偏离朗伯比尔定律NaCl水溶液的红外光谱合成

氯化钠水溶液中,水分子之间的氢键相互作用随氯化钠浓度变化而发生改变,导致不同浓度的水溶液光谱形状也不同,因此NaCl溶液的光谱不满足朗伯比尔定律。如果浓度c与吸光率A不满足朗伯比尔定律,则利用光谱差减技术扣除溶剂水的吸收峰问题就会遇到瓶颈,差减效果不能令人满意。利用二元线性回归分析法和双边夹原理合成杂化光谱,期望在偏离朗伯比尔定律体系,可以理论上获得各种浓度的NaCl水溶液的杂化光谱,并且保证杂化光谱与其代表的真实光谱高度相似。主要结论如下：(1)浓度c₁和c₂的NaCl水溶液的红外光谱分别为A_c1和A_c2,则浓度介于c₁和c₂之间的溶液光谱,均可用A_hc(c₁, c₂)=âA_c1 +A_c2来表示。A_hc(c₁, c₂)与浓度为c(c₁＜c＜c₂)的溶液的真实光谱A_c高度类似。(2)c₂和c₁间隔越小,杂化光谱A_hc(c₁, c₂)与真实光谱A_c的相似度越高,因此可根据精度要求选择合适的A_c1和A_c2来拟合A_hc 。(3)杂化光谱A_hc(2%, 30%)=âA_2%+A_30%,适用浓度区间2%～30%,涵盖浓度范围宽,效果令人满意。(4)回归系数â和与浓度c关系为â=-3.592c+1.058 9,=3.565c-0.0551 5。在2%~30%浓度范围内,选取浓度c数值,即可获得相应回归系数â和,再将â和代入方程A_hc(2%, 30%)=âA_2%+A_30%,即可获得NaCl水溶液的杂化光谱。杂化光谱与相对应的真实光谱高度近似,A_hc(2%, 30%)≈A_c,完全可替代真实光谱。     

近红外光谱法对甲醇柴油中甲醇含量测定

应用近红外光谱结合化学计量学方法实现了对甲醇柴油中的甲醇含量的定量分析。以实验室配制的32种不同浓度[浓度范围为2%～25.8%(φ)]的甲醇柴油溶液为研究对象,在4 500～7 000 cm-1光谱范围内,建立偏最小二乘(PLS)、支持向量机(SVM)和最小二乘支持向量机(LS-SVM)三种定量分析模型。在建立SVM模型时,经过比较分析,径向基函数(radial basis function,RBF)作为SVM模型的核函数时可以获得更高的预测精度。最终获得甲醇含量的PLS, SVM和LS-SVM三种模型的预测相关系数R_P分别为0.985 9, 0.990 3, 0.998 9,预测均方根误差RMSEP分别为0.405 2, 0.356 3, 0.062 4,可以看出,三种预测模型都可以达到很好的效果,最优的预测模型是使用LS-SVM建模。研究结果表明,利用近红外光谱法结合化学计量学方法对甲醇柴油中甲醇含量的检测具有可行性,并可以达到很好的效果。采用近红外光谱技术结合化学计量方法对甲醇柴油中甲醇含量进行定量分析,也为近红外光谱技术快速无损检测甲醇柴油甲醇含量提供参考和应用价值。     

基于冠层光谱的水稻穗颈瘟病害程度预测模型

对水稻稻瘟病病害程度的定量预测是精准防控的关键,田间冠层尺度的研究可为高光谱传感器提供理论基础。以受穗颈瘟胁迫的水稻为研究对象,采用SVC HR768i型光谱辐射仪在大田中获取灌浆期两个不同时间段的水稻冠层光谱反射率,以水稻发病株数百分比作为病害严重程度指标。冠层光谱数据采用九点平滑预处理,并重采样为1 nm间隔,计算植被指数;经过去包络线和一阶导数光谱变换,提取高光谱特征参数。分析不同时间段的光谱变换、植被指数、高光谱特征参数与病害程度的相关关系,构建基于植被指数、高光谱特征参数的穗颈瘟病害程度随机森林预测模型,并对比分析两个单时期预测模型异同,优选共用输入量,构建出两时期混合数据的病害程度预测模型。结果表明：（1）原始光谱曲线经去包络线处理可有效增强与病害程度相关的光谱信息,近红外波段（960～1 050和1 150～1 280 nm）的相关系数在0.80以上;（2）高光谱特征参数与病害程度相关性分析中,去包络线吸收谷参数相关系数高于其他参数,吸收谷V₃（910～1 100 nm）、吸收谷V₄（1 100～1 300 nm）中面积（A₃和A₄）、深度（DP₃和DP₄）、斜率（SL₄和SR₄）的相关系数在0.74以上;（3）去包络线吸收谷参数结合随机森林模型预测穗颈瘟病害程度在单时期及两时期混合数据中均表现最好。灌浆期后期数据预测效果最佳,验证集决定系数R2=0.91,均方根误差RMSE=0.02;（4）两时期混合数据预测精度处于两个单时期预测精度之间,验证集决定系数R2=0.85、均方根误差RMSE=0.03。研究成果揭示了灌浆期不同时间段水稻穗颈瘟光谱响应机制,表明去包络线吸收谷参数结合随机森林模型预测稻瘟病的实用性,可为田间水稻穗颈瘟病害程度进行快速、精确、无损地定量预测,为精准施药提供理论依据,并对未来航空、航天遥感的病害监测提供一定的技术支持。     

近红外特征光谱的羊肉TVB-N浓度预测模型

为提高生鲜羊肉储存期内（4,8和20 ℃环境）挥发性盐基氮（TVB-N）的近红外光谱（NIR）检测的稳定性和准确性,选取特征光谱和预测模型是关键步骤。以121个羊肉样品为实验对象,采集生鲜羊肉680~2 600 nm波段的近红外光谱。以多元散射校正（MSC）、标准正态变换（SNV）等散射校正方法,Savitzky-Golay卷积平滑（SGS）、移动平均平滑（MAS）等平滑处理方法,以及归一化（Normalization）、中心化（Centering）、标准化（Autoscaling）等尺度缩放方法分别预处理光谱数据后建立偏最小二乘法（PLS）预测模型。比较发现SGS处理的光谱建模效果最好。利用蒙特卡洛采样（MCS）法及马氏距离法（MD）消除了羊肉光谱的5个异常数据。运用光谱-理化值共生距离（SPXY）算法划分总样本的75%（87个）为校正集样本,剩余29个为验证集样本,利用竞争性自适应重加权法（CARS）、无信息变量消除法（UVE）、改进的无信息变量消除法（IUVE）和连续投影算法（SPA）提取特征光谱得到的波长个数分别为14,713,144和15。将全光谱和4种方法提取的特征波长作为输入变量建立预测模型,CARS提取的波长所建立模型的性能优于UVE、IUVE和SPA提取的波长所建立模型的性能,表明CARS方法可以有效简化输入变量并提高预测模型的性能。改进后得到的IUVE法相比于UVE法,筛选出的波长数更少且模型性能有所提升。以提取的特征波长建立PLS,支持向量机（SVM）和最小二乘支持向量机（LS-SVM）预测模型,SVM模型得到最优的校正集预测结果,其中CARS-SVM预测模型的校正决定系数（R2_C）和校正均方根误差（RMSEC）分别为0.939 1和1.426 7,最优的验证集预测效果为LS-SVM预测模型得到,其中IUVE-LS-SVM预测模型的验证决定系数（R2_V）和验证均方根误差（RMSEV）分别为0.856 8和1.886 2。基于近红外特征光谱建立简化、优化的生鲜羊肉储存期TVB-N预测模型,为实现快速无损检测生鲜羊肉中的TVB-N浓度提供技术支持。     

基于特征波段的高光谱技术检测水体中毒死蜱浓度的实验研究

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R2_C分别提高至0.987 5和0.999 2,预测集决定系数R2_P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R2_C分别提高至0.998 3和0.998 8,预测集决定系数R2_P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R2_C分别为0.993 7和0.987 8,R2_P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R2_C分别为0.9882和0.9807,R2_P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。     

浊度干扰下硝酸盐浓度紫外导数光谱检测方法研究

硝酸盐是水中“三氮”（硝酸盐氮、氨氮、总氮）之一,是反映水体受污染程度的一项重要指标。传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、耗时长,难以满足现代水环境实时在线检测需求。由于硝酸根在紫外区具有很强的紫外吸收特性,并且紫外吸收光谱法具有简便快速、可实现实时在线监测等特点,近年来被广泛用于硝酸盐浓度的测量。但使用紫外吸收光谱法检测水体硝酸盐含量时,容易受到水体浊度影响,造成谱线非线性抬升,导致测量误差。目前对浊度补偿算法的研究大都用于水中COD含量的检测,对硝酸盐检测中浊度干扰去除研究较少。为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法,该方法可以减小浊度干扰,从而提高紫外光谱快速检测硝酸盐含量的准确度。通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理,处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理,比较浊度与硝酸盐紫外吸收一阶导数光谱特征,分波段研究浊度对硝酸盐紫外一阶导数光谱影响,结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小;选取220~230 nm波段作为光谱分析区间,以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本,利用偏最小二乘算法建立硝酸盐定量分析模型,使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度,结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数（correlation coefficient,R2）为0.994 3,预测均方根误差（root mean square error of prediction,RMSEP）为0.346 9 mg·L-1。为进一步验证该方法的准确性与稳定性,使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度,结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0.991 5,预测均方根误差RMSEP为0.362 8 mg·L-1。综上所述,提出的硝酸盐浓度紫外导数光谱检测方法,采用220~230 nm波段的紫外导数光谱数据,结合PLS建模,可以快速准确测量在浊度干扰下水体硝酸盐的浓度,为发展实际水体硝酸盐在线监测技术与设备提供方法基础。     

基于SG-Lasso-PLS融合算法的水体硝酸盐氮紫外光谱检测研究

硝酸盐氮(NO₃-N)是水中“三氮”(硝酸盐氮、亚硝酸盐氮、氨氮)之一,能够反映水体受污染的程度,是水质评估的一项重要指标。水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重,而且会对人畜及水产构成较大威胁。传统的硝酸盐氮检测必须先反应后测定,具有时间长、操作复杂、有二次污染等缺点。光谱法具有快速、无损、无试剂消耗等显著优点。针对硝酸盐氮难以快速检测的问题,提出了一种基于紫外吸收光谱的快速定量分析硝酸盐氮的方法。采集42份浓度为0～20 mg·L^-1的硝酸盐氮标准溶液样本的紫外吸收光谱,每份样本经11次平均处理以减少仪器噪声和环境的影响。采用SPXY算法按照7∶3的比例划分训练集、测试集,对紫外吸收光谱数据使用Savitzky-Golay(SG)滤波算法进行预处理,通过10折叠交叉验证获得套索回归(lasso regression)合适的正则化参数λ=0.203 6,再使用Lasso回归在全光谱范围内筛选出与硝酸盐氮相关的光谱特征波长,将特征波长处的吸光度与样本浓度进行偏最小二乘(PLS)拟合建立硝酸盐氮的回归模型。采用此建模方法所建立的模型训...     

基于分数阶微分算法的大豆冠层氮素含量估测研究

氮素与作物的生长发育、产量和品质密切相关。作物冠层氮素含量的快速、准确、无损检测对于作物营养诊断和长势评估具有重要意义。传统的氮素检测方法检测周期长、操作复杂,同时具有破坏性,无法实现作物氮素含量在时间和空间上的连续动态监测。基于光谱遥感技术快速、无损地获取作物氮素含量是近年来作物组分快速检测研究的热点。当前的研究大多基于原始光谱或整数阶微分(一阶、二阶)预处理后的光谱进行氮素含量预测,原始光谱或整数阶微分预处理后的光谱会忽略光谱曲线间的渐变信息,影响氮素含量的预测准确度。与原始光谱和整数阶微分方法相比,分数阶微分算法在背景噪声去除、有效信息提取等方面较有优势。为研究分数阶微分预处理算法在作物氮素检测中的应用,本文以不同施肥处理下的盆栽大豆作物为研究对象,获取大豆苗期、花期、结荚期和鼓粒期四个生育期共256组冠层高光谱及对应的大豆冠层氮素含量(CNC)数据,运用分数阶微分算法对光谱数据进行0～2阶微分预处理,微分间隔为0.1,分别采用归一化光谱植被指数NDSI、比值光谱指数RSI对预处理后的光谱数据和大豆冠层氮素含量数据进行相关性分析,得到各阶微分预处理下NDSIα(α代表分数阶微分阶数)与大豆CNC,RSIα与大豆CNC相关系数绝对值的最大值及其对应的波段组合--最优波段组合NDSIα(opt)和RSIα(opt),采用线性回归方法,建立各阶微分下NDSIα(opt)与CNC,RSIα(opt)与CNC的预测模型,并与常用植被指数(VOGII, MTCI, DCNI, NDRE)建立的氮素含量预测模型进行比较,研究分数阶微分算法对大豆作物冠层氮素含量预测模型的效果。结果表明：(1)在0～2阶微分范围内,最优波段组合NDSIα(opt),RSIα(opt)与大豆CNC的相关系数随阶数增加呈现先升高后下降趋势。其中,0.8阶微分下NDSI_0.8(R₇₂₅, R₇₆₉)与大豆CNC的相关系数最大,为0.875 9;0.7阶微分下RSI_0.7(R₅₄₈, R₇₆₇)与大豆CNC的相关系数最大,为0.865 1;(2)分数阶微分预处理能够细化光谱数据中的有效信息,增强光谱数据对冠层氮素含量的敏感性,尤其是增强红边平台波段与氮素含量的正相关性及绿波段与氮含量的负相关性;(3)与整数阶微分、常用植被指数相比,分数阶微分能够提高大豆CNC预测模型的准确性。其中,基于0.7阶微分RSI_0.7(R₅₄₈, R₇₆₇)建立的大豆CNC预测模型与0阶微分RSI₀(R₇₂₅, R₇₆₉)相比建模集决定系数(R2_C)和预测集决定系数(R2_P)分别提高了0.061 9和0.016 6,建模集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别降低了0.552 5和0.180 9,预测相对偏差(RPD)提高了0.110 4。基于0.7阶微分RSI_0.7(R₅₄₈, R₇₆₇)建立的大豆CNC预测模型与VOG II相比R2_C和R2_P分别提高了0.086 6和0.025 5,RMSEC和RMSEP分别降低了0.757 5和0.248 3,RPD提高了0.146 88;(4)基于0.7阶微分比值光谱指数RSI(R₅₄₈, R₇₆₇)建立的大豆LNC预测模型较优,其R2_C为0.748 4,R2_P为0.800 3,RMSEC为4.752 9,RMSEP为3.511 1,RPD为2.253 7,能够较好的估测大豆冠层氮素含量。研究表明分数阶微分算法在大豆冠层氮素含量的定量预测中具有一定的优势,为光谱遥感技术在作物氮营养检测中的应用开拓了新的思路。     

精细全光谱结合GS-SVR的复杂水体硝酸盐分析方法研究

硝酸盐是水质健康状态评价的一个关键要素。水体中高浓度的硝酸盐会导致生物多样性剧减以及生态系统的退化,同时对人类的健康产生不可逆转的伤害。基于光学测量的水质在线监测是当前及未来水环境动态监测的发展趋势。相较于传统硝酸盐现场采样加实验室分析的测定方法,具有操作便捷,无需前处理,检测效率高,可靠性好且无污染等显著优点。由于实际水体组分的复杂性与多样性,水体参数和吸光度二者并非呈现线性相关,传统的单波长法,双波长法,偏最小二乘法等线性回归预测模型已不适用。基于此,提出一种精细全光谱结合可变步长网格搜索,优化支持向量回归(GS-SVR)的水体硝酸盐分析方法。同时与陕西科技大学化学与化工学院合作,采用标准的硝酸盐溶液,铂-钴标准溶液,福尔马肼标准混悬液根据实验要求配制了不同浓度梯度94组溶液样本。首先将采集到的透射率光谱数据完成吸光度转换,并使用Kennard-Stone方法将94个溶液样本划分为80个训练集和14个测试集。其次使用改进的GS算法结合交叉验证,通过多次迭代,减小搜索范围、改变搜索步长对SVR进行参数寻优,并将最优惩罚参数C和核函数宽度σ用于训练集中进行模型建立,最后用所建立的模型对测试集进行浓度预测。并将预测效果与反向传播神经网络(BPNN),SVR,GS-SVR,粒子群算法优化SVR(PSO-SVR),遗传算法优化SVR(GA-SVR)的模型预测结果比较,结果显示,提出的算法模型相关系数R2=0.993 5,预测均方根误差RMSEP=0.043 5,最优参数C和σ组合为(512,0.044 2),平均训练时间为13 s。相较于上述五种预测模型,R2分别提高了1.22%,11.66%,0.78%,0.74%和0.77%,训练效率分别提升4.15倍(BPNN),8.30倍(GS-SVR),21.38倍(PSO-SVR),10.23倍(GA-SVR)。模型的预测精度以及训练效率方面都取得了很大的提升,为复杂水体硝酸盐浓度的快速实时在线监测提供了一种新的方法。同时,该方法具备一定的普适性,也适用于其他水质参数预测模型的建立。     

基于高光谱成像技术的油菜叶片SPAD值检测

以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380～1030 nm范围内的高光谱图像。选择500～900 nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法(monte carlo partial least squares, MC-PLS)剔除了13个异常样本,基于剩余的147个样本光谱数据与SPAD测量值进行分析,采用了不同的方法建立了多种预测模型,包括：全光谱的偏最小二乘法(partial least squares, PLS)模型,连续投影算法(successive projections algorithm, SPA)选择特征波长的PLS预测模型,“红边”位置(λ_red)的简单经验估测模型,三种植被指数R₇₁₀/R₇₆₀,(R₇₅₀-R₇₀₅)/(R₇₅₀-R₇₀₅)和R₈₆₀/(R₅₅₀*R₇₀₈)分别建立的简单经验估测模型,以及基于这三种植被指数的PLS预测模型。建模结果显示,全光谱的PLS模型预测效果最为精确,其预测相关系数r_p为0.833 9,预测均方根误差RMSEP为1.52。而使用SPA算法选出的8个特征波长所建立的PLS模型其预测结果可达到与全光谱的PLS模型非常接近的水平,而且在保证一定精度的条件下减少了大量运算,节省了运算时间,大幅提高了建模的速度。而基于红边位置和选择的三种植被指数而建立的简单经验估计模型其预测结果虽与基于全光谱的PLS预测模型有一定差距,但模型简单、运算量小,适合用于对精度要求不高的场合,对后续的便携仪器设备开发有一定的指导作用。     

变色尖晶石的光谱学特征及变色机理研究

尖晶石作为一种珍贵的宝石材料，因其瑰丽的颜色外观和悠久的历史而广受称赞。变色效应作为宝石学中一种常见的光学现象，在变石，蓝宝石，尖晶石，石榴石等宝石中都可以出现。通常将宝石的变色效应归结为Cr离子和V离子所致，但是目前有关变色尖晶石的报道较少，缺乏致色元素和变色机理的研究。本次研究对象是一颗具有变色效应的尖晶石(在D65光源下呈蓝色，在A光源下呈蓝紫色)，和两颗不具有变色效应的蓝色尖晶石(两种光源下色调无明显变化)。运用电感耦合等离子体质谱仪(LA-ICP-MS)、紫外可见光谱仪、拉曼光谱仪、光致发光光谱仪获取样品的成分和光谱信息。LA-ICP-MS化学成分测试结果表明，三颗尖晶石均为镁铝尖晶石，主要化学成分为MgO和Al₂O₃，并含有Fe，V，Cr，Co和Zn等微量元素，在变色尖晶石中含有较多的Fe离子和微量的Co离子，不含有Cr离子，并且变色尖晶石与无变色效应的蓝色尖晶石中V离子含量相近。变色尖晶石紫外可见吸收光谱具有位于387, 461, 478, 527, 559, 590, 627和668 nm处的吸收峰，其中387, 461, 478和668 nm吸收峰与Fe离子有关。559，590和627 nm处的吸收峰是由Co离子d轨道电子自旋允许跃迁4A₂→4T₁(4P)并经自旋-轨道耦合作用分裂所致。此外，四面体配位中的Fe2+ d—d自旋禁阻跃迁5E(D)→3T₁(H)同样在559 nm处产生吸收峰。由Co离子和Fe离子共同作用，在559 nm附近产生的吸收宽带是尖晶石产生变色效应的主要原因。拉曼光谱测试结果显示变色尖晶石与其他两颗蓝色尖晶石无差异，可见311，405，663和765 cm-1四个特征拉曼位移峰，依次对应F_2g(1), E_g, F_2g(3)和A_1g振动。光致发光光谱(PL)测试发现变色尖晶石中处于T_d对称位置的Co2+的4T₁(P)能级会分裂成为三个子能级，电子由三个4T₁(P)激发态的子能级回落到4A₂(F)基态而产生位于686，650和645 nm处的发光峰。变色尖晶石中Co离子含量很低，并且Fe离子含量较高，受到Fe离子荧光猝灭作用，样品无红色发光现象。     

基于紫外-可见光光谱法研究长期不同施肥对砖红壤溶解性有机质化学性质的影响

溶解性有机质（DOM）是土壤中最为活跃的一部分,具有重要的生态环境意义。明确不同施肥方式对DOM化学性质的影响,可为土壤肥力管理提供依据。因此,该试验以连续四年的不同施肥管理为基础,结合紫外-可见吸收光谱,探求不同施肥方式下,土壤中溶解性有机质的含量和化学性质的变化情况。试验共设置4个处理：CK（不施肥）;CF（化肥）;OG（有机肥）;ST（秸秆）。结果表明,与CK组相比,OG和ST的DOC(溶解性有机碳)含量为95.97和104.89 mg·kg-1,分别是CK组的129%和141%。相反,CF的DOC含量为15.32 mg·kg-1,仅为CK组的21%。OG显著提高了有色溶解性有机质[CDOM,以α（355）表征]含量,是CK组的2.76倍,ST无明显变化;CF则显著降低CDOM含量,仅为CK组的0.55倍。施用OG导致土壤紫外吸收曲线红移,表明有机肥的施用能够提高土壤DOM的共轭双键物质含量和腐殖化程度;与CK相比,OG中DOM的芳香性、疏水性、腐殖化程度的特征常数SUVA₂₅₄,SUVA₂₆₀和SUVA₂₈₀增大,揭示了有机肥的施用能够提高DOM的芳香性、疏水性组分以及腐殖化程度,秸秆处理增加不明显。施用化肥则出现明显降低。吸光度比值A₂₅₀/A₃₅₄,相比CK,CF显著增加,表明施用化肥使DOM分子变小,OG和ST处理无明显变化;秸秆施用导致A₄₆₅/A₆₆₅显著增加,表明秸秆能够有效提高DOM中蛋白质和碳水化合物含量;施用有机肥和秸秆A₃₀₀/A₄₀₀均大于3.5,表明土壤中DOM主要以富里酸为主,而施用化肥A₃₀₀/A₄₀₀明显低于3.5,表明土壤中DOM主要以胡敏酸为主。施用化肥出现S_R＞1,不施肥、有机肥、秸秆三者的S_R＜1,也表明了有机肥、秸秆能够增加分子量。有机肥和秸秆能有效增加土壤DOM含量,提升土壤肥力。尤其是施用有机肥,更能显著增加土壤DOM的共轭物质、腐殖化程度、疏水比例、芳香性以及分子量。而长期施用化肥则导致耕层土壤肥力降低。     

基于LLE-BPNN的小麦岛海水硝酸盐含量分析

水中过量的硝酸盐会造成部分水生生物难以存活、引发人类尤其是婴儿患病等危害, 因此硝酸盐浓度成为水质检测中的一项重要指标。传统的硝酸盐浓度测量方法操作复杂、反应缓慢,近年许多研究人员开始通过紫外可见（UV-Vis）光谱技术结合人工神经网络（ANN）的方法对水中硝酸盐的含量进行测量。提出了一种将流形学习（manifold learning）方法中的局部线性嵌入（LLE）与反向传播神经网络（BPNN）相结合的建模方法,用以得到硝酸盐光谱曲线与浓度间的关系,实现对青岛市崂山区小麦岛海水中硝酸盐浓度快速准确的定量分析。实验选取了过滤后的小麦岛海水配置59组不同浓度的加标溶液,采用实验室自主研制的光谱分析仪采集这些样本的光谱测量值,通过标准正态变换（SNV）方法对测得硝酸盐溶液的光谱数据进行校正处理,有效降低了由仪器本身或环境带来的噪声影响;选取预处理后的光谱数据的前1 500维处理后进行对比实验,以解决使用BPNN对全部2 048维数据建模时内存不足的问题,再通过网格搜索结合十折交叉验证的方法优化LLE中的邻近点数k和嵌入维数d,得到最优参数值k=15,d=3,实现对实验数据的降维处理;通过BPNN将降维后的训练集光谱信息与其对应的浓度信息进行建模,实现对预测集硝酸盐浓度定量分析,引入决定系数（R2）和预测均方根误差（RMSEP）评价建模效果,与直接使用BPNN建模预测的结果比较,改进方法的R2由0.926 3提升至0.992 8,RMSEP由0.442 5下降到0.280 4,建模预测程序的运行时间由327 s缩短至0.5 s。采用这59组数据的全部2 048维进行LLE-BPNN建模时,得到R2=0.995 7,RMSEP=0.136 5,在用时相近的前提下,相比仅使用前1 500维时的建模精度更好。分析结果表明,LLE-BPNN的方法可实现对海水中硝酸盐浓度的快速预测,使预测精度得到显著提升,同时能大幅降低预测时间。     

滩羊肉冷藏期间TBARS含量的高光谱检测

硫代巴比妥酸反应物(TBARS)是表征肉品脂肪氧化程度的主要化学信息.为探究二维相关光谱技术(2DCOS)筛选羊肉中TBARS含量的特征变量的可行性,利用高光谱成像技术结合2DCOS分析建立TBARS含量的快速无损检测方法.采集样本在400～1000 nm的光谱反射图像,通过ENVI 4.8软件在光谱图像上手动设置感兴...     

农作物锈病叶傅里叶变换红外光谱检测方法研究

在农作物生产中,不合理使用化学农药来防治植物病害的现象普遍存在,严重影响产品品质及食用安全,快速鉴别植物病害并采取合理的防治措施对提高农作物品质具有重要意义。利用红外光谱三级鉴别法（傅里叶变换红外光谱（FTIR）、二阶导数红外光谱（SD-IR）及二维相关红外光谱（2D-IR））对蚕豆、玉米、葱和蒜正常叶、锈病叶病斑处及病斑附近绿色部位进行了研究。结果显示,正常叶、病斑附近绿色部位及锈病叶病斑处的光谱吸收峰强度和形状存在微小差异。原始光谱中正常叶、病斑附近绿色部位及锈病叶病斑处的几个吸收强度比存在差异,蚕豆的正常叶、病斑附近绿色部位及锈病叶病斑处的吸收强度比A_{1 410}/A_{1 646}分别为0.698,0.624和0.616,A_{2 926}/A_{1 646}相应比值分别为0.665,0.638和0.552;玉米的相应比值A_{1 649}/A_{1 055}分别为0.813,0.696,0.691,A_{1 382}/A_{1 055}相应比值分别为0.552,0.478和0.465,A_{2 926}/A_{1 055}相应比值分别为0.574,0.467和0.469;葱的相应比值A_{1 382}/A_{1 061}分别为0.843,0.821和0.704,A_{2 923}/A_{1 061}相应比值分别为0.707,0.680和0.489;以上锈病叶病斑处及病斑附近绿色部位的几个峰强比均比正常叶小。二阶导数红外光谱在1 800～800 cm-1范围内,正常叶、病斑附近绿色部位及锈病叶病斑处的吸收峰的形状及强度显示明显差异。二维相关红外光谱显示,正常叶、锈病叶病斑处及病斑附近绿色部位在860～1 690 cm-1范围内自动峰和交叉峰的位置、数目及强度存在显著差异。蚕豆正常叶出现4个强自动峰,2组强的正交叉峰;病斑附近绿色部位出现5个强自动峰,4组强正交叉峰;锈病叶病斑处出现2个最强自动峰和5个中强自动峰,5组强正交叉峰;蚕豆锈病叶病斑处自动峰强度最强,而正常叶的各个自动峰的强度最低。玉米正常叶出现9个强自动峰,12组强的正交叉峰;病斑附近绿色部位出现11个强自动峰,3组最强的正交叉峰和11组中强正交叉峰;锈病叶病斑处出现6个强自动峰,3组强正交叉峰;蒜正常叶出现9个强自动峰,8组强的正交叉峰;病斑附近绿色部位出现2个最强自动峰和9个次强自动峰,10组强正交叉峰;锈病叶病斑处出现6个强自动峰,1组强正交叉峰;玉米和蒜病斑附近绿色部位的各个自动峰的强度最强,而锈病叶病斑处自动峰和交叉峰强度最弱。葱正常叶出现9个强自动峰,5组强的正交叉峰;病斑附近绿色部位出现8个强自动峰,3组强正交叉峰;锈病叶病斑处出现3个强自动峰,无正交叉峰出现。葱正常叶的各个自动峰的强度最强,而锈病叶病斑处自动峰强度最弱。结果表明,利用傅里叶变换红外光谱结合二阶导数红外光谱及二维相关红外光谱能简单、快速地鉴别研究农作物锈病叶,有望为农作物病害提供一种光谱检测方法。     

基于荧光多光谱融合的水质化学需氧量的检测

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R2_P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R2_ｐ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R2_p=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。     

基于色度学-拉曼光谱特征鉴定北红和南红玛瑙

产于黑龙江的“北红玛瑙”与四川凉山、云南保山的“南红玛瑙”是我国珠宝市场上常见的红色玛瑙,然而相应的产地特征研究较少,结合色度学、拉曼光谱、X射线粉晶衍射分析对三个产地的73件红色玛瑙的色度学、矿物学、光谱学特征进行了对比分析。结果表明,“北红玛瑙”的主要物相组成为α-石英和斜硅石,次要矿物组成为针铁矿、赤铁矿;四川凉山与云南保山“南红玛瑙”的主要物相组成为α-石英,次要矿物为赤铁矿、针铁矿、方解石等,少量样品含有斜硅石。黑龙江“北红玛瑙”的颜色主波长范围为574～605 nm,集中于[580, 590]区间,对应黄色-橙黄色-橙色色调,CIE1976Lab色空间中a≤6.2,b≤6.3;四川凉山“南红玛瑙”的主波长范围为589～624 nm,云南保山“南红玛瑙”主波长范围为589～599 nm,两个产地的“南红玛瑙”主波长均集中于[590, 600]区间,对应橙色-橙红色色调,大部分样品a＞6.2或b＞6.3,整体而言相比“北红玛瑙”颜色色调偏红,其彩度和亮度总体上也高于“北红玛瑙”。拉曼光谱中,斜硅石Si-O-Si对称伸缩-弯曲振动引起的501 cm-1峰在“北红玛瑙”中的强度高,在两个产地的“南红玛瑙”中不存在或者强度弱。斜硅石与α-石英特征峰强度比(I₅₀₁/I₄₆₃)和面积比(A₅₀₁/A₄₆₃)结果基本一致,在研究及鉴定过程中可以根据实际情况灵活选择。拉曼光谱粉末法测得的斜硅石与α-石英特征峰强度比(I₅₀₁/I₄₆₃)和面积比(A₅₀₁/A₄₆₃)结果位于大量随机点测的范围内,在日常鉴定中可以用多次无损点测的方法来获得接近粉末法的结果。黑龙江“北红玛瑙”的特征峰面积比(A₅₀₁/A₄₆₃)稳定在0.15～0.36,而四川凉山与云南保山“南红玛瑙”稳定在0.00～0.08,指示了两个产地“南红玛瑙”的斜硅石相对含量比“北红玛瑙”少,推测是两地的“南红玛瑙”在初期形成后都经历了较强的脱水和重结晶作用过程,使斜硅石转化成低温的α-石英所致。可以综合利用色度学特征及拉曼光谱,结合斜硅石与α-石英谱特征峰强度比(I₅₀₁/I₄₆₃)或面积比(A₅₀₁/A₄₆₃),对产于黑龙江的“北红玛瑙”以及四川凉山、云南保山的“南红玛瑙”进行区分,这也对玛瑙的产地鉴定、出土文物溯源等具有重要意义。     

高煤级煤石墨化轨迹阶段性的XRD和Raman光谱表征

为了研究石墨化过程中煤的分子结构有序化轨迹,选取湖南、陕西19个不同变形-变质程度高煤级煤为研究对象,采用工业分析、元素分析、X射线衍射分析（XRD）和拉曼光谱分析（Raman）等手段,结合分峰拟合的数学方法,对系列样品分子结构参数（XRD结构参数,如石墨化度、延展度L_a、堆砌度L_c及面网间距d₀₀₂等;Raman参数,如P_G,P₁,R₁,R₂等）进行了统计与计算。研究结果表明：煤化作用阶段H/C随变质程度增加而逐渐减小,但在石墨化阶段以物理变化为主,其趋势变缓或不显著;XRD参数d₀₀₂,L_a,L_c,N及L_a/L_c等随变质程度呈现非线性连续（阶跃性）变化,拐点大致对应R_m=7.0%,d₀₀₂=0.338 nm,拐点之前L_a,L_c及N变化较小（或平稳增大）,拐点之后石墨晶体结构快速形成,微晶尺寸增大,拼叠作用开始并逐渐增强;L_a/L_c变化亦反映石墨化过程由缩合作用向拼叠作用转变。高煤级煤石墨化轨迹可按有序化增加的三阶段模型来表述,无定形碳（无烟煤）至变无烟煤阶段,G峰位、峰位差P₁变化显著,I_D1/I_G在表达无序程度时不服从TK关系;变无烟煤至半石墨阶段,即从石墨化开始结构演化轨迹呈现不同方向,R₁随着有序的增加呈现截然相反的轨迹,部分石墨组分演化服从TK关系,R₂在石墨化度为45%时呈现截然相反的轨迹;石墨阶段温、压作用导致微晶尺寸急剧增加（或阶跃）,I_D1/I_G减小服从TK关系。当不同石墨化程度的新生组分共存时,d₀₀₂不足以代表样品最大的演化程度,但其作为平均度量来标度高煤级煤石墨化过程中结构演化特征仍为较优的选择,且(002)和(γ)峰半峰宽能较好地区分石墨化煤的变质类型,H/C,I_D1/I_G亦随d₀₀₂演化轨迹不同,需利用d₀₀₂＜0.344 0 nm,R₁＜2.0,H/C＜0.12等综合指标判别石墨化的开始。由此可以看出,采用XRD和Raman光谱分析技术可以表征高煤级煤石墨化轨迹阶段性以及结构的差异性。     

基于IERT的非线性全光谱复杂水体定量分析算法研究

水是一种有限的资源,对农业、工业乃至人类的生存都是必不可少的,良好的水环境是可持续发展的重要保障。对水质信息的科学监测,是实现水资源优化配置与高效利用的基础。联合国环境署（UNEP）与世界卫生组织（WHO）指出,应当加强发展中国家的水质监测网络,包括数据质量的保证和分析能力的提高。光谱法作为一种新兴的水质分析方法,相比传统的化学水质监测方法,具有“响应速度快、多参数同步、绿色无污染”的特点。传统单波长、多波长的线性模型依赖于水体对特定波长的吸收特征,不适用于多组分混合溶液且普适性较差。因此,提出了一种基于IERT的非线性全光谱定量分析算法,建立适用于多组分混合溶液浓度预测模型,达到利用全光谱信息来预测浓度信息的目的。利用实验室配置的COD,BOD₅和TOC多组分混合溶液与NO₃-N、浊度、色度多组分混合溶液作为实验样本,使用光谱仪采集样本的光谱曲线,通过全光谱数据进行浓度预测实验,结果显示,对于COD,BOD₅和TOC多组分混合溶液,本算法对于三种组分的决定系数（R2）分别为0.999 3,0.991 4和0.999 3,均方根误差（RMSE）分别为0.024 4,0.057 7和0.000 4;对于NO₃-N、浊度、色度多组分混合溶液,决定系数（R2）分别为0.983 4,0.868 4和0.981 0,均方根误差（RMSE）分别为0.100 5,0.326 4和0.120 2。通过对比本算法与偏最小二乘（PLS）、支持向量机回归（SVR）、决策树（DT）、极端随机树（ERT）对于同一组数据的实验结果,表明：在两组多组分混合溶液的实验中,本算法对于其中各组分的决定系数（R2）均为最优,相比于其他对比算法均方根误差（RMSE）均有大幅减少。本算法可利用光谱信息对多组分混合溶液进行定量分析,在计算时间相当的情况下,可有效的提高浓度预测精度,减少定量分析的均方根误差,可为光谱法水质监测提供一种新的有效途径。