蚕茧近红外反射（NIR）光谱的模式识别──Ⅰ．对雌雄鲜茧、死笼茧的非破坏性识别

探讨了利用蚕茧近红外反射光谱识别雌雄茧、死笼茧的方法及可行性。采用６２５０型近红外光谱分析仪,从波长６８０ｎｍ到１２３５ｎｍ对２０５颗鲜茧做了非破坏性扫描测试,用逐步判别方法从一、二阶导数光谱数据中抽取特征向量,以此特征向量建立Ｂａｙｅｓ判别函数,对３７５个检验样本进行识别,其符合率达９５．７％,该方法明显优于以茧的重量和大小判别雌雄的方法。实验结果还表明,雌雄茧近红外反射光谱的差别,主要是由于蚕蛹性质不同所致,而与茧层的关系不大。     

蚕茧近红外反射（NIR）光谱的模式识别──Ⅰ．对雌雄鲜茧、死笼茧的非破坏性识别

探讨了利用蚕茧近红外反向光谱识别雌雄茧、死笼茧的方法及可行性。采用６２５０型近红外光谱分析仪,从波长６８０ｎｍ到１２３５ｎｍ对２０５颗鲜茧做了非破坏性扫描测试,用逐步判别方法从一、二阶导数光谱数据中抽取特征向量,以此特征向量建立Ｂａｙｅｓ差别函数,对３７５个检验样本进行识别,其符合率达９５．７％,该方法明显优于以茧的重和大小差别雌雄的方法。实验结果还表明,雌雄茧近红外反射光谱的差别,主要是由于蚕肾     

雌雄蚕蛹近红外反射光谱的差异及其模式识别

采用6250型近红外光谱分析仪,从波长6印到1 235nm分别对日系蚕蛹217颗、中系蚕蛹174颗、杂交种蚕蛹330颗做了扫描测试,结果表明：雌雄蚕蛹的近红外光谱有极显著的差异。从日系217颗蚕蛹中随机选取雌雄各50颗作为学习样本,采用逐步判别方法从其二阶导数光谱中抽取5个特征波长作为观测向量,利用二次型判别函数对其余621颗蚕蛹的性别进行识别,其准确率达98.7%。该方法明显优于以蚕蛹重量或大小识别蚕蛹雌雄的方法。     

基于实测光谱的大兴安岭地区典型森林枯落物含水率估测模型

大兴安岭是我国重点森林火灾区,准确预测该地区的森林可燃物含水率对于提高该地区林火发生预测的准确性意义重大。本研究采集典型林型的枯落物的光谱和含水率实测数据,通过一阶导数和去包络线的光谱分析方法识别森林枯落物含水率敏感波段。通过相关系数法从原始光谱、去包络线光谱、一阶导数光谱、去包络线之后的一阶导数光谱中筛选与枯落物含水率高度相关的波段作为含水率反演模型的备选自变量。利用逐步回归分析建立枯落物含水率反演模型,并对模型进行精度评价。结果表明,去包络线之后的一阶导数光谱对枯落物含水率变化存在显著响应,敏感波段位于398~668、768~1068、1098、1278、1388~1438、1458~1538、1868~1898、1988~2088、2198~2208、2228~2238 nm(P0.05)。相关系数极值为-0.653、0.610,分别在波长2008、1888 nm处。通过多元逐步回归构建大兴安岭地区9种典型林型枯落物光谱和含水率的预测模型,模型决定系数R2=0.537,平均相对误差为0.303,均方根误差为0.499。本研究结果将为利用遥感技术快速测定森林枯落物含水率提供参考。     

冠层水平互花米草叶片光合色素含量的高光谱遥感估算模型

以闽江河口鳝鱼滩湿地互花米草(Spartina alterniflora)的实测冠层高光谱反射率和叶片光合色素含量(LPPC)为数据源,在分析LPPC与原始光谱反射率、一阶导数光谱反射率、22种已报道光谱指数和14种新构建的植被指数相关性的基础上,利用直线回归、指数回归、对数回归以及乘幂回归方法,系统地比较了36种植被指数在估算互花米草LPPC中的表现。研究表明:(1)一阶导数光谱反射率组合的植被指数用于估算互花米草的LPPC优于原始光谱反射率;(2)红边区域一阶导数光谱是估测互花米草LPPC的最佳波段;(3)对于单一色素含量的估算,叶绿素a(Chla)的最佳估算指数为FDNDVI[723,703];叶绿素b(Chlb)的最佳估算指数为FDRVI[723,525];类胡萝卜素(Cars)的最佳估算指数为FDNDVI[723,703];(4)对于使用统一参量同时估算Chla、Chlb、Cars,由FDRVI[723,703]建立的对数估算模型效果最佳。研究成果可为湿地植物生化参量反演提供参考,也可为闽江河口湿地入侵种互花米草的动态监测和生态评估管理提供有力的科学依据。     

水肥耦合下夏玉米不同生育时期的高光谱特性与反演模型研究

本文通过整个光谱范围内一阶导数光谱反射率与叶绿素、可溶性糖和可溶性蛋白的相关系数显著的波段,建立高光谱预监测水肥耦合条件下的夏玉米光合特性以及碳氮代谢,进而为玉米高产提供依据。在玉米拔节期和大喇叭口期选择596、1025和924nnl,吐丝期和乳熟期选择638、1068和965nm这几个显著性波段的实测值来建立估测模型。研究结果表明,拔节和大喇叭口期叶片叶绿素SPAD值的估测模型为y=28832．45p596＋39．34,可溶性糖含量的估测模型为y=640．54p1025＋7．92,可溶性蛋白含量一阶导数光谱估测模型为y=4092．90p924＋5．63,而吐丝期和乳熟期叶片叶绿素SPAD值的估测模型为y=134151．00p638＋129．92,可溶性糖含量的估测模型为y=524．80p1068＋9．20,可溶性蛋白含量一阶导数光谱估测模型为y=7321．61lp965＋36．64。所建立的高光谱预测模型在本试验所属的时空范围内能很好地预测和反演玉米生长状况。     

基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5％和87.98％.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性.     

不同生长状态珊瑚光谱特征

珊瑚礁生态系统迅速退化是目前重要的生态环境问题之一,应用遥感技术监测大范围珊瑚礁的结构组成和变迁有很大的潜力。珊瑚光谱响应特征受珊瑚生态习性影响,在光学上相似而容易造成混淆误判。采集了西沙群岛大量石珊瑚样品的光谱,对其光谱特征进行分析及成因探讨。通过导数光谱、主成分分析研究了不同生长状态珊瑚的光谱差异,并建立珊瑚生长状态高光谱遥感判别准则。结果表明,珊瑚的光谱特性及其变化均较为复杂,受珊瑚种类和生长环境影响,光谱形状主要由共生藻色素吸收决定的。结合520—530 nm、564—574 nm和600—605 nm的导数光谱可以区分健康珊瑚、白化珊瑚和藻类覆盖的死珊瑚。总体判定准确度优于80%,误判的主要来源是种内珊瑚反射率差异。研究表明珊瑚礁环境高光谱遥感可以定量评估珊瑚状态的变化。     

高光谱植被指数与水稻叶面积指数的定量关系

基于不同水稻品种、施氮水平和不同生育期下的大田试验,确立了水稻叶面积指数（LAI）与冠层光谱特征参数的定量关系.结果表明：水稻叶面积指数与部分高光谱植被指数存在良好的相关性,其中原始光谱组成的2波段差值指数（DI）形式相关性最好,其次为比值（RI）和归一化（NI）植被指数.相关最好的原始光谱植被指数是由近红外波段组成的差值指数DI(854,760),相关最好的一阶导数光谱植被指数是红光和近红外光组成的导数差值指数DI(D₆₇₆, D₇₇₈),但总体上导数光谱指数不如原始光谱指数与LAI关系密切.独立试验数据检验结果表明,以差值指数DI(854,760)为变量建立的水稻LAI监测模型具有较好的表现,可用于水稻LAI的估测.     

圈养高山麝种群年龄组的粪便光谱判别

提出了一种利用粪便可见-近红外反射光谱进行圈养高山麝种群年龄组分析的新方法.以FieldSpec~((R))3地物光谱仪采集了145份高山麝粪便(成体麝粪样45份,亚成体和幼体各50份)的光谱数据,将其随机分成训练集(100份)和检验集(45份).光谱经S.Golay平滑和一阶导数处理后以主成分分析法(PCA)降维.以前6个主成分(含原始光谱95.00%的特征信息)作为新变量,利用训练集样本,分别以Fisher线性判别、Bayes逐步判别以及BP-神经网络(BP-ANN)3种方法建立高山麝种群年龄组的分析模型.对检验集45个未知样的预测表明,BP-ANN模型判别的准确率最高,为84.44%.3种方法所建的模型对幼麝粪样判别的准确率最高,可达93.33%.分析发现亚成体粪样具有过渡性质,但幼麝粪样与成体粪样易于判别.结果表明,利用粪便的可见-近红外反射光谱进行高山麝年龄组的快速、非接触性判别是可行的,且PCA 结合BP-ANN判别是一种优选方法.     

基于机器学习的蛋白质编码区识别

针对DNA序列编码区的识别问题,本研究提出一个特征向量和逻辑回归的组合模型。首先对DNA序列进行数值处理转化为特征向量,并结合k字符相对频率技术提取特征向量的元素特征,之后利用二分类逻辑回归算法,对编码区和非编码区进行准确区分。选取了HMR195和BG570两个基准数据集进行五折交叉验证,结果表明,平均AUC(Area Under Curve)值分别为0.981 3和0.987 4,明显优于传统的贝叶斯判别法和VOSSDFT等方法。此外,本文提出的特征向量的维度很低,提高了运算效率。因此,本文组合模型能够较为高效准确地识别蛋白质编码区。     

基于小波变换的土壤有机质含量高光谱估测术

利用统计分析方法选取了土壤N、P、K元素含量近似而有机质含量差异较大的样本60个,通过高光谱探测分析获得样本反射率对数的一阶导数光谱,采用Bior 1.3函数进行多层离散小波分解,剔除低频近似信号和高频噪声信号,得到反映土壤理化参数的特征光谱曲线;采用相关分析筛选土壤有机质含量的显著相关波段,基于显著相关波段和特征光谱曲线分别构建土壤有机质含量高光谱多元回归估测模型;通过比较分析,确定了提取土壤有机质特征光谱的最佳小波分解尺度并构建了最佳预测模型.结果表明:提取土壤有机质特征光谱的最佳小波分解层数是9层,其次是8层和10层;基于小波9层分解特征光谱曲线的有机质含量估测模型最佳,其决定系数(R2)为0.89,比基于显著相关波段构建模型的R2增加了0.31,比基于原始光谱所构建模型的R2增加了0.10.     

干旱条件下春玉米高光谱特征及土壤含水量反演

通过辽宁锦州地区春玉米不同生育时期的土壤水分控制试验,利用ASD Field Spec Pro FR分光辐射计观测不同生长状况的玉米冠层高光谱反射率,分析光谱反射率变化特征,建立光谱参数对土壤水分的反演模型。结果表明:玉米在七叶-拔节期受到干旱胁迫后,750~1400 nm波段冠层光谱反射率、红边幅值、红边面积均出现降低,350~750、1400~2300 nm反射率出现升高趋势;750~1400 nm、红边幅值、红边面积对土壤干旱胁迫的响应时间较短,且存在异于正常灌溉处理的光谱特征;反演方法中,逐步回归方法利用高光谱反射率反演土壤含水量的误差小于一阶导数光谱,反演10 cm土壤含水量的效果好于30 cm。     

棉花品种抗绿盲蝽特性的田间光谱诊断

调查了生长期14个不同棉花品种上绿盲蝽Apolygus lucorum Meyer-Dür的危害情况。亚洲棉表现为高抗,冀丰杂7号等12个品种表现为中抗,灵-17表现为敏感。田间采用ASD光谱仪对14个棉花品种生长期的冠层光谱进行了测定,发现相同品种不同时期的光谱反射率的一阶微分具有明显差异(P<0.05),在近红外717 nm波段处一阶微分光谱值与棉花抗绿盲蝽级别显著相关(R2=0.89,P=0.01),可较好的表征绿盲蝽危害指数,可利用这个波段的光谱指标对棉花品种的抗绿盲蝽特性进行初步诊断,为棉花抗盲蝽评价选育提供参考。     

基于小波变换的土壤有机质含量高光谱估测

利用统计分析方法选取了土壤N、P、K元素含量近似而有机质含量差异较大的样本60个,通过高光谱探测分析获得样本反射率对数的一阶导数光谱,采用Bior 1.3函数进行多层离散小波分解,剔除低频近似信号和高频噪声信号,得到反映土壤理化参数的特征光谱曲线;采用相关分析筛选土壤有机质含量的显著相关波段,基于显著相关波段和特征光谱曲线分别构建土壤有机质含量高光谱多元回归估测模型;通过比较分析,确定了提取土壤有机质特征光谱的最佳小波分解尺度并构建了最佳预测模型.结果表明： 提取土壤有机质特征光谱的最佳小波分解层数是9层,其次是8层和10层;基于小波9层分解特征光谱曲线的有机质含量估测模型最佳,其决定系数（R²）为0.89,比基于显著相关波段构建模型的R²增加了0.31,比基于原始光谱所构建模型的R²增加了0.10.     

不同厂家黄芩颗粒的红外光谱鉴别分析

运用中红外光谱法鉴别黄芩配方颗粒的不同生产厂家。分析黄芩配方颗粒六个生产厂家的红外光谱图、导数光谱图。同一厂家的黄芩颗粒样品的红外光谱图相似度很大,原始红外光谱图和一阶导数光谱图的部分特征吸收峰其位置、强度、形状上均存在一定差异,但不能区分不同厂家。二阶导数在2914~2900、2887、1730、1565~1537、1500、1218~1206、994、763 cm-1附近的特征吸收峰其位置、强度、形状上均存在的差异,可以把六个生产厂家同时给鉴别出来。该方法具备快速、简便、无损、准确、绿色的特点。     

导数光谱法在医学领域的应用

导数紫外分光光度法（简称导数光谱法）自５０年代中期由Ｍｏｒｒｉｓｏｎｄ等提出,特别是７０年代初商品化仪器问世以来,人们对其原理和应用开展了大量的研究。与传统紫外吸收光谱法相比,导数光谱法具有能分辨重叠谱和放大谱带精细结构,分辨率高、灵敏度高和选择性高三大优点,故倍受人们的重视。尤其是最近几年导数光谱法在生化分析、临床和法医分析及药物分析中发展最为突出,成为生命科学发展中光谱分析的新动向。１．生化分析１．１　氨基酸、多肽及蛋白质分析１．１．１　定性方面由于色氨酸、酪氨酸、苯丙氨酸的零阶光谱相互重叠…     

家蚕病毒的表面增强拉曼光谱研究

得到并分析了家蚕核型多角体病毒（ＢｏｍｂｙｘｍｏｒｉＮｏｃｌｅａｒＰｏｌｙｈｅｄｒｏｓｉｓＶｉｒｕｓ缩写为ＢｍＮＰＶ）和质型多角体病毒（ＢｏｍｂｙｘｍｏｒｉｃｙｔｏｐｌａｓｍｉｃＰｏｌｙｈｅｄｒｏｓｉｓＶｉｒｕｓ缩写为ＢｍＣＰＶ）包涵体（即核型多角体ＢｍＮＰＢ和质型多角体ＢｍＣＰＢ）在银胶溶液中的表面增强拉曼散射（ＳＥＲＳ）光谱。ＢｍＮＰＢ和ＢｍＣＰＢ通过氨基酸残基侧链的Ｓ原子、ＣＯＯ－（ＣＯＯＨ）和ＮＨ２（ＮＨ）基团以及蛋白质分子的Ｎ－末端与银表面相作用。Ｔｒｐ残基金部或大部处于疏水环境中。ＢｍＮＰＢ中蛋氨酸残基侧链的Ｓ－ＣＨ２和ＣＨ２－ＣＨ２链分别为扭曲和扭曲式构型。ＢｍＣＰＢ中的Ｓ－ＣＨ２和ＣＨ２－ＣＨ２链则分别属于反式和扭曲构型;Ｃ－Ｃ－Ｓ－Ｓ－Ｃ－Ｃ链为反式－扭曲－反式结构。     

基于近红外光谱技术鉴别植食性金龟子的初步研究

【目的】植食性金龟子是我国的重要农林害虫,探索一种快速而准确地鉴别植食性金龟子的新方法,为将此法推及至其他鞘翅目昆虫的识别来建立研究基础。【方法】利用近红外光谱法对金龟子进行鉴别,提出了用支持向量机(Support vector machine,SVM)算法对15种植食性金龟子近红外光谱图(数据)进行分析,经过噪声波段去除后,用平滑求导与标准化法对的光谱进行预处理,选取金龟子标本150个,针对不同分类阶元和分类单元将66%样本谱图作为校正集,用SVM建立鉴别模型并对模型进行自身检验,用剩余样本图谱作为预测集对这些模型进行验证。【结果】模型的自身检验显示在金龟科4个亚科的鉴别模型中,鳃金龟亚科正确识别率为86%,其他样本的识别准确率均大于95%,在亚科不同属和属下不同种的鉴别模型中,除疏纹星花金Protaetia cathaica(Bates)外,其他样本的识别准确率均为100%;模型的预测集验证结果显示,在不同分类阶元和分类单元的鉴别模型中,由于云斑鳃金龟Polyphylla laticollis Lewis样本较少未能正确识别,其他样本的识别准确率均为100%。整体试验结果较为理想,说明模型性能较好。【结论】基于已定金龟子建立的模型能够很好地鉴别大部分样本,采用近红外光谱扫描技术结合支持向量机得到的植食性金龟子鉴别模型具有很强的推广能力。     

不同干旱条件下夏玉米全生育期冠层吸收光合有效辐射比的高光谱遥感反演

冠层吸收光合有效辐射比(fAPAR)是植被生产力遥感模型的重要参数.但关于不同干旱条件下作物全生育期的fAPAR遥感反演研究仍未见报道.本研究利用2015年夏玉米5个灌水处理模拟试验的高光谱反射率和fAPAR观测资料,分析了不同干旱条件下夏玉米关键生育期fAPAR和高光谱反射率变化特征,探讨了fAPAR与反射率、一阶导数光谱反射率和植被指数的关系.结果表明: 轻度水分胁迫和充分供水条件下,fAPAR较高;重度水分胁迫和重度持续干旱条件下,fAPAR较低.冠层可见光、近红外光和短波红外光区的反射率与fAPAR分别呈负相关、正相关和负相关关系.fAPAR与可见光和短波红外光区的383、680和1980 nm附近的反射率的相关性最强,相关系数均达-0.87.一阶导数光谱反射率与fAPAR相关性强且稳定的波段为580、720和1546 nm,相关系数分别为-0.91、0.89和0.88. 9个常用植被指数与fAPAR呈线性或对数关系,其中,增强型植被指数、复归一化植被指数、土壤调节植被指数和修正的土壤调节植被指数与fAPAR的关系模型最好,决定系数(R²)均在0.88以上,平均相对误差分别为16.6%、16.6%、16.7%和16.2%;基于一阶导数光谱反射率与fAPAR的对数关系在(720±5) nm波段处的模拟效果较好,R²达0.86;直接选择反射率数据估算fAPAR的效果较差,R²最高为0.81.研究结果可为fAPAR的准确反演及评估作物干旱状况提供支撑.