不同颜色冬枣可溶性固形物可见-近红外光谱分析模型构建

冬枣品质受其品种和生长环境等因素的影响,引起采后化转红指数不同,导致果实的颜色差异较大,从而影响其可溶性固形物（SSC）检测模型的分析精度。采用可见-近红外（Vis-NIR）光谱结合Norris-Williams平滑（NWS）、连续小波导数（CWD）、多元散射校正（MSC）、标准正态变量变换（SNV）和NWS-MSC五种光谱预处理方法构建不同颜色（红绿相间MJ,绿色GJ和红色RJ）冬枣SSC的偏最小二乘（PLS）定量分析模型,分别采用MJ,GJ,RJ,MJ-GJ和MJ-GJ-RJ五个样品集合建立冬枣SSC的定量分析模型,并采用由MJ-GJ-RJ三种颜色冬枣样品组成的测试集进行模型的评价;以不同建模样品集（校正集）的校正相关系数（R_c）和交互验证均方根误差（RMSECV）作为构建最优模型的评价指标;测试集的预测相关系数（R_p）和预测均方根误差（RMSEP）用于模型预测精度的评价。研究结果表明：分别采用MJ,GJ和RJ的独立样品集进行建模时,模型仅对具有相同颜色的冬枣样品的SSC实现了较好的预测;分别在MJ样品中加入GJ和GJ-RJ样品进行MJ-GJ和MJ-GJ-RJ两个混合样品集的定量模型的构建时,MJ-GJ模型对MJ和GJ样品的SSC具有较好的预测效果,其RMSECV,R_c,RMSEP,R_p分别为1.108,0.698,0.980,0.724和1.108,0.698,0.983,0.822,而对RJ样品的预测误差较大,模型的RMSECV,R_c,RMSEP,R_p为1.108,0.698,1.928,0.597;而MJ-GJ-RJ模型对三种颜色的冬枣SSC均有较好的预测结果：MJ-GJ-RJ模型对MJ样品的SSC模型的RMSECV,R_c,RMSEP,R_p为1.158,0.796,1.077,0.668;对GJ样品的SSC模型的RMSECV,R_c,RMSEP,R_p为1.158,0.796,0.881,0.861;对RJ样品的SSC模型的RMSECV,R_c,RMSEP,R_p为1.158,0.796,1.140,0.841;采用蒙特卡罗无信息变量消除（MCUVE）方法进一步对MJ-GJ-RJ样品集光谱的特征变量进行优选后,模型的R_c和R_p分别由原来的0.796和0.864提高到0.884和0.922,模型的RMSECV和RMSEP分别由1.158和0.946减小到0.886和0.721,模型具有较好的分析精度。采用可见-近红外光谱对不同颜色冬枣的SSC进行分析时,当建模集样品与测试集样品颜色属性相似或选择性质相似的建模变量进行模型构建时,模型具有更好的通用性。     

基于激光诱导击穿光谱技术的咖啡豆中咖啡因含量快速检测方法

应用激光诱导击穿光谱(LIBS)技术研究了快速检测咖啡豆中咖啡因含量的可行性。将咖啡豆磨粉压成片状作为采集LIBS光谱数据的样本,应用原子吸收分光光度计测量每个样本中咖啡因的含量。应用基线校正,小波变换和归一化等数据预处理方法;针对基于全部变量的偏最小二乘(PLS)模型会出现过拟合,分别应用回归系数和主成分分析(PCA)选择特征变量,并建立了基于特征变量的PLS和BP神经网络模型。结果表明：基于回归系数所选特征变量的PLS模型中,建模集相关系数R_c=0.96,预测集R_p=0.91;基于PCA提取特征变量的PLS模型中,R_c=0.94,R_p=0.90;基于PCA所选特征变量的BP神经网络模型中,R_c=0.96,R_p=0.96。两种方法所提取特征变量均对应C,H,O,N,Na,Mn,Mg,Ca和Fe,且基于上述两种方法所选特征变量的PLS模型均对预测集样本有较好的预测结果,说明上述元素与咖啡因含量存在联系,应用回归系数和PCA选择的特征变量是有效的,但是咖啡豆内C,H,O,N,Na,Mn,Mg,Ca,Fe与咖啡因含量的确切关系需要进一步研究。基于PCA所选特征变量的BP神经网络模型有更优的预测结果,说明所选特征变量适用于不同的建模方法。研究表明LIBS技术结合化学计量学方法可以实现咖啡豆中咖啡因含量的快速检测。     

结合高光谱图像的光谱和纹理信息预测羊肉可溶性蛋白和GSH含量

可溶性蛋白和谷胱甘肽（GSH）是羊肉重要的生理生化指标，是衡量机体抗氧化能力大小的重要因素，传统检测方法程序复杂，检测费时。为此应用可见-近红外（400～1 000 nm）高光谱成像技术实现可羊肉可溶性蛋白和还原性谷胱甘肽（GSH）含量无损、快速检测。首先，对采集的180个羊肉样本的原始光谱信息采用4种方法进行预处理，再运用竞争自适应加权算法（CARS）、区间变量迭代空间收缩算法-迭代和保留信息变量法（iVISSA-IRIV）进行特征波段的提取。同时使用灰度共生矩阵法（GLCM）提取贡献率最高的主成分图像的纹理信息。最后将优选出的预处理方法和特征波长信息作为光谱信息和光谱-纹理融合信息分别结合多元线性回归（MLR）、最小二乘支持向量机（LS-SVM）模型建立羊肉可溶性蛋白和谷胱甘肽含量的预测模型。结果显示未经预处理的原始光谱建立的羊肉可溶性蛋白含量PLSR模型效果最佳，其R_c和R_p分别为0.875 7和0.854 7；采用SNV法预处理后光谱建立的羊肉GSH含量PLSR模型效果最佳，其R_c和R_p分别为0.804 8和0.826 5。利用iVISSA-IRIV共筛选出31个特征波长，建立的羊肉可溶性蛋白LS-SVM模型的R_c和R_p最优，分别为0.914 6和0.881 8；同时利用iVISSA-IRIV筛选出29个特征波长，建立的羊肉GSH-MLR模型的R_c和R_p最优，分别为0.844 6和0.870 5。最终经光谱特征信息和图谱信息融合模型对比发现，建立iVISSA-IRIV-LS-SVM模型对羊肉可溶性蛋白预测效果最佳，其R_c和R_p分别为0.914 6和0.881 8；利用SNV-iVISSA-IRIV法提取的光谱特征信息与纹理信息融合建立的MLR模型为预测羊肉GSH含量的最优模型，其R_c和R_p分别为0.849 5和0.890 4。利用最优iVISSA-IRIV-LS-SVM和iVISSA-IRIV-MLR模型和成像处理方法，结合伪色彩图像直观的表示羊肉样本的可溶性蛋白和GSH含量的空间分布情况。研究结果表明利用高光谱图像的光谱和纹理信息能够用来预测羊肉可溶性蛋白和GSH含量。     

基于CARS-MIV-SVR的库尔勒香梨可溶性固体含量预测方法

为了实现库尔勒香梨依据可溶性固体含量（SSC）分级定等和按质论价,推动采后处理向标准化、产业化方向健康发展,利用高光谱成像技术研究出了一种快速、有效、无损检测库尔勒香梨SSC的方法。以表面无损伤的157个库尔勒香梨作为研究样本,应用高光谱成像采集系统获取400~1 000 nm波长范围内高光谱图像并用ENVI5.3软件提取感兴趣区域（ROI）,获得高光谱数据。采用Kennard-Stone（KS）样本集划分方法将全部样本按照2∶1的比例划分为校正集（105）和预测集（52）。对比标准变量变换（SNV）、多元散射校正（MSC）、一阶导数（FD）和二阶导数（SD）等数据预处理方法对建模精度的影响,最终选用SNV方法对光谱曲线进行平滑去噪。该研究提出竞争性自适应重加权算法与平均影响值算法的组合算法（CARS-MIV）选择特征波长。在竞争性自适应重加权算法（CARS）方法中,建模样本由蒙特卡罗算法随机选择生成,变量回归系数会随之发生变化,因而回归系数的绝对值不能全面反映变量重要性,从而影响模型检测精度。为降低这种影响,应用平均影响值（MIV）算法对选出的自变量进行二次筛选,筛选出相关性较大的变量用以建模分析,并与CARS、连续投影算法（SPA）、蒙特卡罗无信息变量消除算法（MCUVE）等经典特征波长选择算法进行比较。最后分别以全波长（FS）光谱信息和四种特征波长选择方法得出的光谱信息作为输入矢量,应用支持向量回归（SVR）建立库尔勒香梨可溶性固体含量定量预测数学模型,以校正集相关系数（R_c）、校正集均方根误差（RMSEC）、预测集相关系数（R_p）和预测集均方根误差（RMSEP）四个参数来评估模型的预测精度。比较分析发现,CARS-MIV-SVR模型效果最佳,校正集相关系数（R_c）为0.985 94,预测集相关系数（R_p）达到0.946 31,校正集和预测集均方根误差分别为0.185 85和0.403 33。结果证明：CARS-MIV特征波长选择方法能够有效增强库尔勒香梨光谱数据特征波长选择的稳定性和精确性,提高模型的预测精度。利用高光谱技术结合CARS-MIV-SVR模型能够满足库尔勒香梨可溶性固体含量测定需求,实现库尔勒香梨的分级定等和按质论价。     

Lasso算法的油砂钠元素近红外建模

以油砂中钠元素为研究对象,首次应用近红外光谱,结合Lasso(least absolute shrinkage and selection operator)建模方法,建立了油砂金属钠含量的近红外光谱定量校正模型,并与传统的PLS建模方法进行比较。结果表明,两种方法建立的油砂金属钠含量校正模型都具有很高的精度,预测性能方面略有差异。在实验验证集与预测集中,PLS与Lasso算法的相关系数分别是：R_v=0.878 8,R_p=0.857 9和R_v=0.887 4,R_p=0.860 0。实验验证了使用近红外光谱快速测定油砂金属钠含量的有效性,并分析了PLS与Lasso算法的适用范围。     

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。     

近红外全局隐含温度补偿模型的预测精度分析

温度波动影响含氢基团之间的作用力,从而影响近红外光谱的吸收强度和波峰位置等,导致近红外测量精度的降低。针对温度变化对近红外光谱建模精度的影响,对全局隐含温度补偿方法进行了研究,并对其预测精度进行了分析,分别从预测方差和置信区间两个方面对此类模型的精度进行了理论探讨和验证。同时通过温度的连续变化实验,即在温度连续变化的过程中,等时间间隔采集各样品的近红外光谱,研究了温度变化对光谱主元的连续模式影响,探讨了温度变化影响模型预测精度的方式和途径。最后对某高分子聚合物的粘度测量问题进行了实验验证和误差分析,得到标准温度下所建未经温度补偿的模型和全局隐含温度补偿模型的建模精度分别为：RMSEC=0.243 0, R_c=0.871 6, RMSEP=0.243 2, R_p=0.869 3; RMSEC=0.258 2, R_c=0.870 6, RMSEP=0.265 2, R_p=0.856 0,而当温度变化时,二者预测最大置信区间分别约为1.8和0.9 kPa·s。虽然全局隐含温度补偿模型相比于标准温度模型建模精度略降低,但预测精度提高了一倍左右。理论分析和实验结果均表明,全局温度补偿模型具有较高的预测精度,且对温度的变化有较强的鲁棒性和可靠性。     

可见-近红外光谱的滨海土壤“除水”盐分估测

滨海盐碱区土壤盐分的快速、准确监测对土地合理利用和保护具有重要意义。可见光近红外（Vis-NIR）光谱技术已广泛用于土壤属性的高效估测。然而,水分对含盐土壤光谱的干扰导致传统土壤盐分估测模型的精度降低。旨在探究分段直接标准化（PDS）和正交信号校正（OSC）在含水条件下土壤盐分估测中的应用,从而建立面向滨海盐碱区的“除水”Vis-NIR定量模型。为此,将获取的144份黄河三角洲滨海盐碱区表层（0~20 cm）土壤盐分数据划分为建模集（17个样本）和验证集（127个样本）。通过严格加水控制实验,测量10个含水率梯度（0%,1%,5%,10%,15%,20%,25%,30%,40%和50%）的建模集土壤光谱数据,验证集的土壤光谱则是根据生成的1~50随机整数,通过随机加水实验测量获取。采用PDS和OSC与偏最小二乘回归（PLSR）结合的建模策略,构建土壤盐分估测模型,并进行性能验证和比较。结果表明,OSC比PDS更能有效减轻水分在土壤盐分估测中的建模干扰。具体来说,光谱校正前后生成的所有PLSR模型均取得一定的成功（R2_P=0.79~0.91,RMSE_P=2.6~3.98 g·kg-1,RPD=1.98~2.37）。OSC-PLSR模型的土壤盐分估测精度提高,R2_P,RMSE_P和RPD分别为0.91和2.6 g·kg-1和2.37。而PDS-PLSR模型效果不理想,R2_P,RMSE_P和RPD分别为0.79,3.98 g·kg-1和1.98。模型整体表现出了OSC-PLSR>PLSR>PDS-PLSR的土壤盐分估测性能。此外,提出了变量投影重要性（VIP）和Spearman相关系数（r）结合的分析策略,进一步探究了模型的估测机理。模型的重要波长（VIP>1）与土壤盐分敏感波长（|r|>0.4）吻合,对估测模型有重要意义。比较而言,OSC-PLSR精确提炼了位于830,1 940和2 050 nm附近的模型估测的关键波长,而常规的PLSR和PDS-PLSR包含了大量的冗余信息。综合来看,OSC-PLSR模型在Vis-NIR土壤盐分估测中具有较好的除水效果,为土壤含水状态下的土壤盐分研究提供可靠方法。     

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。     

基于无人机高光谱特征参数和株高估算马铃薯地上生物量

地上生物量（above-ground biomass, AGB）是评价作物长势及其产量估测的重要指标,对指导农业管理具有重要的作用。因此,快速准确地获取生物量信息,对于监测马铃薯生长状况,提高产量具有重要的意义。于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期获取成像高光谱影像、实测株高（heigh, H）、地上生物量和地面控制点（ground control point, GCP）的三维空间坐标。首先基于无人机高光谱灰度影像结合GCP生成试验田的DSM（digital surface model, DSM）,利用DSM提取马铃薯的株高（H_dsm）;然后利用无人机高光谱影像计算一阶微分光谱、植被指数和绿边参数,进而分析高光谱特征参数（hyperspectral characteristic parameters, HCPs）和绿边参数(green edge parameters, GEPs)与马铃薯AGB的相关性,每个生育期筛选出相关性较高的前7个高光谱特征参数和最优绿边参数(optimal green edge parameters, OGEPs);最后基于HCPs,HCPs加入OGEPs,HCPs加入OGEPs和H_dsm的组合利用偏最小二乘回归（partial least square regression, PLSR）和随机森林（random forest, RF）估算不同生育期的AGB。结果表明：（1）提取的H_dsm与实测株高H高度拟合（R2=0.84,RMSE=6.85 cm,NRMSE=15.67%）;（2）每个生育期得到的最优绿边参数不完全相同,现蕾期、块茎增长期和淀粉积累期OGEPs为R_sum,块茎形成期和成熟期OGEPs分别为Dr_min和SDr;（3）与仅使用HCPs估算AGB相比,使用HCPs加入OGEPs,HCPs加入OGEPs和H_dsm在马铃薯不同生育期可以提高AGB估算精度,且以后者为自变量提高精度的幅度更大;（4）每个生育期利用PLSR和RF估算AGB的建模和验证R2从现蕾期到块茎增长期呈上升趋势,随后开始降低,整体上R2呈先上升后下降的趋势,通过PLSR方法构建的估算AGB模型效果优于RF方法,其中块茎增长期表现效果最好。因此,高光谱特征参数中结合最优绿边参数和株高,并使用PLSR方法可以改善马铃薯AGB的估算效果。     

大气压氦氩混合气体介质阻挡放电电学和光谱特性研究

以聚对苯二甲酸乙二醇酯作为介质,在大气压下产生氦氩混合气体放电等离子体。利用电压电流探头、数字示波器和数码相机研究了聚对苯二甲酸乙二醇酯介质阻挡氦氩混合气体放电的电学特性和发光特性。发现随氩气含量增加,每半个电压周期出现一个或多个电流脉冲,放电由均匀放电转变为斑图放电。利用衍射光栅和CCD探测器组成的光谱系统测量了氩原子谱线（696.54, 763.13, 772.09, 811.17和911.81 nm）光谱强度。研究了氩气含量、峰值电压对氩原子谱线光谱强度的影响。实验结果表明：在峰值电压较低时,上述五条氩原子谱线光谱强度随氩气含量的增加均呈现先增强-后减弱-再增强的变化规律;在峰值电压较高时,波长为696.54, 763.13和772.09 nm三条谱线光谱强度增强,波长为811.17和911.81 nm谱线光谱强度减弱。上述情况表明：在低峰值电压下,上述五条氩原子谱线光谱强度的变化规律是由于在放电过程中放电模式发生了变化;而在髙峰值电压下,五条谱线强度变化与气体激发机制有关。在氩气含量低于30%或高于80%时,氩原子谱线光谱强度随峰值电压的增加先保持不变,再增强到稳定值;在氩气含量介于30%～80%之间时,氩原子谱线光谱强度随峰值电压的增加也呈现先增强-后减弱-再增强的变化规律;利用玻尔兹曼图形法计算了氩原子放电的电子激发温度,得到了不同峰值电压下电子激发温度随氦气/氩气比例变化的规律：高峰值电压下电子激发温度明显高于低峰值电压下电子激发温度;电子激发温度随氩气含量增加而减小。出现上述变化规律的原因主要是由于电子与氦原子碰撞截面小,电子与氩原子碰撞截面大,而氦气扩散系数大于氩气扩散系数。     

卫星遥感中不同偏振量对气溶胶反演的影响分析

偏振探测是提高气溶胶卫星遥感能力的重要途径。作为目前全球重要的偏振数据源,我国高分五号卫星搭载的多角度偏振探测仪（DPC）能够测量不同的偏振量,包括Stokes矢量偏振分量、偏振辐亮度（L_ｐ）和线偏振度（DOLP）。各偏振量所包含的有效信息和测量误差不同,进而影响气溶胶参数的反演精度。针对此,在最优估计反演框架下,利用信号自由度（DFS）和后验误差定量化分析了各偏振量对气溶胶参数反演的影响,为后续DPC气溶胶算法开发提供参考。研究结果表明：Stokes矢量包含的信息量最高,其次是线偏振度和偏振辐亮度,相应的气溶胶总DFS分别为7.5,6.1和5.2;采用不包含偏振方向信息的L_P反演时,复折射指数虚部和粒子谱有效方差的信息量比采用Stokes矢量和DOLP反演时显著下降,表明这两个参数对偏振方向和测量误差敏感,增加偏振方向信息和降低测量误差能够有效提高这两个参数的可反演性;偏振方向的探测对提高气溶胶遥感能力有重要价值,采用L_P和DOLP反演时,气溶胶各参数的后验误差比采用Stokes矢量反演分别增加67.6%和65.5%,其中细模态体积柱浓度和粒子谱有效半径受到的影响最大;在全部气溶胶参数中,复折射指数实部后验误差最小,虚部的反演不确定性最大。总体来说,细模态气溶胶的三个参数（体积柱浓度、复折射指数实部和粒子谱分布有效半径）在三种偏振量反演情况下平均DFS均大于0.85,能够较好的通过DPC观测反演得到,而粗模态气溶胶反演与气溶胶类型有关,参数反演不确定性较大。     

高光谱成像技术的三文鱼多品质指标的预测与分布可视化研究

采用颜色、剪切力和K值评价冰鲜与冻融三文鱼的品质,利用高光谱成像技术结合化学计量学方法对三个品质指标进行预测,并讨论了不同波长选择算法所建模型的预测效果。准备不同冻融次数三文鱼样本,进行高光谱数据采集和品质指标真实值的测定。采用六种预处理方法减少光谱数据中暗电流以及噪声的干扰,采用竞争性自适应重加权算法（CARS）、区间变量迭代空间收缩法(iVISSA), iVISSA-CARS筛选出与待测指标相关的变量,通过比较三种波长选择算法筛选的特征变量所建偏最小二乘(PLS)模型的预测结果,优选出三个品质指标最佳的变量选择方法。结果表明1st Der-CARS-PLS模型对颜色中的a*预测效果最好,筛选出的51个变量建立模型的R_c和R_p分别为0.931 6和0.929 7,RMSECV和RMSEP分别为0.716和0.735;2nd Der-CARS-PLS模型对剪切力的预测效果最好,筛选出的61个特征变量建立模型的R_c和R_p分别为0.892 1和0.887 3,RMSECV和RMSEP分别为0.67 N和0.80 N;模型N-CARS-PLS取得了K值最好的预测效果,筛选出的51个特征变量所建模型的R_c,R_p,RMSECV和RMSEP分别为0.951 4, 0.950 0, 1.33, 1.53。说明CARS变量筛选方法能够有效提取与特征指标相关的变量,提高模型的预测性能。除此之外,特征变量筛选联合算法iVISSA-CARS-PLS对三个指标的预测也取得了较好的结果,对三个指标测试集的R_p分别为CARS-PLS预测模型的97.48%,97.02%,98.98%,而所用变量数仅为CARS-PLS的60.78%,62.29%,60.78%,说明变量筛选组合算法极大的减少了建立模型所用的数据量。三个指标的CARS-PLS以及iVISSA-CARS-PLS模型取得的预测效果均高于iVISSA-PLS,说明对于三文鱼三个品质指标的预测,CARS波长点筛选策略优于iVISSA波段选择策略。将优选出来的PLS模型分别用于构建三个品质指标的可视化分布图,清楚的展示了不同冻融次数三个品质指标的大小以及空间分布。因此,高光谱成像技术结合化学计量学方法可以较好的表征三文鱼的品质指标,为三文鱼多品质指标的同时快速检测提供了部分理论参考。     

基于高光谱技术的土壤水分无损检测

利用高光谱成像仪(光谱范围400～1 000 nm)对土壤含水率进行了无损检测。比较了208个土样不同天数下土壤含水率与光谱变化、不同质量含水量光谱的差异;对比分析了不同光谱预处理方法、不同方法提取特征波长、采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)与偏最小二乘回归(partial least squares regression,PLSR)建模,优选出最佳模型。结果表明：光谱曲线的反射率随着土壤含水率的增加而减小。当超过田间持水率时,光谱曲线的反射率会随着土壤含水率的增加而增大。对比分析了不同预处理方法,近红外波段优选出单位向量归一化预处理方法。采用无信息变量消除法(UVE)、竞争自适应加权采样(CARS)、β系数法、连续投影算法(SPA)方法提取特征波长为49,30,5和7。为了减少数据冗余,对UVE与CARS提取的特征波长进一步采用SPA方法进行特征提取,UVE+SPA,CARS+SPA提取特征波长数分别为5和8个。在此基础上,利用MLR,PCR和PLSR方法对400～1 000 nm范围的特征波长建立模型,对比分析不同建模效果,优选出β系数提取的特征波长的MLR模型。最优的特征波长为411,440,622,713和790 nm,最优模型的预测相关系数R_p=0.979,预测均方根误差RMSEP为0.763。因此,今后可采用不同波段对土壤含水率进行定量分析。     

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...     

电感耦合等离子体质谱法研究云南某矿区周边不同样品中砷污染水平和风险评价

砷(As)污染不仅会影响土壤肥力和作物生长,而且还会通过空气、土壤、水和食物等途径暴露于人类,对人体健康产生重大威胁。矿产开采是As环境问题产生的重要来源之一。本文选择云南省某开采历史悠久的铅锌矿区周边9个村落(S₁—S₉)为研究区域,以20 km外的县城(S₁₀)为对照区域,采集了76份土壤、306份农作物和86份人发,利用微波消解对样品进行前处理,通过控制酸用量、温度和持续时间三个变量得到不同样品的最佳消解方案,并采用电感耦合等离子体质谱法(ICP-MS)测定各样品中As含量,以探究多介质中As污染水平并对人体暴露和健康风险进行评估,对当地矿产资源开采引起的As污染提出防治或改善建议。结果表明：(1) 经微波消解前处理后获得的土壤、农作物和人发样的As检出限为0.01~0.12 μg·L-1,回收率分别为92.43%~112.23%,97.88%~114.72%和91.44%~109.65%,相对偏差小于5%,结果令人满意。(2) 土壤中As的平均含量为70.66 mg·kg-1,是云南土壤背景值3.84倍。参照GB 15618—1995《土壤环境质量标准》二级标准和单因子污染指数结果,农田土壤受As污染为中度污染;在S₁采样点As含量最高,这可能与矿区多年开采、冶炼和运输密切相关。农作物样品中,块茎类蔬菜的As平均含量为1.75 mg·kg-1,其次叶菜类为0.77 mg·kg-1,玉米和根茎类蔬菜分别为0.52和0.51 mg·kg-1。参照我国《食品中污染物限量》标准,研究区域的农作物样品中As含量超标率为80.64%。(3) 采用风险评价指数(HI)、总致癌风险(TCR)、目标危害商数(THQ)和致癌风险(CR)对研究区域As通过多暴露途径对暴露人群产生的致癌风险和非致癌风险进行评价和分析。结果表明,土壤和农作物中As对成人和儿童的非致癌风险总和分别为1.13~1.20,为不可接受风险,而致癌风险均在10-3水平,大于美国环保局(USEPA)推荐的最高接受水平10-4 ,研究区居民有较大的致癌风险。饮食摄入是As主要暴露途径,研究区人群食用蔬菜的致癌风险均超过10-4,且儿童的总致癌风险高于成人。鉴于矿区周边蔬菜受As污染的高风险,我们建议当地居民可以通过外地食物的输入来规避当地As污染带来的健康风险,也可以考虑在污染的耕地上种植食用部位不易积累As的农作物来替代原有作物以减小As污染带来的危害。(4) 矿区人发中As含量均显著高于县城(S_{20 km}, p<0.05)。其中矿区居民头发As平均含量 (0.97 μg·g-1) 是县城发As含量 (0.22 μg·g-1)的4.41倍,超出卫生部推荐发As标准值(0.6 μg·g-1)。矿区男性发样As含量高于女性,随着年龄增长,矿区人发样中As含量水平呈现第二年龄组(Group Ⅱ, 19～40岁)高于第三年龄组(Group Ⅲ, ≥41岁)的趋势。这是因为处于19～40岁的男性是采矿冶炼等活动的主要参与者,是As的易感人群,具有较高的As暴露风险。(5) 本文为矿区多介质的As污染研究和居民人体健康风险暴露和评估提供有力的依据。