基于小波变换的油膜光谱特征分析

水上溢油光谱作为高光谱遥感目标识别与分类的参考依据,在溢油识别与厚度区分等方面具有重要的研究意义。通过测量厚度范围为1.0～127 μm间的轻柴油的20组光谱曲线,计算其反射率光谱曲线随厚度变化的特征,并利用db4小波对反射率数据进行处理,突出光谱奇异性及其位置与奇异值随油膜厚度变化的特征。在研究范围内的油膜光谱反射率高于水体,但反射率值与油膜厚度间无固定增减关系。在其厚度小于6 μm时反射率光谱曲线无明显特征,厚度大于6 μm后在388 nm附近存在区别于水体的反射峰特征且随厚度增加特征愈加突出。油膜光谱小波分析后的细节系数在388～393 nm内表现出明显的奇异性,并且奇异位置随厚度增加向短波方向移动、奇异极值增大。研究证实了小波分析在确定油膜光谱特征位置与变化研究中的积极作用,并发现了紫外-可见光短波范围内的光谱特征,为紫外遥感进行溢油识别提供了科学依据。     

多种薄油膜光谱反射率特性外场测试方法及结果分析

水面溢油机载航测工作需要以全面的溢油模拟目标的光谱反射率特性数据作为支撑,选择合适的工作波段,并通过获得的数据对溢油情况进行分析与判断。针对汽油、柴油、润滑油、煤油与原油五种目标样本,油膜从紫外波段到近红外波段进行了反射光谱测量,并将结果与相同实验环境下的水的反射光谱对比。实验结果表明油膜的光谱反射特性与油品类型以及油膜的厚度相关。不同种类的油膜在相同厚度的情况下,光谱反射率曲线的差异很大,而同一种类的油膜,随着油膜厚度的改变,光谱反射率曲线亦随之发生改变,因而就单一油膜而论,可以通过反射率曲线区分不同的油膜厚度。以相同的油膜厚度而论,柴油,煤油,润滑油在380 nm附近存在反射率峰值,与水的反射率差异明显,原油在大于340 nm波长的反射率远小于水,所得到的反射光谱能够在一定程度上区分不同类型油膜。实验涉及主要溢油油种,数据全面覆盖探测常用的光谱波段,定量化描述了油膜光谱反射率特性,为机载水面溢油探测工作的波段选择与水面溢油的早期发现与分析提供了全面的理论与数据支持。     

水面油污染物差分偏振光谱信号预处理算法研究

采用差分偏振光谱法在3～5μm波段对水面溢油污染物进行被动遥感时,所测差分偏振光谱是含有强大气吸收光谱信号与油污染物目标弱光谱信号的混合谱,这给油污染物光谱特征识别带来了困难。另外,受环境因素以及油膜自身张力影响,水面油膜厚度分布以及油膜表面粗糙度在测量过程中发生变化,从而使得连续测量的差分偏振光谱中油污染物光谱信息含量存在不同。利用这一特点,基于固定点迭代的快速主成分分析算法FastPCA设计了水面溢油污染物差分偏振光谱信号预处理算法。实验结果表明,该算法可以有效地将水面油污染物目标光谱特征信息从具有强大气吸收的混合差分偏振光谱信号中提取出来,通过光谱重构得到油污染物光谱特征信号,可用于进一步的定性、定量分析。     

基于LIF的海面溢油状态识别研究

随着海洋运输业和海洋石油开采业的快速发展,溢油污染日益严重,给海洋环境和海洋生态平衡带来极大威胁。因此海洋溢油污染的治理、改善,成为海洋环境保护工程中刻不容缓的重要工作。而对不同状态溢油的识别则是解决溢油污染问题的基础与关键。海面上的溢油,主要包括未乳化与乳化两个不同阶段。前者以不同厚度的油膜形式存在,后者以不同油水比的溢油乳化物形式存在。不同状态的海面溢油具有不同的元素组成：油膜为纯油分子,乳化溢油为油水混合结构,构建出差异化的荧光基团。在激光作用下具备各自特征的荧光光谱信息,不同状态显示出较为明显的荧光光谱差异。光谱曲线的形状特征是荧光物质物理化学性质的一种外在体现,所以从光谱的特征形状来分析、比较一定的光谱参量可以达到物质分类和物种识别的目的和效果。为了实现海面溢油不同状态的快速分类识别,通过搭建的LIF探测系统,采集了常用成品油不同状态的荧光光谱,光谱曲线对比发现：乳化阶段的光谱会表现出荧光峰个数增多、荧光强度改变、荧光峰位偏移等一系列特征。在此基础上,根据表观统计学原理,提取光谱的均值、标准差、峰度系数、谱线宽度、曲线斜率等特征参量,并将这些特征值进行聚类分析。结果显示: 基于激光诱导荧光光谱的海面溢油聚类分析结果与实际溢油状态是基本一致的。即在已知油种的前提下,该分类方法可较好识别出海面不同的溢油状态。因此该方法可以为海面溢油识别提供一种新思路,也为LIF技术探测质量的提高,应用水平的提升奠定一定的基础。     

有冰海区油膜光谱特征研究

近些年有冰海区石油的勘探、开发以及运输频度逐年上升,这增加了冰区溢油发生的风险。试验通过测量海水、碎冰、整冰等不同背景条件下轻柴油和原油油膜的可见光-近红外光谱反射率曲线,并与洁净的海水、碎冰和平整冰光谱曲线进行比较,得到能够有效识别冰区溢油的波段。测量结果表明：同一油种在不同背景下油膜的光谱反射率曲线有所差异,同一油种同一背景下由于分布形态不同光谱反射率曲线也有所差异。但同一油种的油膜仍呈现出许多区别于背景的共同特征：以海水、碎冰或整冰为背景的轻柴油油膜的光谱反射率曲线呈现“先低后高”、部分“相伴而行”的特点;海水、碎冰和整冰中原油油膜的光谱反射率曲线在750～770 nm区间出现楔状反射峰的典型特点。根据以上特点可以将溢油污染海水/海冰与洁净海水/海冰很好的区分开来,从而为遥感监测冰区溢油时的波段选择和溢油识别提供参考和依据。     

一种基于荧光信号的海面厚油膜评估方法

油膜厚度是海面溢油污染评估分析的一个重要指标,激光诱导荧光(LIF)技术是目前最有效的海面溢油探测技术之一,基于LIF探测技术的油膜厚度反演算法当下仅有适用于薄油膜(≤10~20 μm)的评估方法,而对于较厚油膜(>20 μm)的评估目前尚无有效的反演算法。鉴于此,提出一种基于LIF技术适用于较厚油膜的反演算法,该算法采用油膜荧光信号反演油膜厚度,推导了油膜厚度反演公式,并给出了基于该反演算法的油膜厚度评估方法。首先采用最大类间方差算法(Otsu)选取合适的荧光光谱波段,然后根据选取波段内每个波长的光谱数据反演油膜厚度,最后采用反演油膜厚度的平均值作为油膜厚度评估结果。研究了该算法的适用范围,给出了该算法有效评估范围最大值与测量相对误差的关系,并结合消光系数给出了在多种测量误差条件下不同消光系数油品有效评估范围的最大值。通过实验对本文方法进行了验证,选用原油和白油的混合油(1∶50)作为实验油品,以波长为405 nm的激光作为激发光源,采集波长范围为420～750 nm,采集了海水背景荧光和拉曼散射光光谱、实验油品的荧光特征光谱和多种不同厚度的较厚油膜的荧光光谱。采用Otsu算法选取420～476 nm波段评估油膜厚度,在实验油品油膜厚度≤800 μm时,该算法对油膜厚度的评估具有较高的精度,平均误差为10.5%;在油膜厚度>800 μm时,平均误差为28.8%,评估误差较大且随油膜厚度的增加快速变大,该实验结果与利用测量相对误差和消光系数的分析结果一致。实验结果表明,该方法可以实现对海面较厚油膜厚度的有效评估,并可以根据测量相对误差和消光系数判断评估结果的有效性。     

融合拉曼散射光和荧光信号反演海面溢油厚度的算法研究

随着海洋溢油问题的日益严重,多种遥感技术被用于海面溢油监测,其中激光诱导荧光(LIF)技术是目前被认为最有效的海面溢油探测技术之一。Hoge等基于LIF技术提出了一种利用拉曼散射光评估薄油膜厚度的积分反演算法并广泛应用于海面溢油探测,针对该算法存在误差较大的问题,提出一种融合拉曼散射光和荧光信号评估海面溢油厚度的反演算法。首先利用拉曼散射光信号反演油膜厚度,然后利用该反演结果计算获取溢油油品的荧光特征光谱,最后利用荧光信号反演油膜厚度。文中推导了利用荧光信号反演油膜厚度的算法,给出了油品荧光特征光谱的逼近算法,并给出了利用荧光信号反演油膜厚度的误差分析。通过实验对该方法进行了验证,选用原油和柴油为实验油品,以波长405 nm的激光作为激发光源,采集波长范围为420～700 nm,采集了海水的背景荧光和拉曼散射光信号、实验油品2,5,10和20 μm等不同厚度油膜的光谱信号。将采集数据分为训练集和测试集,利用训练集数据采用梯度下降法获取油品的荧光特征光谱,利用测试集数据分别采用积分拉曼法和该方法反演油膜厚度。采用积分拉曼法,原油不同厚度油膜反演结果的平均误差分别为12.6%,4.6%,4.4%和2.3%,柴油不同厚度油膜反演结果的平均误差分别为14.0%,7.0%,4.2%和3.6%;采用本文方法,原油不同厚度油膜反演结果的平均误差分别为2.5%,2.2%,1.2%和1.1%,柴油不同厚度油膜反演结果的平均误差分别为3.0%,2.4%,2.7%和1.6%。实验结果表明,2 μm油膜反演结果的误差降低最多,原油和柴油2 μm油膜的反演结果误差分别由12.6%和14.0%降低为2.5%和3.0%,其他厚度油膜反演结果的误差也有较大程度的降低,油膜厚度反演结果的误差均小于3%,采用本文算法可以有效提高油膜厚度反演结果的精度。     

水面油膜偏振反射影响因子及其交互作用定量分析

为了利用遥感技术提取更多水面油膜的反射特征信息,在传统遥感研究的基础上,对水面油膜的多角度高光谱偏振反射信息进行了测量与分析,且以偏振度作为定量研究指标,采用3因素3水平的正交实验研究了入射天顶角、波段和油膜厚度以及它们之间交互作用对水面油膜偏振度的影响.对正交实验数据进行方差分析结果表明3个因素与它们之间的交互作用对水面油膜的偏振度均有影响;而入射天顶角、油膜厚度以及波段与油膜厚度的交互作用对偏振度的影响高度显著,说明在利用多角度高光谱偏振反射信息研究水面油膜时,不但要考虑单一因素对偏振度的影响,而且必须要考虑因素间交互作用对偏振度的影响.     

海面油膜热红外发射率光谱特征研究（英文）

利用热红外遥感技术探测海面溢油存在能够全天时探测、更好地探测海表及油膜辐射特征和对油膜厚度的识别潜力较大等优势。而热红外发射率是物体在指定温度时的辐射能与同温度黑体辐射能的比值,在常温范围内,物体的发射率光谱与温度无关,仅与材质属性及波长相关。基于这一假设,以山东省东营市胜利油田孤岛采油厂获取的原油样品与渤海湾海水为材料,利用102F傅里叶变换热红外光谱辐射仪设计海面油膜发射率光谱实验,系统的测量分析了海面油膜随厚度连续变化过程中海面油膜发射率的变化特征与产生机理。结果表明,海表油膜的热红外发射率在甚薄阶段(20~120μm)变化较大,利用热红外发射率光谱能够较好的探测海表甚薄油膜;在8~10μm和在13.2~14μm波段范围内,海水与厚度为20μm的甚薄油膜存在较为稳定的发射率差异,利用该光谱范围内的油膜发射率可以用来探测20μm的甚薄油膜;在11.7~14μm波段范围内,油膜发射率与其厚度相关性小,油膜的发射率明显低于本底海水的发射率,利用该光谱范围内的油膜发射率可以用来探测较薄油膜的有无;在11.72,12.2,12.55,13.48和13.8μm这几个波长附近,油膜发射率随着油膜厚度的增加呈现出递增或递减,且变化幅度较大,利用这几个波长附近谱段的发射率可以用来探测较薄油膜的发射率光谱响应。     

基于激光拉曼光谱的水面油膜厚度测量方法研究

为了实现水体表面油膜厚度的快速非接触检测,基于激光拉曼光谱检测技术,搭建了水体表面油膜厚度拉曼光谱检测系统。以532 nm激光作为激发光源,以常见的柴油和汽油为例研究了不同油品的拉曼光谱特性,研究结果表明,油膜拉曼光谱响应特性与油品密切相关,相同油膜厚度情况下不同油品的拉曼光谱曲线有明显的差异,97#汽油在1 651 cm-1光谱强度要高于90#汽油。随着油膜厚度的增加,柴油316和1 451 cm-1光谱强度和汽油1 651 cm-1拉曼位移光谱强度增加,油拉曼光谱信号变强;根据油水界面拉曼光谱特征,设计了油膜厚度计算因子,实验证明随着油膜厚度增加,油膜厚度计算因子r_film呈下降趋势。可以将油膜厚度计算因子作为水体表面油膜厚度测量的一种依据。     

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。     

高光谱成像技术的不同叶位尖椒叶片氮素分布可视化研究

为了快速、准确、直观估测尖椒叶片的营养水平和生长状况,利用高光谱成像技术结合化学计量学方法对不同叶位尖椒叶片氮素含量(nitrogen content, NC)的分布进行了可视化研究。按照叶片位置采摘尖椒叶片,并采集高光谱数据,然后测定相应叶片的SPAD和NC。提取出叶片的光谱信息后,采用Random-frog(RF)算法提取特征波段,分别选出5条与10条特征波段。针对选取的特征波段和全波段,分别建立偏最小二乘回归(partial leastsquares regression, PLSR)模型,结果表明采用特征波段建立的PLSR模型性能较好(SPAD：R_C=0.970, R_CV=0.965, R_P=0.934; NC: R_C=0.857, R_CV=0.806, R_P=0.839)。根据预测模型计算尖椒叶片高光谱图像每个像素点的SPAD与NC,从而实现SPAD与NC的可视化分布。事实上叶片的SPAD在一定程度上可以反映含氮量,二者分布图的变化趋势基本一致,验证了可视化结果的正确性。结果表明：运用高光谱成像技术可以实现对不同叶位尖椒叶片氮素分布的可视化研究,这为监测植物的生长状况和养分分布提供理论依据。     

基于高光谱成像的南瓜叶片叶绿素分布可视化研究

叶绿素浓度是植物生长的指示剂,而叶片的SPAD值则可以反映植物叶绿素含量,从而监测植物的生长状况。本文采用可见-近红外(380～1 030 nm)高光谱成像技术可以实现南瓜叶片SPAD值的可视化,同时根据叶片霜霉病疫情与叶绿素含量呈显著正相关进而可以快速诊断霜霉病疫情。通过测定健康叶片和感染不同霜霉病疫情的叶片光谱曲线,采用竞争性自适应重加权算法(CARS)进行特征波段的选择,可以得到10条特征波段,再结合偏最小二乘回归法(PLSR)进行南瓜叶片SPAD的预测。结果表明,通过对48个样本的训练,对23个样本进行预测,可以得到南瓜叶片SPAD较好的预测效果,其中R_C=0.918,RMSECV=3.932; R_CV=0.846,RMSECV=5.254; R_P=0.881,RMSEP=3.714。根据叶片光谱特征波段与SPAD之间的线性回归方程可以计算叶片各个像素点的SPAD值,最后采用图像处理技术可以得到南瓜叶片SPAD的可视化分布图,同时也反映了霜霉病的感染分布,进而判断南瓜叶片的霜霉病疫情。该研究为监测植物生长状况及判别南瓜叶片霜霉病疫情奠定了理论基础。     

基于CASI高光谱数据的作物叶面积指数估算

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析。结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CI_{red edge}充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI_{(569.00, 654.80)}和RSI_{(597.6, 654.80)}对LAI估算的效果要优于NDVI与CI_{red edge},其中,NDSI_{(569.00, 654.80)}主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI_{(569.00, 654.80)}之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料。研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持。     

亚热带红壤全氮的高光谱响应和反演特征研究

利用高光谱遥感技术反演土壤性质已经成为土壤学和遥感科学研究领域的新手段,特别对土壤化学元素含量的高光谱反演,已成为土壤元素快速监测方法的的研究热点。以往研究往往关注不同类型土壤的化学元素光谱响应特征模型,以试图找到普适性的元素-光谱反演模型。由于成土因素的复杂性,土壤类型及其化学元素分布具有明显的空间异质性特征,宏观尺度上的土壤-光谱统计反演模型客观上具有较大的不确定性。若范围缩小到同一个气候带,土壤生物地球化学反应过程较相似,土壤化学元素-光谱反演模型的不确定性相对较小。以福州市为研究区,采集福州市典型红壤样品135个,研究土壤全氮含量的高光谱响应特征,对土壤样品在350～2 500 nm的光谱反射率分别进行倒数对数、微分等五种变换,分析变换后的光谱信息与土壤总氮含量的相关性,筛选出强相关敏感波段,通过设计不同的建模和验证样品比例,用逐步多元线性回归获得福州土壤的氮元素高光谱反演优化模型。结果表明：亚热带红壤全氮的敏感光谱波段为：可见光634～688 nm和红外872,873,1 414和1 415 nm;亚热带沿海地区土壤全氮—高光谱反演的优化模型为: Y=5.384X664-1.039(决定系数R2为0.616,均方根误差为0.422 mg·g-1,检验R2为0.608,均方根误差为0.546 mg·g-1),该模型可以用于福州地区土壤全氮的光谱快速监测。     

遥感光谱信息提取不同覆盖下植被水分信号的研究进展

综述了基于遥感光谱信息的植被水分信号提取的研究进展,包括直接利用光谱反射率反演植被水分信息到建立植被水分指数(WI),再发展至利用辐射传输模型来获取植被冠层水分信息。着重评述了针对低植被覆盖条件下的提取其冠层水分信息的方法,包括利用冠层生理参数估算植被水分信号;基于去除土壤背景影响的光谱植被水分指数或辐射传输模型估算植被水分信息,以及基于多角度的星-地观测提取稀疏条件下的植被水分信息。最后讨论了针对提取低覆盖植被冠层水分信息方法的可能发展趋势。     

整个生育期玉米叶片SPAD高光谱预测模型研究

以两年完整生育期玉米田间试验为基础,利用便携式地物光谱仪和叶绿素仪(SPAD-502)分别测定了叶片高光谱数据和叶绿素含量(SPAD),在两者相关分析的基础上,选取多种光谱参数分别构建了每年的叶片SPAD预测模型,并对模型进行了详细的验证和评价。结果表明：两年间叶片光谱反射率及其一阶导数的平均值曲线差别很小;两年间叶片SPAD与光谱反射率及其一阶导数的相关系数曲线的敏感区域基本相同;以一阶导数为光谱参数构建的预测模型效果不稳定;以LCI和DSI(R_550附近,R_680附近)和DSI(R_680附近,R_710附近)构建的预测模型效果良好,能有效预测玉米叶片SPAD。     

基于模糊识别的苹果花期冠层钾素含量高光谱估测

依据2008年和2009年2年在栖霞试验区利用地物光谱仪ASD FieldSpec3测定的苹果花期冠层高光谱和实验室内测定的钾素含量数据,以冠层高光谱反射率及其11变换形式与钾素含量分别进行相关分析,以相关系数最大者为自变量,采用模糊识别算法,建立钾素含量估测模型;以2008年的检验样本对模型进行检验,并利用2009的独立试验数据对模型进行验证。结果表明,原始光谱反射率(R)及其倒数(1/R)、对数(lgR)、平方根(R1/2)与钾素含量的相关性较差,但它们的一阶微分和二阶微分与钾素含量之间的相关性明显增强;建立的钾素含量估测模型=11.344 5h+1.309 7的相关系数r为0.985 1,总均方根差RMSE为0.355 7,F统计量为3 085.6;24个检验样本实测值与估测值的平均相对误差为9.8%,估测精度为90.2%;2009年试验验证精度达到了83.3%。表明模型用于苹果花期冠层钾素含量的估测具有较高的稳定性,模型精度能满足生产上对苹果钾素含量估测的要求。     

基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究

利用高光谱成像系统获得网纹类哈密瓜糖度漫反射光谱信息,选择有效波段500～820 nm进行哈密瓜糖度检测建模回归分析。对比了多元散射信号修正和标准正则变换校正方法,原始光谱、一阶微分、二阶微分光谱预处理方法对建模精度的影响;采用偏最小二乘法、逐步多元线性回归和主成分回归方法对比分析了带皮哈密瓜和去皮哈密瓜糖度检测模型效果。结果表明,对原始光谱经过MSC和一阶微分光谱处理后,采用PLS和SMLR方法均可取得很好的建模效果,应用PLS法检测带皮哈密瓜糖度是可行的,其校正集相关系数(R_c)为0.861,RMSEC为0.627,预测集相关系数(R_p)为0.706,RMSEP为0.873;应用SMLR法检测去皮哈密瓜糖度效果最佳,校正集相关系数(R_c)为0.928,RMSEC为0.458,预测集相关系数(R_p)为0.818,RMSEP为0.727。研究表明,应用高光谱成像技术检测哈密瓜糖度具有可行性。     

基于高光谱散射特征的牛肉品质参数的预测研究

研究利用光谱散射特性预测牛肉的pH值、嫩度和颜色。使用高光谱成像系统,获取400～1 100 nm波长范围内新鲜牛肉表面的高光谱散射图像,预测牛肉的品质参数。提取高光谱图像在400～1 100 nm波长范围内的散射特征,利用洛伦兹分布函数,拟合各个波长处的散射曲线,获取不同波长散射曲线的洛伦兹函数参数。使用逐步回归方法,选择优化波长及其相应的拟合参数,建立多元线性回归模型预测牛肉的品质参数,使用全交叉验证方法评价模型性能。对嫩度的预测相关系数达到0.86,预测标准差为11.7 N,分级准确率达到91%;pH值的预测相关系数为0.86,预测标准差为0.07;对颜色参数L*, a*, b*的预测相关系数分别达到0.92, 0.90和0.88,预测标准差分别为0.90,1.34和0.41。研究结果表明,利用光谱散射特征可以较好的预测牛肉的品质参数。