Ocean Optics USB2000+对马尾松针叶反射光谱数据进行采集, 取冠层上、 中、 下3个位置光谱反射率平均值作为该植株的光谱反射率； 将针叶横截面近似看成半椭圆形, 剪取针叶中部4 cm, 测量针叶的宽度和厚度, 使用M4070 LCR测试仪测其电阻值, 从而计算出其电阻率； 取冠层上、 中、 下3个位置电阻率平均值作为该植株的针叶电阻率。 对原始光谱（OR）进行光谱变换, 主要方法为一阶导数（FD）、 二阶导数（SD）、 对数变换（LOG）、 倒数变换（1/R）和连续统去除法（CR）； 使用随机森林算法对原始光谱和各个变换的光谱数据提取特征波段以反演针叶电阻率, 采用最小二乘支持向量机（LSSVM）算法对筛选出的特征波段与针叶电阻率的建模效果进行分析, 确定最佳马尾松针叶电阻率预测模型。 结果表明, 在该病害出现极少数针叶变色后的早期阶段, 马尾松接虫株与对照株针叶电阻率达到极显著差异（p<0.01）。 LSSVM建模效果表明, 二阶导数变换后的光谱数据综合表现最好, 选择特征波段为594.986、 646.107、 646.451、 782.896、 784.841、 839.164、 863.890、 902.021、 947.901和962.315 nm； 建模集和验证集的平均R2为0.848, RMSE和MAE分别为32.331和7.067。 相较于原始数据（OR）建立的模型, R2提升4%, RMSE和MAE分别降低2.5%和18.9%。 研究结果表明, 使用针叶反射光谱反演针叶电阻率是可行的, 且SD-RF-LSSVM建立的预测模型精度最高, 可用于针叶电阻率的快速估测, 为实现基于遥感的松材线虫病早期诊断与监测提供了思路与方法。

高光谱成像技术（HSI）是基于非常多窄波段的影像数据技术, 将成像技术与光谱技术相结合, 获取高光谱分辨率的连续、 窄波段的图像数据, 因其快速、 无损的特点, 被广泛应用于食品、 农产品、 中药材等样品的快速鉴别。 道地药材新会陈皮具有较高的市场价值, 且陈化（贮藏）年份越久市场价格亦越高, 市场人工鉴别准确率低、 难度大。 基于高光谱技术结合化学计量学方法, 建立不同陈化年份新会陈皮的快速无损鉴别方法。 采集5个陈化年份样品在可见-近红外波段（400～1 000 nm）的高光谱信息, 提取高光谱图像感兴趣区域（ROI）的平均光谱值作为样本原始光谱。 经黑白校正后获得标准数据, 通过多元散射校正（MSC）、 一阶导数（D1）、 二阶导数（D2）、 SG平滑（SG）和标准正态变量变换（SNV）5种预处理方法对数据进行降噪处理后, 结合偏最小二乘判别分析（PLS-DA) 、 随机森林（RF）和支持向量机（SVM）等方法建立分类鉴别模型, 以预测结果的准确率作为评价指标筛选最佳模型, 使用混淆矩阵（confusion matrix）评估模型分类性能。 结果表明, 外表皮数据以MSC结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率达到97.59%； 而内表皮数据则以原始数据结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率亦达到97.59%。 采用内表皮数据, 进一步采用连续投影算法（SPA）选择19个特征波长建模, 整体判别准确率仍可达90%以上。 通过SPA方法提取的特征波长建模可以达到与全波长模型相似的识别效果, 去除冗余变量可以大大降低模型的复杂性, 减少模型的运算时间。 该研究建立的高光谱技术结合化学计量学的方法可实现不同陈化年份新会陈皮样品的快速无损鉴别, 为专属小型化仪器装备系统的开发提供了理论依据。

CO2和CH4是城市排放的主要温室气体, 高精度、 高时空分辨率的移动观测手段有利于了解其在城市中的分布细节, 也可以了解源的动态变化。 本文分析了现有的大气温室气体的移动监测手段, 在此基础上基于自研设备离轴积分腔光谱仪、 三维风速仪和车载差分GPS搭建了一套移动观测系统, 开发了配套的温室气体走航观测数据分析软件系统, 对合肥市典型道路的CO2和CH4进行了观测, 对观测到的典型CH4浓度热点进行分析, 并对垃圾填埋场进行了CH4的观测。 结果表明: 合肥市一环路CO2浓度分布与城市面源排放影响有较好相关性、 CH4分布则与其相关性较差, 但受点源影响较大, 二环CO2和CH4浓度分布与周边森林、 水源、 商圈的分布密切相关； 总体上早晚高峰期一环和二环CO2和CH4的平均浓度（中位数）均高于闲时, 一环浓度高于二环； 利用三维超声风速仪、 GPS计算实时自然风风速风向, 分析道路上CH4浓度热点主要来自天然气加气站、 生化池、 天然气机动车等, 其中天然气机动车排放的CH4与CO2相关性系数约70%, 怠速、 起步、 缓慢行使过程中的排放较大； 肥东和肥西生活垃圾填埋场捕捉到的CH4浓度高值分别与填埋场封层的不完整和周围垃圾焚烧发电厂车间的无组织释放有关； 利用高斯烟雨扩散模型估算了肥西垃圾填埋场车间门打开状态CH4排放速率比未打开时高出一个数量级； 北城和庐江垃圾填埋场CH4较前两个的无组织排放小。 研究证明了城市移动观测系统一方面可以为城市综合碳排放监测体系的建立提供参考, 另一方面可以为城市温室气体浓度特征的研究提供基础数据。

高光谱数据中存在的大量冗余信息对高光谱估测精度产生较大影响。 旨在寻求特征波段筛选的最佳算法, 以实现土壤重金属铅含量的准确监测, 为土壤污染防治提供参考。 以新疆渭干河-库车河三角洲绿洲土壤重金属铅含量与光谱数据为数据源, 利用蒙特卡洛交叉验证（MCCV）算法确定92个有效土壤样品, 通过相关分析选取倒数对数一阶微分变换处理的光谱数据, 采用随机蛙跳（RF）算法, 并结合竞争性自适应重加权（CARS）算法、 迭代保留有效信息变量（IRIV）算法及连续投影算法（SPA）, 构建RF-CARS、 RF-IRIV及RF-SPA三种算法对波段进行筛选。 以倒数对数一阶微分变换处理下的特征波段反射率为自变量, 土壤重金属铅含量为因变量, 采用极端梯度提升（XGBoost）和地理加权回归（GWR）方法构建土壤重金属铅含量估测模型。 结果表明: （1）光谱变换处理可有效增强光谱与土壤铅含量的敏感性, 其中倒数对数一阶微分变换后的土壤光谱特征更为明显, 相关系数可达到0.620（p＜0.001）。 （2）RF-CARS、 RF-IRIV及RF-SPA算法分别从高光谱数据中筛选出6、 9和7个特征波段, 全部位于近红外光谱区域, 3种算法具有较强的特征提取能力, 极大减少光谱数据中的冗余信息。 （3）基于RF-IRIV算法构建的土壤铅含量估测模型的精度和稳定性高于RF-CARS和RF-SPA算法构建的模型, 说明RF-IRIV算法能更为准确的保留与土壤铅含量相关的波段。 此外, GWR模型的性能优于XGBoost模型, 构建的RF-IRIV-GWR模型具有较好的预测能力, 可作为研究区土壤铅含量的最优估测模型, 其验证集的决定系数（R2）为0.892, 均方根误差（RMSE）为0.825 mg·kg-1, 相对分析误差（RPD）为3.09。 基于随机蛙跳（RF）与迭代保留有效信息变量（IRIV）算法, 结合地理加权回归（GWR）建模方法在快速准确估测土壤铅含量方面具有一定优势, 可进行土壤重金属污染的动态监测。

燃油发动机的尾气成分检测对于发动机的状态判断、 环境污染监测等具有重要参考价值。 选择以95号汽油为燃料的除草机的发动机作为实验样机, 将发动机排出的尾气直接吹向拉曼积分球光谱仪信号采集焦点, 利用拉曼积分球光谱仪较高的气体检测限和定性、 定量检测所有分子类气体的特点, 对尾气中的气体分子成分进行检测。 探测到尾气的气体成分主要包括N2、 O2、 CO2、 CO、 未燃烧的汽油等。 以氮气振动(2 331 cm-1)的拉曼特征峰强度作为标准, 对O2(1 553 cm-1)、 CO2(1 285和1 388 cm-1)、 CO(2 144 cm-1)、 未燃烧的汽油(2 894 cm-1)的拉曼光谱强度进行归一化处理, 获得其相对拉曼特征峰强度。 对比发现, 空气和汽油挥发混合气的光谱中均未出现CO的特征峰, 汽油挥发混合气中的O2、 CO2含量与空气相比也没有明显变化, 而CO2费米共振峰1 388和1 285 cm-1拉曼特征峰的相对强度比发生变化。 除草机工作状态分为怠速、 一档和二档, 处于工作状态时, 尾气成分中的O2含量均比空气中含量低, 可以定量分析发动机工作过程中消耗的O2量。 而燃油发动机从怠速加速到一档和二档的过程中, 尾气中O2含量相对增加。 这是由于发动机档位的提升伴随着空气的进气量增大, 则参与发动机燃烧的氧气比例相对减少。 与此同时, 尾气中CO2含量相比于空气中的含量急剧增加, 说明燃油发动机工作过程会产生大量的CO2, 且随着档位的提升, 发动机的动力增加, 尾气中CO2比例也逐渐增高。 CO2作为导致温室效应的主要原因, 化石燃料的使用也是其主要来源之一。 数据显示尾气中CO的含量与尾气中汽油的含量成正相关, 说明燃烧不充分的时候, 汽油剩余较多, CO作为不充分燃烧的产物, 其含量也会增加。 随着发动机档位的增加, N2特征峰的绝对强度降低, 这是因为发动机尾气温度升高, 造成氮气的斯托克斯散射强度降低。 利用拉曼积分球光谱仪对不同状态下发动机尾气成分的变化进行分析, 并初步建立发动机状态与气体浓度变化的关系。 对拉曼积分球技术应用于燃油发动机尾气检测进行了初步探索并验证了其可行性。

入海河流是陆源污染物向海洋输送过程的关键环节, 其富营养化对区域生态环境及人类生活安全构成严重威胁。 由于习近平生态文明思想的深入贯彻, “河长制”、 “湾长制”等管理制度的广泛推行, 以及污染防治攻坚战的全面打响, 入海河流与近岸海域的水质状况得到稳步改善, 但仍存在波动, 污染防治形势依然严峻, 实时有效的大范围遥感监测能力亟待加强。 随着近年来高分卫星与无人机遥感技术的迅速发展, 如何将定量遥感技术应用于河流水体的生态环境要素监测, 从而推进污染防治水平进一步提升已成为该领域研究热点。 基于2022年6月期间在连云港境内蔷薇河、 临洪河、 古泊善后河及灌河获取的叶绿素a、 总磷、 总氮浓度等实测数据, 并采用Sentinel-2A MSI L2A卫星影像, 开展了连云港主要入海河流叶绿素a及综合营养状态指数［TLI(Σ)］遥感定量反演研究。 结果表明, 叶绿素a浓度、 综合营养状态指数与可见光波段反射率的相关性明显高于其他波段, 尤以490、 560、 665 nm三个波段最佳, 其中R(λ)与Chl a的相关系数分别为-0.697、 -0.681、 -0.693, R(λ)与TLI(Σ)的相关系数分别为-0.728、 -0.744、 -0.706, 可作为建模的敏感波段； 经反演模型的精度对比发现, 以R(665)为自变量, 在叶绿素a浓度对数坐标下的乘幂模型为其遥感定量反演的最优模型(R2=0.67, MAPE=47.34%, RMSE=12.89 μg·L-1), 而以R(560)为自变量的乘幂模型是综合营养状态指数遥感定量反演的最优模型(R2=0.61, MAPE=4.36%, RMSE=3.45)； 将最优模型应用于2022年6月25日Sentinel-2A MSI L2A影像, 得到连云港主要入海河流叶绿素a浓度和综合营养状态指数的空间分布结果, 发现蔷薇河/临洪河、 古泊善后河及灌河均处于富营养化状态, 叶绿素a浓度和综合营养状态指数均以蔷薇河/临洪河最高, 古泊善后河次之, 灌河最低, 且河流上游反演结果普遍高于下游。