FTIR光谱法整体评价蜂王浆新鲜度的研究

测定了在不同温度下经过不同时间贮存后的蜂王浆的FTIR光谱,以新采收蜂王浆的红外谱图为参考标准谱,利用光谱比对软件进行了一系列的相关分析。结果表明：不同贮存条件下的蜂王浆红外光谱图中酰胺Ⅰ带(1 700～1 600 cm-1)波段的相关系数和相对峰强度I_{1 647}/I_{1 541},I_{1 647}/I_{1 409},I_{1 647}/I_{1 247}和I_{1 647}/I_{1 054}都随着蜂王浆贮存时间延长和温度升高而降低,且与贮存时间存在着良好的线性关系,变化幅度顺序为28＞16＞4＞-18 ℃。因此,初步选定红外光谱图中酰胺Ⅰ带的相关系数和4个相对峰强度(I_{1 647}/I_{1 541},I_{1 647}/I_{1 409}、I_{1 647}/I_{1 247}和I_{1 647}/I_{1 054})作为新鲜度的评价指标,相关系数的阈值设定为0.910 0,4个相对峰强度的阈值分别设定为1.744,2.430,3.345和1.412。只要有1个或多个指标低于相应的阈值,可初步判定此蜂王浆是不新鲜的。该方法利用FTIR光谱法并结合计算机辅助解析技术能从宏观上、整体和快速地评价蜂王浆的新鲜度。     

采用DNA和蛋白质吸收带的Kubelka-Munk光谱函数检测人结肠腺癌

采用DNA和蛋白质吸收带的Kubelka-Munk光谱函数对人结肠腺癌进行了鉴别诊断,实验采用带积分球附件的分光光度计获取组织的漫反射光谱。结果表明：在250～650 nm,结肠上皮组织的癌变导致其上皮组织在DNA吸收带的Kubelka-Munk光谱函数f(r_∞)及其对数log[f(r_∞)]的平均值在260 nm处都有非常显著性的差异,其差异分别为218%(p＜0.05)和68.5%(p＜0.05)。结肠上皮组织的癌变导致其上皮组织在蛋白质吸收带的Kubelka-Munk光谱函数f(r_∞) 及其对数log[f(r_∞)]的平均值在280 nm处也都有非常显著性的差异,其差异分别为208%(p＜0.05)和59.0%(p＜0.05)。结肠上皮组织的癌变导致其上皮组织在β-胡罗卜素吸收带(480 nm处)的Kubelka-Munk光谱函数f(r_∞) 及其对数log[f(r_∞)]的平均值在480 nm处也都有非常显著性的差异,其差异分别为41.7%(p＜0.05)和32.9%(p＜0.05)。可见,结肠上皮组织的癌变导致其上皮组织中的DNA、蛋白质和β-胡罗卜素的含量都发生了非常显著的变化。这结论为快速、低成本、非入侵的结肠腺癌的光活检提供一些有益的参考。     

胆管癌新鲜离体组织的傅里叶变换红外光谱研究

该研究探讨了运用傅里叶变换红外(FTIR)光谱技术对胆管癌进行术中原位、无创和快速诊断的可行性。联合应用傅里叶变换红外光谱仪和衰减全反射(ATR)探头,测定了26例胆管癌和43例良性胆管疾病新鲜离体组织的红外吸收光谱,发现每条光谱在3 800～1 000 cm-1之间循序出现了12个谱带。测量各个谱带的峰位、峰强和峰面积值,然后计算出各谱带的相对峰强和相对峰面积比值,最后进行标准统计学分析。比较胆管癌与良性胆管组织的光谱发现有以下特征：(1)2 925 cm-1谱带明显地向低波数移位(P=0.033);(2)峰强比I_{1 083}/I_{1 460}(P=0.005)和峰面积比S1 083/S_{1 460}(P=0.001),S_{1 240}/S_{1 460}(P=0.025)明显升高,说明癌组织中核酸相对脂类含量明显增加;(3)峰强比I_{1 550}/I_{1 083}(P=0.000)和峰面积比S_{1 550}/S_{1 083}(P=0.000)明显下降,提示蛋白质相对核酸的含量下降。研究结果表明,FTIR有望成为一种术中原位、在体和快速诊断胆管癌的新方法。     

5-氟尿嘧啶诱导结肠癌细胞系SW 620凋亡的傅里叶变换红外光谱研究

探索红外光谱监测肿瘤细胞凋亡的可行性及初步分析。采用结肠癌细胞系SW620作为诱导细胞模型,MTT法确定最优5-FU诱导浓度, 无血清饥饿培养协同细胞周期阻滞在G1和S期,傅里叶显微红外光谱仪(FTIR) 联合流式细胞仪(FCM)对SW 620细胞和凋亡的SW 620细胞12 h、早期凋亡(24 h)和晚期凋亡(48 h)的峰位、相对峰强等指标进行比较分析。光谱分析结果显示SW 620对比凋亡细胞有以下特征：(1)与脂类相关谱带1 740 cm-1相对峰强比I_{1 740}/I_{1 460}明显降低(p<0.05),表明凋亡细胞中脂类相对含量增多。(2)与氨基酸残基相关谱带1 410 cm-1,I_{1 460}/I_{1 460}在凋亡早期和晚期明显升高(p<0.05), 与丝、苏氨基酸相关谱带1 120 cm-1 向高波数移动,I_{1 120}/I_{1 460}明显升高(p<0.05),表明凋亡细胞中DNA双螺旋解链,氨基酸残基增多。(3)DNA的反对称伸缩1 240 cm-1向高波数移动,表明凋亡细胞中核酸分子构象发生改变。(4)与核酸多糖1 040 cm-1相关谱带在凋亡的24和48 h出现,向高波数移动,I_{1 040}/I_{1 460}在凋亡晚期降低(p<0.05)。初步研究结果表明傅里叶变换红外光谱分析可能成为实时无创监测肿瘤化疗的有效方法。     

甲状腺癌的傅里叶变换红外光谱研究

应用傅里叶变换红外光谱仪,测定了17例甲状腺癌和23例良性甲状腺疾病术中新鲜离体组织的红外光谱。通过用统计学方法对比分析,发现甲状腺良恶性组织的傅里叶红外光谱之间存在明显差异,其中恶性肿瘤光谱有以下特征：(1)甲状腺癌组织的酰胺Ⅰ带明显红移(P<0.01),酰胺Ⅱ带却出现蓝移(P<0.05),癌组织光谱中I_{1 640}/I_{1 460}和I_{1 640}/I_{1 550}较良性组织明显升高(P<0.01),说明恶性肿瘤不仅蛋白质结构上发生了变化,蛋白质的量化上也有明显变化;(2)与脂类相关的2 955, 2 920, 2 870, 2 850和1 740 cm-1谱带出现概率明显变低,表明癌组织的脂类相对含量降低;(3)与核酸相关的1 241 cm-1谱带明显蓝移至(1 238.29±2.87)cm-1 ,I_{1 080}/I_{1 460}较良性肿物组织有升高(P<0.05),表明癌组织中磷酸二酯基团中PO₂增加,因为在癌细胞分裂增生加快,细胞核内DNA含量增加。研究结果表明,红外光谱有望成为术中快速诊断甲状腺恶性肿瘤的主要方法。     

天然文石质陶瓷-三角帆蚌贝壳的FTIR光谱研究

三角帆蚌贝壳珍珠层及韧带经粉末XRD分析证实均由文石组成。对珍珠层及韧带的FTIR光谱进行了测量和对比分析。结果表明：(1)文石的ν₂,ν₃带显示了较大的变化,相对韧带而言,珍珠层文石的ν₂带频率蓝移6.5 cm-1,而ν₃带却红移22.7 cm-1;(2)珍珠层文石的ν₂,ν₃带半高宽分别比韧带文石宽1倍左右。相比之下,珍珠层及韧带文石的ν₁,ν₄带的特征基本没有发生变化。文石红外光谱的这种各向异性的变化可能是由文石的粒径效应引起的。     

傅里叶变换红外光谱在胃癌淋巴结转移诊断中的应用研究

观察傅里叶变换红外光谱技术无创、原位、快速诊断胃癌淋巴结转移的可行性。联合使用衰减全反射探头及傅里叶变换红外光谱仪测量新鲜离体胃周淋巴结红外光谱,发现每条光谱在吸收波长3 000～1 000 cm-1之间循序出现13条谱带,依据病理检测结果将淋巴结分为转移组及非转移组,比较两组淋巴结红外光谱的峰位和相对峰强等指标结果,最后进行标准统计学分析。36例胃癌患者,共检测淋巴结720枚,其中转移性淋巴结180枚,未转移540枚;与非转移淋巴结相比,转移淋巴结红外光谱有如下特征：(1)与核酸相关的峰强比I_{1 240}/I_{1 460}(p=0.015)和I_{1 080}/I_{1 460}(p=0.034)显著升高,提示转移淋巴结细胞的核酸含量增多;(2)与蛋白相关的I_{1 640}/I_{1 460}(p=0.001)和I_{1 546}/I_{1 460}(p=0.027)峰强比值升高,表明转移淋巴结组织的蛋白质含量明显升高;(3)与脂类相关的I_{2 855}/I_{1 460}和I_{1 740}/I_{1 460}显著降低(p＜0.001),提示癌组织脂类含量相对减少;(4)I_{1 160}/I_{1 460}(p=0.023)显著降低,表明恶性细胞糖类物质的减少。研究结果显示,傅里叶变换红外光谱分析技术有望成为术中原位、在体和快速诊断胃癌淋巴结转移的新方法。     

利用谐波光谱的伴线结构测量自生磁场

在飞秒激光与固体靶相互作用中,利用OMA光学多道分析谱仪,在靶前表面激光镜反方向测量了激光的二次谐波(2ω₀)光谱和三次谐波(3ω₀)光谱,观测到了红移的2ω₀光谱和3ω₀光谱的伴线结构。在激光功率密度为～1018 W·cm-2的条件下,通过2ω₀和3ω₀谐波光谱的伴线结构,回推出激光与等离子体相互作用中产生的自生磁场均小于1 MGs。随着激光功率密度的增大,谐波谱红移峰向长波方向移动,光谱同时发生展宽。分析认为,等离子体临界面的迅速膨胀是导致二次谐波和三次谐波红移的主要原因。随着预脉冲功率密度的增大,临界面膨胀速度增大,导致了谐波光谱峰更大的红移。自生磁场的测量为诊断临界面的运动方向和速度提供了新的依据。     

绿松石的激光拉曼光谱研究

对湖北、安徽地区绿松石进行了激光拉曼光谱测试分析。结果表明,绿松石中H₂O,OH-及PO3-₄的基团振动是导致其激光拉曼光谱形成的主要原因。3 510～3 440 cm-1的谱峰是由ν(OH)伸缩振动所致,其中ν(OH)振动导致的强拉曼特征谱峰在3 470 cm-1附近,ν(H₂O)伸缩振动致拉曼谱峰位于3 290～3 070 cm-1附近的较为宽缓的弱谱峰处;由ν₃(PO₄)伸缩振动致强拉曼特征谱峰在1 200～1 030 cm-1之间,其中ν₃(PO₄)振动导致的强拉曼特征谱峰在1 039 cm-1附近,ν₄(PO₄)弯曲振动位于650～540 cm-1范围,ν₂(PO₄)的弯曲振动谱峰位于500～410 cm-1处;不同产地、不同结晶类型的绿松石表现出的拉曼谱峰特征基本一致。     

重金属锌胁迫的白菜叶片光谱响应研究

在实验室土培条件下,应用白菜(Brassica Campestris L.)叶片红边位(680～740nm)、可见区光谱(460～680nm)、近红外区光谱(750～1000nm)三种特征光谱因子研究了重金属锌对白菜生长的胁迫响应。随土壤中Zn含量增加,白菜叶片金属Zn富集程度逐渐增大,白菜叶片叶绿素含量降低;随白菜叶片Zn含量增加,白菜叶片光谱的可见区反射率变化程度(A₁)增加,白菜叶片光谱近红外区反射率变化程度(A₂)降低,红边“蓝移”(向短波方向飘移)程度(S)逐渐增强。应用A₁,A₂,S作参数对白菜叶片Zn含量对数值(lnC_L,C_L单位为mg·kg-1)进行定量线性相关分析,三模型复相关系数r2分别为0.942,0.981和0.969,三种特征光谱因子能够用来预测白菜叶片金属Zn含量。     

土壤修复过程中盐含量及其光谱特征分析研究

基于盐渍土修复过程中盐分含量和同步实测光谱数据,通过对原始光谱数据、平滑光谱数据及平滑后的不同变换光谱数据等八种光谱数据集,分别以相关系数的极值和不同相关系数范围两种方法分析其最佳敏感波段范围,深入分析了不同变换下土壤的光谱响应特征。在此基础上,运用偏最小二乘回归方法,以全波段(400～1 650 nm)和分析获得的最佳敏感波段建立了基于修复过程的土壤盐含量和光谱反射率的关系模型。结果表明：针对八种光谱数据集,采用两种方法提取的土壤最佳敏感波段,均集中在947.11～949.31,1 340.27,1 394.11,1 419,1 457.81～1 461.31,1 537.68～1 551.39和1 602.32 nm;且最佳波段的土壤盐含量反演模型,以模型评价参数的决定系数(R2)和均方根误差(RMSE),以及赤池信息量准则(akaike’s information criterion, AIC)作为选择最佳模型的标准,均以SGSD(Log R)模型的建模和预测结果比其他光谱变换的模型更为显著。基于全波段的PLSR建模效果总体上稍优于最佳波段的模型,其中以SGSD的预测精度最为突出,其模型的决定系数R2与标准差RMSEP分别为0.673和1.256;基于两种方法获得的最佳波段的PLSR模型与全波段对比在模型精度方面虽有一定差距,但从模型的复杂程度比较,具有模型简单、变量更少及运算量小的特点。该研究可在土壤盐含量及其光谱特征的研究中,为实现土壤盐渍化定量、快速、便捷的监测和检测提供参考。     

近红外光谱定量分析技术在枇杷可溶性固形物无损检测中的应用

应用近红外漫反射光谱定量分析技术对两个产地三个品种枇杷的可溶性固形物进行无损检测试验研究。通过分析,发现在波长1 400～1 500 nm和1 900～2 000 nm两段范围,样品的可溶性固形物与光谱吸光度之间的相关系数较高;用偏最小二乘回归PLSR、逐步多元线性回归SMLR和主成分回归PCR三种方法分别建立这两个波段和全波段范围的模型,全波段的PLSR模型的效果较优。研究发现一阶和二阶微分光谱建立的模型均不如原始光谱建立的模型效果好。最终建立三个品种枇杷样品的原始光谱在全波段范围经17点平滑后的PLSR模型,模型的校正集和预测集的相关系数分别为0.96和0.95。研究表明近红外光谱检测技术可用于枇杷可溶性固形物含量的定量分析。     

NIRS法对栀子不同炮制品栀子苷含量的快速检测

以96批栀子不同炮制品为研究对象,高效液相色谱测定栀子苷含量为参考值,利用近红外光谱仪积分球漫反射测定其光谱图,建模波段取8 660~7 500,6 650~5 600和4 900~4 000 cm-1,以标准正态变换(SNV)和二阶导数法(2nd derivative)为预处理方法,主成分数为8,采用偏最小二乘法(PLS)对83批栀子样品建立栀子苷的定量校正模型,最终以13批栀子不同炮制品对模型进行验证。结果,定量模型的内部交叉验证决定系数(R2)为0.992 85,校正均方差(RMSEC)为0.240,预测均方差(RMSEP)为0.254,内部交叉验证均方差(RMSECV)为0.386 91,RMSEP/RMSEC=1.06。模型验证得到的相对分析误差(RPD)为8.81,绝对偏差范围-0.39%~0.23%,说明模型预测性较好。通过相关系数法,优选样品装样量、扫描次数、重复次数、分辨率实验条件;并由近红外一阶导和二阶导图,除去温湿度和样品水分影响波段,结合栀子苷对照品近红外光谱图,确定建模波段。首次利用NIRS法建立栀子不同炮制品栀子苷定量校正模型,方法简单快速,模型稳定可靠、准确性高,可同时应用于不同炮制品栀子中栀子苷含量的预测。     

多元散射校正预处理波段对近红外光谱定标模型的影响

利用近红外光谱对非均匀样品进行分析时,所得样品光谱中包含由光散射导致的干扰信息,通常需要借助多元散射校正算法(multiple scattering correction, MSC)对光谱进行预处理。由于不同波段光谱中所包含的散射信息、噪声水平、基线漂移程度等存在差异,利用MSC方法对光谱进行预处理时,基于不同波段的光谱数据会得到不同的校正结果,进而影响所得定标模型的可靠性。以60个全麦粉样品为研究对象,确定定标区间后,对包含定标区间的不同波段的原始光谱分别进行MSC处理,并利用固定区间内的光谱数据结合偏最小二乘回归(partial least square regression, PLSR)方法建立分析样品中蛋白质含量的定标模型,研究了MSC光谱预处理波段对定标模型的影响,并对MSC光谱预处理波段进行了优化,使定标模型的相关系数由0.96提高到0.98,交互验证均方根误差(root mean squares error of cross validation, RMSECV)由0.37%降低到0.32%。结果表明：利用MSC方法对样品光谱预处理时,光谱预处理波段会影响多元散射校正对光谱中非化学吸收信息的校正能力,确定合适的预处理波段是获得可靠分析结果的一个前提条件。     

玉米亚正常籽粒生活力近红外光谱判别方法研究

应用近红外光谱分析技术,针对玉米诱导过程中产生的亚正常种子,发展亚正常种子的单籽粒生活力判别方法。该研究应用了一种基于Kolmogorov-Smirnov检验的方法(KS法)对近红外光谱进行特征提取,并比较了十种采用不同预处理数据和特征提取方法建立的模型的判别性能,每种模型试验了1134种参数组合,并对采用多种方法和参数组合建立的模型进行交叉验证。结果表明,采用矢量归一化预处理,KS法提取特征波长,并去除低信噪比区域的数据建立的模型判别效果最好。发芽籽粒和不发芽籽粒的平均正确识别率分别达到92.20%和84.86%。该方法将发芽籽粒的筛选准确率由随机筛选的不足40%提高至85%以上,可显著提高筛选效率。     

基于近红外光谱分析贡梨可溶性固形物全局模型的鲁棒性

贡梨是大众喜爱的水果,为研究不同检测方向对近红外在线检测贡梨可溶性固形物SSC的影响,提出全局模型并分析其鲁棒性。在贡梨六个方向上收集光谱: 茎-花萼轴垂直,茎向上(A1)和茎向下(A5),茎-花萼轴和水平之间45°,茎向上倾斜(A2)和茎向下倾斜(A4),茎-花萼轴水平,茎朝向右侧光(A3),茎花萼轴水平,茎朝向带移动方向(A6)。SSC范围为9.53~14.70的150个样品分为115个标准偏差为1.05的校准集和35个标准偏差为0.93的预测集。采用偏最小二乘回归PLSR分别建立六个局部模型和一个全局模型,局部模型由各方向的115个校正集数据经过Savitzky-Golay卷积平滑、多元散射校正MSC、高斯滤波平滑GFS三种不同的预处理方法处理后使用偏最小二乘回归PLSR建立而来;用本方向校正集数据建立的局部模型验证本方向的35个预测集数据,比较这三种预处理方法后所建立的PLSR模型,结果表明经过GFS处理后建立的模型验证效果最好,因此六个局部模型和全局模型均采用GFS处理后建立的PLSR模型。全局模型是由A1,A2,A3,A4,A5和A6六个方向的690个校正集光谱数据经过GFS预处理后采用PLSR建立的贡梨SSC模型。各方向的预测集分别对七个模型进行验证,验证结果表明,局部模型虽然在本方向的预测效果强于全局模型,但无法验证其他方向,鲁棒性差,由此可知检测方向的不同对预测效果的影响很大;全局模型能够准确预测各个检测方向的贡梨SSC,全局模型的校正集相关系数R_c为0.828,校正集均方根误差RMSEC为0.424;A1,A2,A3,A4,A5和A6方向的预测集相关系数R_p分别为0.818,0.765,0.799,0.821,0.794和0.824,预测集均方根误差RMSEP分别为0.446,0.525,0.478,0.538,0.486和0.619;六个方向的R_p与R_c比较接近且均在0.800左右,RMSEC与RMSEP均在0.500左右,结果表明全局模型在检测不同方向的贡梨SSC上有着极好的鲁棒性。     

傅里叶变换红外光谱的牛乳中αs1-酪蛋白和κ-酪蛋白含量的快速检测

为了找到一种能够对牛乳中的两种主要过敏原（α_s1和κ-酪蛋白）含量快速检测的方法,以河南、湖北、宁夏和内蒙古四省区的211份中国荷斯坦牛牛乳样本为研究对象,建立了基于傅里叶变换中红外光谱技术的牛乳中α_s1和κ-酪蛋白含量的无损快速检测模型。首先对牛乳的原始光谱进行预分析,发现水对牛乳的光谱吸收具有很强的干扰,对水的两个主要吸收区域1 597~1 712和3 024~3 680 cm-1进行分析,发现水的吸收区域1 597~1 712 cm-1和蛋白的部分吸收区域1 558~1 705 cm-1（酰胺Ⅰ）基本重合,通过对比去除1 597~1 712 cm-1前后的效果,最终选择925.92~3 005.382 cm-1的光谱区域作为敏感波段用于后续分析。选取的全光谱经手动降维,利用MCCV剔除异常样本,分别采用标准正态变量变换（SNV）、多元散射校正(MSC)等8种预处理算法和竞争性自适应重加权算法（CARS）、无信息变量消除法（UVE）等3种特征选择算法联合建立支持向量机回归模型（SVR）。经检验,对于α_s1-酪蛋白,一阶导数和CARS算法结合建立的SVR模型效果最优,训练集相关系数Rc和测试集相关系数R_p分别为0.882 7和0.899 8,训练集均方根误差RMSEC和测试集均方根误差RMSEP分别为1.136 3和1.372 6;对于κ-酪蛋白,一阶差分和UVE算法结合建立的SVR模型效果最优,训练集相关系数R_c和测试集相关系数R_p分别为0.880 8和0.890 3,训练集均方根误差RMSEC和测试集均方根误差RMSEP分别为0.534 5和0.535 4。研究结果表明,基于傅里叶变换中红外光谱技术建立的SVR模型可以对牛乳中的过敏原α_s1和κ-酪蛋白含量进行无损检测,预测效果良好,此研究弥补了国内利用光谱技术对牛乳中的酪蛋白进行无损快速检测的空白。     

新鲜苹果汁可溶性固形物含量的傅里叶变换近红外光谱检测

用傅里叶变换近红外(FTNIR)光谱透射方式对新鲜苹果汁溶性固形物含量(SSC)进行了快速定量分析。实验共测定了60个果汁样品的SSC,并采集了样品的近红外光谱数据。42个样品用来建模,剩下的18个用来验证模型的性能。对实验室测得的SSC与FTNIR光谱数据进行相关性分析,以TQ 6.2.1定量分析软件中集成的主成分回归法(PCR)和偏最小二乘回归法(PLS)建立了检测模型。该研究对比了不同光谱范围内建立的检测模型的性能。根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能,最好的新鲜苹果汁SSC预测模型的RMSEP＝0.603 0Brix,r2＝0.997。结果表明FT-NIR可以作为一种可靠、准确、快速的无损检测方法来评价新鲜果汁的可溶性固形物含量。     

基于BP-ANN和PLS的近红外光谱无损检测李果实品质的研究

可溶性固形物（SSC）和可滴定总酸（TA）含量是影响李果实品质的重要指标,经典的破坏性检测方法不适用于果实按品质分级,近红外光谱(NIRS)检测方法具有速度快、操作简便、可无损检测果实品质。为实现NIRS无损快速检测安哥诺李果实可溶性固形物和可滴定总酸含量,利用NIRS采集李果实的漫反射光谱,同时采用糖度计测定安哥诺李果实的SSC,采用滴定法测定了李果实TA含量,使用杠杆值和F概率值剔除异常样品,采用软件优化结合人工筛选光谱波段,使用了消除常数偏移量、减去一条直线、矢量归一化（SNV）、最大-最小归一化、多元散射校正（MSC）、一阶和二阶导数结合平滑处理、一阶导数结合减去一条直线和平滑处理、以及一阶导数结合SNV或MSC校正等光谱预处理方法,分别采用偏最小二乘法（PLS）和主成分分析结合反向传播人工神经网络（BP-ANN）建立李果实SSC、TA的定量分析模型。结果表明,李果实SSC和TA的最佳PLS建模效果波段范围分别为4 000～8 852和4 605～6 523 cm-1。SSC的PLS模型的最佳光谱预处理方法为MSC校正,最佳模型校正相关系数（R_c）为0.914 4,预测相关系数（R_p）为0.878 5,校正均方根误差（RMSEC）为0.91,预测均方根误差（RMSEP）为1.00。经一阶微分结合SNV和9点平滑的方法预处理后,TA的PLS模型效果最佳,R_c,R_p,RMSEC,RMSEP分别为0.860 3,0.819 6,0.80和0.86。提取了李果实SSC和TA光谱数据的主成分,并基于前10个主成分得分建立了李果实SSC和TA最佳BP-ANN定量分析模型,其R_c,R_p,RMSEC和RMSEP分别为0.976 7,0.889 7,0.75和0.99;TA的BP-ANN模型的相应参数值依次为0.974 3,0.897 7,0.62和0.83,与采用PLS算法建立的定量模型相比较,BP-ANN模型具有较高的R_c,R_p和较低的RMSEC,RMSEP,因此BP-ANN模型对SSC和TA指标的定量分析结果更佳。     

基于灰色关联法的春小麦叶片含水量高光谱估测模型研究

利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联度较高的5种典型的水分植被指数,并建立了估算春小麦叶片含水量(LWC)的偏最小二乘回归(PLSR)模型和BP神经网络(back propagation artificial neural networks, BP ANN)模型。结果表明：(1)光谱一阶导数可以有效去除噪声影响并突出光谱特征信息,尤其是在750～830,1 000～1 060和2 056～2 155 nm等区间明显提高了与LWC的相关性。(2)灰色关联法能够较好的表征各水分植被指数与叶片含水量间的关联性,其中基于原始光谱建立的前5个水分植被指数都是两波段比值植被指数,基于光谱一阶导数建立的水分植被指数基本上都是两波段归一化差值植被指数。(3)所建立的两种模型中,基于光谱一阶导数建立的PLSR和BP神经网络模型R2分别为0.80和0.81,稳定性基本相同且都较好;两种模型RMSE都是0.55,RPD分别为2.01和1.41,说明PLSR模型的预测精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算春小麦叶片含水量方面有一定的优势,为高光谱定量反演春小麦叶片含水量提供一定的参考。