時間：2022-11-14 10:02:30
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇光譜技術(shù)論文，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
隨著我國社會與經(jīng)濟的發(fā)展,人民生活水平不斷提高,人們對區(qū)域治安環(huán)境以及安全防范的要求也越來越高,同時現(xiàn)代化技術(shù)高度發(fā)展的今天,犯罪更趨智能化,手段更隱蔽,所以保證區(qū)域的安全必須從運用現(xiàn)代化的防盜報警技術(shù)。在現(xiàn)代化防盜報警技術(shù)中,紅外技術(shù)有四大優(yōu)點:環(huán)境適應(yīng)性好,在夜間和惡劣天候下的工作能力優(yōu)于可見光;隱蔽性好,不易擾;由于是靠目標和背景之間、目標各部分的溫度和發(fā)射率差形成的紅外輻射差進行探測,因而識別偽裝目標的能力優(yōu)于可見光;紅外系統(tǒng)的體積小,重量輕,功耗低。但有三大因素制約著其效果:目標的光譜特性;探測系統(tǒng)的性能;目標和探測口之間的環(huán)境和距離。所有探測技術(shù)的發(fā)展都有三個階段:a.探測信號的強度,得到目標的"黑白照片",這是初級階段;b.探測信號的強度和波長,得到目標的"彩色照片",達到中級階段;c.探測信號強度、波長和相位,得到目標的"全息照片",這才達到探測技術(shù)的高級階段。目前的紅外技術(shù)處于其初級階段的后期,正向中級階段發(fā)展,其標志是研制出了雙(多)色紅外探測器,得到了目標熱圖象的"彩色照片"?？梢灶A(yù)計,今后雙色探測器將隨單波段探測器及其配套技術(shù)的成熟和市場需求的增加而加快發(fā)展,并將集中在以下五個方面:(1)集成化的雙色探測器有利用簡化系統(tǒng)結(jié)構(gòu),能充分利用半導(dǎo)體材料制備技術(shù)的最新成果,便于器件焦平面化,其中HgCdTe合金系和各種量子阱/超晶格材料系統(tǒng)將得到重點發(fā)展。(2)采用焦平面器件,更好的滿足系統(tǒng)的要求,同時也有利于簡化系?統(tǒng)結(jié)構(gòu),降低成本。(3)為明顯的提高系統(tǒng)的性能,雙色探測器將向大面陣和長線列發(fā)展。(4) 雙波段系統(tǒng)將克服在光學設(shè)計和加工、信號處理和顯示等方面的困難,縮小體積、減輕重量等,以便擴大其應(yīng)用范圍。 (5) 隨材料、器件和系統(tǒng)技術(shù)的進步,雙色探測器將向更多的光譜波段發(fā)展,既包括拓寬光譜波段,也包括將光譜波段劃分成更為細致的波段,以獲得目標的"彩色"熱圖象,更豐富、更精確、更可靠地得到目標的信息。
課題研究目標、內(nèi)容、方法和手段:
本課題研究紅外監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)。主要實現(xiàn)對象是被動紅外防盜報警探測器。其包括硬件和軟件兩大部分。主要包括對于硬件的構(gòu)成以及軟件的接入進行描述。通過51單片機、驅(qū)動電路、傳感器、GSM等技術(shù)來進行設(shè)計與實現(xiàn)。
設(shè)計(論文)提綱及進度安排:
4月6日至4月25日
分析題目查閱資料學習與畢業(yè)設(shè)計相關(guān)的知識
4月25日至5月15日
硬件實現(xiàn)、軟件編寫、進行方案論證
5月15日至6月10日
測試硬件、調(diào)試軟件撰寫畢業(yè)論文并征求導(dǎo)師意見,修改畢業(yè)論文,進行畢業(yè)論文的評議。
主要參考文獻和書目:
[1]張玉香.新型遙控接收模塊HS0o38〔J〕.無線電,1998,7
[2〕高茹云.通訊電子線路仁M〕.西安:西安電子科技大學出版社,1999。
[3]李華.MCS-51系列單片機實用接口技術(shù). 北京:北京航空航天大學出版社,1993年。
[4尤一鳴等.單片機總線擴展技術(shù).北京:北京航空航天大學出版社.1993,11。
[5]蔡軼.通用遙控解碼電路.電子技術(shù)1995 .1
[6]施德恒,郭峰光譜識別型激光警戒系統(tǒng)述評激光與紅外l99929(l):9一13
[7]盧萬欣,梁桂云,韓永林激光預(yù)警裝置激光技術(shù)199218(3):180一183
[8]沙占友,王彥朋,孟志永等.單片機外圍電路設(shè)計. 北京:北京電子工業(yè)出版社,2003。
[9]周航慈.單片機應(yīng)用程序設(shè)計技術(shù). 北京:北京航空航天大學出版社,2002。
[10]付偉激光告警中的多元相關(guān)探測技術(shù)紅外與激光技術(shù)1992(6):23一27
論文關(guān)鍵詞：IHS變換，HIS變換，圖像融合
1 引言：
隨著遙感技術(shù)的發(fā)展，現(xiàn)代遙感技術(shù)為對地觀測提供了多空間、多光譜、多時相分辨率的海量遙感影像數(shù)據(jù)廣泛的應(yīng)用于各個領(lǐng)域。與單源遙感影像數(shù)據(jù)相比，多源遙感影像數(shù)據(jù)所提供的信息具有冗余性、互補性和合作性。[1]由此可見，多源遙感影像數(shù)據(jù)融合不僅是一種遙感影像數(shù)據(jù)處理技術(shù)，而且是一種遙感信息綜合處理和分析技術(shù)，是目前遙感應(yīng)用研究的重點之一。一般來講，一般情況下計算機論文，多光譜圖像的光譜分辨率較高，但空間分辨率比較低。全色圖像具有高空間分辨率， 但光譜分辨率較低。 為了增加圖像信息提取的精確性和可靠性， 提高圖像的解譯能力，可以將低空間分辨率的多光譜圖像和高空間分辨率的全色圖像進行融合， 使融合后的多光譜圖像在保留光譜特性的同時具有較高的空間分辨率。而HIS變換是一種最常用的多源遙感影像數(shù)據(jù)融合的方法，融合的影像在空間分辨率和清晰度上比原多光譜影像都有了一定的提高，且較大程度上保留了多光譜影像的光譜特征，有利于提高制圖精度。Haydn 等(1982)[2]首次將IHS 變換法應(yīng)用于兩種不同平臺遙感數(shù)據(jù)源的融合 ，這種方法也被用于TM 和SPOT 全色圖像數(shù)據(jù)以及SPOT 多光譜和全色波段數(shù)據(jù)的融合。 因此如何獲得高清晰的圖像已成為一個重要研究課題。本文提出了一種經(jīng)過改進的HIS 變換法，從而獲得更為清晰的圖像。
2 研究區(qū)域和數(shù)據(jù)源
本文的研究區(qū)域為江西省撫州市市區(qū)。數(shù)據(jù)源為撫州市區(qū)2000年9月的ETM圖像和SPOT圖像cssci期刊目錄。研究區(qū)域圖像如下：ETM圖像為Band 5、Band 4、Band 3波段合成。
圖A 原始圖像圖B SPOT全色圖像
3 試驗方法與評價
3.1 傳統(tǒng)的HIS變換
從RGB模型轉(zhuǎn)換到IHS模型的變換就是IHS 變換。 而IHS 變換法的主要原理就是將多空間分辨率低的3波段圖像經(jīng)過HIS變換得到I（亮度） ， H（色度） ， S（飽和度） 三個分量， 然后將高分辨率的全色圖像代替I 分量， 把它同H、S進行HIS 反變換得到具有高空間分辨率的多光譜圖像。
3.3 低通濾波HIS變換
卷積運算進行圖像平滑導(dǎo)致圖像空間分辨率的降低, 是由于原始RGB 圖像的空間信息與其它信息沒有分離。如果在卷積運算前首先對原始RGB 圖像進行HIS變換, 將空間分量I 分離, 只對色度H 和飽和度S 平滑,則不會引起圖像空間分辨率的降低。因此錢永蘭等提出一種改進的低通濾波變換[3] 。首先對原始多光譜圖像進行IHS 變換,將包含空間信息的I
分量分離, 只對色度、飽和度分量H、S 進行低頻卷積運算, 得到新的H′、S′分量, 將I、H′、S′做HIS 逆變換, 得到新的多光譜圖像。
3.4 直方圖匹配HIS變換
直方圖匹配是一種對數(shù)字圖像進行增強的處理方法。 直方圖匹配時對圖像查找表進行數(shù)學變換計算機論文，使一幅圖像某個波段的直方圖與另一幅圖像對應(yīng)波段類似，即以一幅圖像的直方圖作為參照對象,去調(diào)整另一幅圖像的直方圖, 使之盡可能與參照圖像保持一致。伍娟、盧凌[4]提出不直接用全色圖像代替TM 圖像的I分量, 先將全色圖像同TM 圖像亮度圖像( I 分量)進行直方圖匹配, 生成與亮度分量具有相似直方圖分布特征的圖像I″,然后用I ″代替I 分量, 由I″,H , S 進行反變換得到融合圖像。這種方法不僅可部分消除全色圖像和TM 圖像獲取時光照條件差異和地形起伏的影響, 而且生成的圖像與亮度圖像相關(guān)性增大, 復(fù)合圖像的光譜特征與原TM 圖像的光譜特征接近。
3.5 改進的 HIS 變換
針對傳統(tǒng)HIS變換法的清晰度不強的問題，本文提出一種改進方法，即不直接用高分辨率的全色圖像代替多光譜的亮度（I）分量，而是用分辨率融合后的第一主成分代替亮度（I）分量。并進行高通濾波和直方圖匹配。對H、S分量進行低通濾波后于第一主成分進行IHS反變換。具體步驟如下：
1.首先將高分辨率全色圖像進行高通濾波，生成新圖像SPOT′。
2.將原始圖像進行主成分分析，生成PC1
3.將原始圖像第一主成分PC1與新圖像SPOT′進行直方圖匹配得到PC1′
4.將原始TM圖像進行IHS變換，提取H、S分量。
5.將H、S分量進行低通濾波生成H′、S′。
6.將PC1′、H′、S′進行IHS反變換，生成融合圖像
4 試驗結(jié)果與評價
下圖中圖C為傳統(tǒng)HIS變換、圖D為低通濾波HIS變換、圖E為直方圖匹配HIS變換、圖F為本文提出的HIS變換。
圖C 傳統(tǒng)HIS變換圖D 低通濾波HIS變換
圖E 直方圖匹配HIS變換圖F 本文提出的HIS變換
圖像融合結(jié)果的評價分為主觀評價與客觀評價。 主觀評價是通過目視來比較分析； 客觀評價是利用圖像的統(tǒng)計特性參數(shù)來進行判定，下面簡要介紹各種參數(shù)的定義及其物理含義。
1）圖像均值 圖像均值是像素的灰度平均值，對人眼反映為平均亮度。其定義為
式中：M，N 為像元的行列數(shù)。
2）標準差標準差(Standard Deviation) 也稱均方差(meansquare error)標準差反映了圖像灰度相對于灰度平均值的離散情況，若標準差大，則圖像灰度級分布分散，圖像的反差大計算機論文，可以看出更多的信息。標準差小，圖像反差小，對比度不大，色調(diào)單一，看不出太多信息。
3）信息熵[5] 根據(jù)仙農(nóng)(Shannon)信息論的原理，一幅8bit 表示的圖像x的信息熵為：
式中： x 為輸入的圖像變量， Pi 為圖像像元灰度值為i的概率cssci期刊目錄。熵越大，圖像所包含的信息量越豐富
4）平均梯度 平均梯度可敏感地反映圖像對微小細節(jié)反差表達的能力，可用來評價圖像的清晰程度，同時還可以反映出圖像中微小細節(jié)反差和紋理變換特征。其計算公式為
圖像評價參數(shù)結(jié)果下表：
方法
波段
最小值
最大值
平均值
標準差
熵（bit）
Band543
熵之和（bit）
平均梯度
原始TM圖像
Band5
218
74.661
24.811
6.2726
17.5765
8.6366
Band4
100
63.589
15.519
5.6872
4.8941
Band3
181
63.738
18.245
5.6167
5.2615
傳統(tǒng)HIS變換
Band5
255
227.355
2.743
3.2006
12.384
0.65117
Band4
255
71.384
12.298
5.4488
2.3645
Band3
255
15.010
3.906
3.7346
0.6966
低通濾波
Band5
255
85.715
28.323
6.4831
19.5576
9.3466
Band4
255
153.754
36.468
6.8617
9.952
Band3
255
89.276
25.058
6.2128
8.0971
直方圖匹配
Band5
255
73.156
18.381
6.0857
19.5338
4.5971
Band4
255
132.423
27.471
6.6110
6.7384
Band3
255
125.977
32.808
6.8371
6.0906
自己方法
Band5
255
72.945
20.423
6.2020
19.523
12.503
Band4
255
121.641
27.210
6.3912
17.452
Band3
255
114.032
36.198
關(guān)鍵詞： 決策樹； 高光譜； PCA降維； 分類
中圖分類號：TP751.1 文獻標志碼：A 文章編號：1006-8228（2017）05- 40-03
Application of PCA dimensionality reduction and decision tree
in hyperspectral image classification
Hao Shangrong
（Institute of Data and Knowledge Engineering， School of computer and information engineering，Henan University， Kaifeng， Henan 475004， China）
Abstract： PCA dimensionality reduction and decision tree methods are used to classify and recognize the hyperspectral images of handwriting with different inks and the hyperspectral remote sensing images with different objects. The experimental results show that the classification effect of handwriting image is better but the remote sensing image is poor， which may be caused by the signal to noise ratio of the image. This paper provides a solution for the classification of different ink.
Key words： decision tree； hyperspectral； PCA dimensionality reduction； classification
0 引言
研究了C器學習[1]中分類算法之一的決策樹以及神經(jīng)網(wǎng)絡(luò)中PCA降維在高光譜圖像中的分類應(yīng)用。分析了可能受信噪比低的原因，可以利用高光譜分類的不同墨水；對于遙感信息由于衛(wèi)星拍攝時其信噪比較高的原因，具體表現(xiàn)為每一個光譜圖像產(chǎn)生的能量較小，而噪聲影響較大，這樣多光譜信息的有效信息太少而失去分類的意義。
1 樣本的提取
由于不同的墨水在紙張上畫的筆跡產(chǎn)生不同的化學反應(yīng)，進而可以通過高光譜相機獲得含有不同高光譜信息筆跡的光譜圖。高光譜信息是指不同波段的圖像信息。本文的采樣過程如下。
對于筆跡，采用9只不同的筆，對于遙感影像，采用9類對象，對應(yīng)101個波段的光譜信息進行采樣。筆跡的采樣是對每一類筆跡隨機采樣200個位置，獲得總的像素值為9*200*101維特征值。遙感影像采用boundingbox工具，對圖像中9類對象200個相應(yīng)4*4區(qū)域，取像素值的均值，總的特征值緯度是9*200*101。
2 訓(xùn)練過程
PCA降維的思想是，在特征較多的情況下，通過減少對分類產(chǎn)生很小影響特征數(shù)量的方式，達到簡化計算效果的目的。決策樹是機器學習中十分強大的方法，其重要作用在于分類，其特點是每一次只針對一個最重要的特征進行分類，形成一層的決策樹的時候拋棄該特征，多次循環(huán)通過相對次重要特征分類的方式。采用機器學習的思想對這些信息進行采樣、降維、采用決策樹的方法進行訓(xùn)練，經(jīng)過擬合驗證后，獲得一棵決策樹用在高光譜圖像的分類工作中。
2.1 PCA降維
由于采樣后的樣本特征數(shù)太多，盡管采用了矩陣進行數(shù)據(jù)運算的技術(shù)，但是由于特征數(shù)太多造成的緯度過大，對于矩陣的存儲、計算都會有很大的影響，而大部分的緯度并不對結(jié)果產(chǎn)生較大的影響。PCA降維[2-3]的思想就是對矩陣計算出協(xié)方差矩陣，進而依據(jù)矩陣計算出每一列的特征向量、特征值。求出每一特征值與所有特征值之和的比例，對比例值由大到小排序，計算若干個最大值之和大于99%的特征向量對應(yīng)的特征作為有效特征。
2.2 決策樹的選取及訓(xùn)練
決策樹[4]按照不同的評判標準分為三種分別為：信息的增益、信息的增益比、基尼系數(shù)。但都是基于信息熵的思想。信息熵的計算公式為：
其中，P（ui）為類別為i的樣本個數(shù)在總樣本中的概率，S為樣例個數(shù)。
本文采用的C4.5的決策樹[5]算法，其評判條件為信息的增益，具體含義：以某特征進行分類后的信息熵同分類前的信息熵的差值。同時，本文中對筆跡和遙感影像的分類是9類。所以，采用預(yù)剪枝的思想，限定了決策樹為九層。由于該分類方法是二分類的，所以就存在十個葉子節(jié)點，分別對應(yīng)九類結(jié)果和一類的其他類別。
接著，采用十折交叉驗證的思想進行過擬合驗證。十折交叉驗證是數(shù)據(jù)分為十份，一份為訓(xùn)練，九份為測試，循環(huán)十次觀測準確率變化。過擬合是訓(xùn)練時準確率高而測試的準確率偏低的現(xiàn)象。通過多次調(diào)整訓(xùn)練集、測試集的樣本個數(shù)的比例，最終獲得平均準確率為實驗結(jié)果。
3 對比及結(jié)論
求準確率和召回率時，分別對筆跡和遙感影像分類都要按照上述取樣的方式獲得101維的測試樣本，并進行訓(xùn)練、測試，其對應(yīng)的準確率為0.9504、0.671；對應(yīng)的召回率為0.796和0.971。結(jié)果表明本方法適合多光譜圖像不同墨水的分類；同時說明多光譜的遙感影像可能受信噪比高低的影響，需要進一步研究。
4 結(jié)束語
本文結(jié)合了PCA降維和決策樹方法解決了不同墨水筆跡分類的問題，表現(xiàn)出了較高的準確率。討論了PCA降維和決策的優(yōu)點，以及在高光譜圖像中分類的應(yīng)用，可以在跡偽造檢測中，通過是否是相同的墨水進行第一步區(qū)別操作，具有一定的使用價值。未來可以進一步研究高光譜圖像分類與信噪比的關(guān)系，以便于確定高光譜信息在分類問題中的應(yīng)用范圍。
參考文獻（References）：
[1] 李銳，，曲亞東（譯）.機器學習實戰(zhàn)[M].人民郵電出版社，2013.
[2] 肖招娣.高維數(shù)據(jù)集上的降維算法及其應(yīng)用[D].華南理工大學碩士學位論文，2013.
[3] 張小勤.基于PCA與K-NN的故障檢測與診斷方法的研究[D].西南大學碩士學位論文，2016.
【關(guān)鍵詞】近紅外光譜 快速檢測 石油燃料質(zhì)量 校正模型 燃料品種
對于現(xiàn)代化的軍事裝備來說，為了實現(xiàn)作戰(zhàn)時能夠發(fā)揮全方位和全天候的效能，這就需要高技術(shù)的局部戰(zhàn)場或者戰(zhàn)場附近場地下，能夠保障綜合性的石油燃料快速及時的運用其中。過去在化學實驗室里運用的石油燃料檢驗儀器耗時長，而且操作流程繁雜，并且占用空間大，測量時需要化學試劑且機動性差，維修困難，因此需要專業(yè)的化驗人員，這樣還不能保障滿足于戰(zhàn)場環(huán)境需要。計算機技術(shù)的不斷進步，現(xiàn)代的分析技術(shù)逐漸取代了常規(guī)的傳統(tǒng)化驗儀器，它相較于傳統(tǒng)的儀器分析速度快、成本低、使用樣品數(shù)量不多、省力省物、沒有污染性廢液等特點。它同時還可以滿足戰(zhàn)場外環(huán)境的需求，現(xiàn)在它已經(jīng)成功的運用到了軍事戰(zhàn)場的石油燃料的檢測裝備中，并且順應(yīng)未來石油燃料快速分析發(fā)展的大潮。
1 紅外光譜分析技術(shù)儀器的研制
1.1 石油燃料質(zhì)量檢測儀器的設(shè)計原理
利用近紅外光譜分析技術(shù)研制出的便捷式石油燃料質(zhì)量分析儀，它的制作比較簡單而且光學材料也比較容易找到，價格相對便宜且穩(wěn)定性好，適應(yīng)環(huán)境能力強；與其他儀器相比較而言它的分析速度快、維護比較簡單且不需要其它輔助設(shè)施。主要依據(jù)儀器容易攜帶和野外車載的特點，綜合國內(nèi)一些實驗常用的近紅外線光譜儀器性能特點，我們來分析其設(shè)計原理：為了適用于野外的環(huán)境，并且可車載、防潮濕、抗震動，就要求其具有較強的封閉性；其具有全恒溫的方式，雙光束，短焦距，CCD檢測器，交叉光路；其結(jié)構(gòu)相對緊密、牢固，因此可以減少體積和重量；其運用的軟件設(shè)施應(yīng)該具有較強的實用性以及穩(wěn)定性；同時其檢測的項目還要具備合理性和科學性。
1.2 石油燃料檢測儀器的結(jié)構(gòu)和性能
其結(jié)構(gòu)包括：外殼、溫度檢測器、腔內(nèi)排熱風扇、電源開關(guān)、電源開關(guān)板、過線盒、線路板組、開關(guān)電源散熱器、開關(guān)電源、變壓器、光源散熱器、光源室、透鏡組、單色器組等。與國內(nèi)其他的同類檢測儀器相比較，它不僅檢測速度快、穩(wěn)定性好、實用性強、維護方便等。采用近紅外光譜分析技術(shù)研制的油料質(zhì)量分析儀器的軟件運用，主要就是包括化學計量學軟件以及光譜測量軟件。這兩種軟件都具有不同的功能，其中化學計量學軟件具有建立校正模型、光譜預(yù)處理以及維護模型庫的作用；光譜測量軟件具備設(shè)置參數(shù)、輸出打印、儀器自檢、光譜采集、存儲和備份數(shù)據(jù)以及管理功能等。這種檢測儀器還能夠運用到無鉛汽油的抗爆指數(shù)、密度、辛烷值、餾程等測量；同時還可以運用到軍用的柴油密度、凝點、閃點、十六烷值以及噴氣燃料的密度、粘度、冰點、閃點等。
1.3 石油燃料質(zhì)量檢測儀器的性能評價
評價石油燃料質(zhì)量檢測儀器的性能，主要是根據(jù)它的波長重復(fù)性和準確性、儀器的長期穩(wěn)定性以及吸光度重復(fù)性來實現(xiàn)。第一、利用具有最大吸收特點的征峰波長是807.6mm的標準版的鐠銣玻璃片來測驗儀器的波長重復(fù)性和準確性。根據(jù)測試使用的標準方法來重復(fù)試驗十次，必須要求每次出現(xiàn)的最大吸收的波長之間不能出現(xiàn)大于0.03mm的偏差，在實驗的過程中這十次的測量結(jié)果所產(chǎn)生的平均值和實際值之間的偏差不能小于0.2mm。第二、對于吸光度的檢驗就要運用正己烷。通過十次掃描后，原始的光譜特征吸收峰就需要實現(xiàn)吸光度的標準偏差不能超過0.0004。第三、對儀器的穩(wěn)定性進行考察就可以采用無鉛汽油樣品。根據(jù)不同的樣機選擇不同校正集模型的建立，任意選出5個車用無鉛汽油樣品的辛烷值，來觀察儀器性質(zhì)的變化狀況。測試的時間為十天，按照規(guī)定百分之九十五的樣品所表現(xiàn)出的性質(zhì)偏差要滿足于再現(xiàn)性標準法的要求。通過十次測驗，該儀器顯現(xiàn)出的結(jié)果的整體偏差都是百分之九十五，這就說明該儀器能夠滿足于檢驗要求所提出的波長重復(fù)性和準確性、長期穩(wěn)定性以及吸光度重復(fù)性，且儀器本身具有較強的可靠性和穩(wěn)定性。
2 建立軍用石油燃料校正模型庫
近紅外光譜分析技術(shù)是以標準分析法為基礎(chǔ)的前提下形成的間接性測量技術(shù)，校正模型則是利用數(shù)學方法進行對樣品組合、性質(zhì)、光譜實行結(jié)合，從而成立的一種函數(shù)關(guān)系，也稱之為定量或者定性關(guān)系，在經(jīng)過校正模型，來預(yù)測和分析樣品的性質(zhì)數(shù)據(jù)和組成。對于石油燃料質(zhì)量的分析結(jié)果來說，其分析的信息提出應(yīng)用的好壞關(guān)鍵在于校正模型。和煉油廠所生產(chǎn)出的產(chǎn)品分析相比較，軍用的石油質(zhì)量分析與之有很大的差異。第一、軍事運用的成品油的分析是要建立在校正模型的基礎(chǔ)上，需要涵蓋很多的煉油廠的生產(chǎn)樣品，運輸、采集樣品、存儲以及標準數(shù)據(jù)測定的工作難度和工作量都很大；第二、檢測的項目繁雜，如密度、冰點、辛烷值、十六烷值、辛烷值等；第三、依照外場所提出的檢測燃料的通用化要求，確保降低多臺儀器的購買費用，務(wù)必要完成“一機多用”的功效。
在研究的過程中校正模型運用的是偏最小二乘法，主要是對軍用柴油、車用無鉛油、噴氣燃料等校正集樣品來完成光譜預(yù)算處理方法的研究，如微積分處理、噪音濾除的平滑、主因子數(shù)的選擇、光譜范圍的優(yōu)化選擇等，依次建立五種燃料中的46個質(zhì)量性質(zhì)產(chǎn)生的校正模型，同時來考察模型所具備的重復(fù)性和可靠性。
3 總結(jié)
本文主要是對近紅外光譜分析技術(shù)應(yīng)用于石油燃料質(zhì)量檢測的探討，進而研制出的一種更加便捷的石油染料質(zhì)量檢測儀器，它具有獨特的快速分析質(zhì)量的設(shè)計，環(huán)境適應(yīng)性能好，體積小且固定，較強的穩(wěn)定性，這些都能夠滿足于現(xiàn)代車載分析儀器需求的強準確性和穩(wěn)定性。這都在很大程度上提高了石油燃料質(zhì)量分析的效率，同樣顯現(xiàn)出了其強大的軍事效益和經(jīng)濟效益。
參考文獻
[1] 劉慧穎，韋銳，熊春華，魯長波，梁愛和，許賢.用近紅外光譜儀測定車用汽油有關(guān)質(zhì)量性質(zhì)的研究[A]. 中國汽車工程學會油料委員會第十屆年會論文專輯[C]. 2007
[2] 徐廣通，陸婉珍.紅外光譜技術(shù)在清潔燃料快速分析中的應(yīng)用[A]. 第十五屆全國分子光譜學術(shù)報告會論文集[C]. 2008
光學之芒,燦爛輝煌。在光學的領(lǐng)域里,他頭頂著太多的“光環(huán)”,卻沒有絲毫松懈,肩負著無限重任,但始終沉著、堅毅。他淵博寬厚,抱定赤子之心,十余載春秋獻身中國光學領(lǐng)域,他就是首都師范大學物理系研究員、系科研副主任張巖。
九天攬月鴻鵠志 步步為營創(chuàng)輝煌
在通往科學高峰的路上,張教授一路前行,品嘗著希望與困難,交融著榮耀與汗水,深造期間,他用不懈的努力換來了中國光學科技前沿領(lǐng)域的重大突破。讀研期間,他同導(dǎo)師劉樹田教授一起在國內(nèi)率先開展光學分數(shù)傅立葉變換的研究。為利用光學分數(shù)傅立葉變換進行信息處理鋪平了道路。在中科院物理所攻讀博士學位期間,開拓了分數(shù)傅立葉變換在光學信息處理領(lǐng)域中的應(yīng)用,被評價是國內(nèi)在現(xiàn)代光學技術(shù)科學領(lǐng)域研究工作中的優(yōu)秀成果具有國際先進水平。
1999-2001年,他獲得日本學術(shù)振興會博士后基金資助,在日本山形大學工學部從事生物成像研究,被應(yīng)用在實際的儀器上。2001-2002年,他在香港理工大學電子工程系從事光纖氣體傳感器研究。其研究內(nèi)容被收錄在《光纖傳感技術(shù)新進展》一書中,已出版發(fā)行。2002-2003年,他在德國洪堡基金的資助下在德國斯圖加特大學應(yīng)用光學研究所任洪堡研究員,從事數(shù)字全息重建算法的研究,提出了利用相位恢復(fù)算法來進行數(shù)字全息重建的新方案,引起了同行的重視和肯定。這部分內(nèi)容作為美國Nova Science出版社的新書《New Developments in Lasers and Electro-Optics Research》中的一章,已經(jīng)出版發(fā)行。
2003年,他進入首都師范大學物理系工作,先后獲得了北京市科技新星計劃,北京市留學人員擇優(yōu)資助等人才項目的資助。作為北京市“太赫茲波譜與成像”創(chuàng)新團隊的核心成員,主要從事太赫茲波譜與成像,太赫茲波段表面等離子光學和微納光電子器件設(shè)計研究。他提出的多波長成像方法得到了美國Rice大學太赫茲研究者Mittleman的認可,被評價為不僅可以有效地增加成像范圍,還可以提高信噪比。多篇論文被太赫茲領(lǐng)域的虛擬期刊收錄。并于2007年和2009年分別到美國倫斯特理工大學和德國康斯坦茨大學進行訪問研究。
歡聲震地 驚退萬人贏戰(zhàn)績
關(guān)鍵詞：原子吸收儀 方法原理 元素
一、原子吸收儀技術(shù)
1.方法原理
原子吸收是指呈氣態(tài)的原子對由同類原子輻射出的特征譜線所具有的吸收現(xiàn)象。它的原理是將光源輻射出的待測元素的特征光譜通過樣品的蒸汽中待測元素的基態(tài)原子所吸收，由發(fā)射光譜被減弱的程度，進而求得樣品中待測元素的含量。
2.技術(shù)手段
化學形態(tài)分析主要采用色譜法。對一些具有揮發(fā)性的化合物，氣相色譜（GC）是主要的分析手段。但由于一般色譜檢測器對大多數(shù)金屬元素的測定不夠靈敏和特效，使得GC在有機金屬化合物的形態(tài)分析方面受到許多限制。原子吸收光譜（AAS）作為元素特效檢測器與GC聯(lián)用已成為金屬形態(tài)分析的主要方法，這種聯(lián)用技術(shù)既具備GC分離能力強、基體干擾少等優(yōu)點，也具備AAS靈敏度高和選擇性好的特點，彌補了GC檢測器對金屬不靈敏和AAS對同一元素的不同形態(tài)無法區(qū)分的缺陷。
3.GC―AAS聯(lián)用
它的原理是：待測樣品由進樣口注入，在氣化室氣化后由載氣帶入色譜柱，由于進入色譜柱的待分離組分具有不同的物理或化學性質(zhì)，它們在固定相和流動相中具有不同的分配系數(shù)，當這些組分隨著流動相（載氣）移動時，它們在兩相間反復(fù)多次分配，從而使各組分得到完全分離，分離后的各組分在載氣和輔助尾吹氣的共同作用下進入加熱的不銹鋼管，分解后得到待測物的元素態(tài)并通過T型管的吸收管進入石英原子化器并被原子吸收儀測定。
二、原子吸收光譜技術(shù)分析的特點
原子吸收光譜分析能在短短的三十多年中迅速成為分析實驗室的有力武器，由于它具有許多分析方法無可比擬的特點。
1.檢出限低，靈敏度高
采用火焰原子方法，主要是通過高溫將樣品送人霧化室，其操作簡便，重現(xiàn)性好，大多數(shù)元素的靈敏度可達ppm級，少數(shù)元素可達ppb級；石墨爐原子化器，是一類將試樣放置在石墨管壁、石墨平臺、碳棒盛樣小孔或石墨坩堝內(nèi)用電加熱至高溫實現(xiàn)原子化的系統(tǒng)，其原子效率在可調(diào)的高溫下試樣利用率達100%，其靈敏度的檢測限達10-6～10-14。
2.操作簡單、方便
原子吸收光譜分析與分光光度分析極為相似，其儀器結(jié)構(gòu)、工作原理也大致相同，對長期從事化學分析的人來說，使用極為方便，其中火焰原子吸收分析的速度也比較快。
3.抗干擾能力強
在化學、物理、電離、光譜，背景等干擾下，可改變火焰溫度、加入釋放劑、保護絡(luò)合劑等化學藥品來減少干擾，從波爾茲曼方程我們還可以了解到，火焰溫度的波動對發(fā)射光譜的譜線強度影響很大，而對原子吸收分析的影響則要小的多，因此抗干擾能力強。
4.速度快
全自動分析光譜儀完全由微機自動控制的，是目前市場上最緊湊的原子吸收光譜儀，儀器可自動設(shè)定操作參數(shù)，自動調(diào)解燃燒頭高度及氣體流量和助燃比，自動進樣，自動樣品測量，自動樣品稀釋、濃縮，自動校正；強大的方法開發(fā)擴展能力，多元素序列分析操作，降低了分析時間和運行成本，提高了速度。
5.選擇性高
由于原子吸收線比原子發(fā)射線少得多，因此，本法的光譜干擾少，加之采用單元素制成
的空芯陰極燈作銳線光源，光源輻射的光譜較純，對樣品溶液中被測元素的共振線波長處不易產(chǎn)生背景發(fā)射干擾。
6.準確度高
空芯陰極燈輻射出的特征譜線僅被其特定元素所吸收。所以，原子吸收分析的準確度較高。當然，原子吸收光譜分析也存在一些不足之處。原子吸收光譜法的光源是單元素空芯陰極燈，測定一種元素就必須選用該元素的空芯陰極燈，這一原因造成本法不適用于物質(zhì)組成的定性分析，對于難熔元素的測定不能令人滿意。
三、原子吸收儀技術(shù)分析應(yīng)用
1.在金屬材料的分析應(yīng)用
在用原子吸收光譜儀的技術(shù)方法進行分析與測定鋁及鋁合金、銅合金、鈦合金等材料，以及銀鋅電池，隔鎳電池、熱電池與太陽電池等電源材料中，所得實驗數(shù)據(jù)的準確度、精確度都很好，優(yōu)化了實驗條件。
2.在粉末材料的分析應(yīng)用
原子吸收光譜儀常用于各種混合粉末電源材料的微量和常量分析與測試，其中包括對各種中間產(chǎn)物和最終產(chǎn)品添加劑及雜質(zhì)含量的控制分析。如日本島津公司制造的AA-670型的原子吸收光譜儀的準確度和精確度也很高，銀粉中銅鐵含量的回收率平均達到97%左右。
3.在液體材料的分析應(yīng)用
液體材料溶液分析包括電解液，電鍍液、浸漬液和其他各種溶液金屬離子含量的分析與測定。通常待測金屬離子已存在于溶液中，所以只需選擇一種有足夠靈感度的檢測方法即可。如被測濃度高于測定范圍上限。需要將試樣溶液進一步稀釋，并根據(jù)情況適當加入一定體積的硝酸銅、檸檬酸銨和硝酸稀釋液，提高原子吸收光譜儀在液體材料分析中的應(yīng)用，獲得相對較好的結(jié)果。
4.在化學試劑的分析應(yīng)用
原子吸收儀也常用于化學試劑的分析應(yīng)用中，如研制出的TH-2005紅外吸收法二氧化碳分析儀，它應(yīng)用于環(huán)境保護、衛(wèi)生防疫，勞動保護及科研院等部門。分析儀主要由采樣裝置，流程控制裝置，二氧化碳光學檢測室，微電腦檢測、控制、分析系統(tǒng)組成。還有美國熱電公司制造的M-5型的原子吸收光譜儀也常用于化學試劑的微量和常量元素分析，如化學試劑中的硝酸銀、硝酸鈷、氫氧化鈉等雜質(zhì)含量的相對標準偏差大約在0.5%左右，精確度較高。
5.在醫(yī)學方面的分析應(yīng)用
原子吸收光譜法因其強大的生命力，迅速應(yīng)用于分析化學的各個領(lǐng)域，尤其在醫(yī)學方面，使得正確檢測各種含量在ppm或ppb級的微量元素成為可能，在我國的各級醫(yī)保單位，已將人體元素檢測作為常規(guī)項目，其檢測結(jié)果精確可靠。因此，原子吸收光譜分析法在疾病控制中心更是作為“金標準”。
四、結(jié)論
原子吸收儀的不斷更新與發(fā)展，標志著人類的不斷進步與探索，會使得原子吸收儀應(yīng)用技術(shù)不斷提高，不斷強大，也為科學事業(yè)的良好發(fā)展奠定了基礎(chǔ)，更好的造福于人民，造福于社會。
參考文獻
關(guān)鍵詞：表面活性劑分析原理及方法；教學；改革
中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）11-0119-02
學校的應(yīng)用化學專業(yè)是國內(nèi)較早建立的專門從事表面活性劑教學和研究的特色學科專業(yè)。表面活性劑與科學研究以及工業(yè)生產(chǎn)、日常生活息息相關(guān)，在化妝品、食品、洗滌劑、醫(yī)藥、新材料等領(lǐng)域具有廣泛的應(yīng)用。[1]在表面活性劑的研制、生產(chǎn)應(yīng)用和環(huán)境保護“這一鏈條”中，必須解決一系列表面活性劑相關(guān)的分析方法問題。正如分析化學是科學家的“眼睛”一樣，掌握一定的表面活性劑分析方法是生產(chǎn)正常進行、產(chǎn)品質(zhì)量得以保證、表面活性劑相關(guān)的科學研究不斷發(fā)展、消除表面活性劑帶來的環(huán)境污染等諸多方面的重要保障。[2]作為應(yīng)用化學專業(yè)學生的一門關(guān)鍵課程――《表面活性劑分析原理及方法》，將教會學生從微觀結(jié)構(gòu)、分析檢測的角度認識和鑒定表面活性劑，了解表面活性劑的存在形式與性能的關(guān)聯(lián)，掌握對復(fù)雜樣品中各種不同類型的分離純化方法以及表面活性劑的定性、定量分析鑒定方法。我在長期進行《表面活性劑分析原理及方法》課程教學的基礎(chǔ)上，現(xiàn)就該課程的教學改革做一簡單介紹。
一、理論教學
《表面活性劑分析原理及方法》是一門理論性和實踐性兼具的課程，在科學研究及實際生產(chǎn)、生活中都有重要意義。該課程以分析化學、儀器分析為理論基礎(chǔ)，是涵蓋物理化學、有機化學、膠體與界面化學等多個學科的基礎(chǔ)知識及應(yīng)用的綜合性課程。由于其所涉及的知識面較為廣泛，主要在本科高年級（三年級下學期）開設(shè)。在課程的教授過程中，要充分意識到本課程的特點，還要充分結(jié)合學生已有的知識背景為前提，改變過去的以單純講解為主，轉(zhuǎn)而采取靈活多樣的教學方法。對于表面活性劑的一些基本概念如表面活性劑的類型及其基本性質(zhì)，在學生學習膠體與界面化學這門課時已經(jīng)學習，若是繼續(xù)重復(fù)地講解，會降低學生的學習興趣，且加大了學時偏少內(nèi)容偏多的矛盾。教師可以通過提問的方式幫助學生回顧所學過的有關(guān)表面活性劑的基本知識，調(diào)動學生的課堂參與性。在介紹一些基礎(chǔ)的、抽象的化學理論知識時，注意結(jié)合生活中的常見現(xiàn)象，使抽象的知識形象化，便于學生解釋。比如：鑒定表面活性劑離子類型的比色法[4]。以生活中所真切感受到的五彩繽紛的顏色為例，引出化學史上比色法的發(fā)現(xiàn)過程及其原理和應(yīng)用，使枯燥的理論變得生動。在教授學生從來沒有接觸過的表面活性劑鑒定方法――核磁共振波譜時，以其他產(chǎn)生原理上類似、學生已經(jīng)較為熟悉的光譜方法（如紫外可見吸收光譜及紅外光譜）引出該方法。學生在已有的知識儲備上進行對照式的學習，更容易接受和掌握新的知識。在根據(jù)不同的教學內(nèi)容選擇合適的教學方法的同時，還應(yīng)注意引導(dǎo)學生梳理和搭建該課程的知識體系，把分散講解的知識內(nèi)容整合為有序的知識體系。例如：在講解表面活性劑的多種儀器分析方法[5]的時候，考慮到學生已具備的儀器分析的知識，首先讓學生對各種方法進行分類，如光譜法（吸收光譜、紅外光譜、核磁共振波譜、熒光光譜），色譜法（氣相色譜、高效液相色譜、薄層色譜、毛細管電泳），質(zhì)譜法、電化學法（電位型―離子選擇性電極、電流型傳感器）等。還要讓學生對各種方法的原理、適用范圍、優(yōu)缺點等進行詳細地比較，通過找出方法間的相似性、差異性以及對比不同方法的優(yōu)缺點，學生的學習活動由被動的接受知識變?yōu)榉e極主動地建構(gòu)知識、探索知識?？傊?，在課堂上要充分根據(jù)所授內(nèi)容的特點，靈活采用互動、引導(dǎo)、啟發(fā)式等不同的教學方式，讓學生在主動思考中加深對知識的理解與掌握，摒棄純粹的“灌輸式”教學法，[3]提高學生對本課程的興趣與主動性。
創(chuàng)新是民族的靈魂。作為大學老師，需要把創(chuàng)新意識貫穿到教學中，要努力將前沿的科學研究成果帶入到課堂上。例如：在介紹表面活性劑的分析方法的時候把最新出現(xiàn)的Ramman光譜，（激光）動態(tài)光散射等分析方法也充實到教學內(nèi)容中。在講解Ramman光譜的時候，讓學生把這種方法同前面講的吸收光譜法進行聯(lián)系，同時，強調(diào)Ramman光譜作為新興方法與其他吸收光譜的區(qū)別及其優(yōu)勢。另外，也適當介紹一些高新技術(shù)如當前科學研究中的納米材料在表面活性劑分析中的應(yīng)用。納米材料具有同常規(guī)材料完全不同和更加優(yōu)異的性質(zhì)，這些性質(zhì)是無法從現(xiàn)有理論進行推斷，從而革新了化學史上的經(jīng)典理論。舉例如通過金納米粒子的顏色變化就能方便地判定表面活性劑的臨界膠束濃度。在介紹這些知識本身的同時，讓學生意識到科學是不斷發(fā)展的，知識在持續(xù)更新。從而利用這些前沿的、“神奇的”科研成果實例激發(fā)學生的探索欲望，有助于引導(dǎo)其樹立良好的科學觀和知識論。
二、實踐教學
表面活性劑分析的理論知識相對抽象，很多是理論化的模型，為了提高學生的興趣，對于課堂上講授的關(guān)鍵知識點，我們都精心安排了相應(yīng)的實驗課程，以便實現(xiàn)理論與實踐的結(jié)合。實驗課所涉及的內(nèi)容較為全面，從表面活性劑的典型而重要的定性鑒定方法到定量分析手段，從化學分析法到儀器分析法都有。實驗課的課時在總課時中占有較大比例（近60%）。學生通過切身的實驗操作、現(xiàn)象觀察及數(shù)據(jù)分析，對理論知識有了更加形象化、深入化的理解。更為重要的是，我們設(shè)計的實驗課程，是帶有探究的性質(zhì)。實驗的結(jié)果只有學生通過實驗后，結(jié)合的理論知識的分析才能得出結(jié)果。比如對于一些未知類型的表面活性劑，讓學生通過實驗鑒定出其所帶的電荷（即表明活性劑的離子類型）。再比如，以一個市售的香波的實際樣品為實例，讓學生通過進行離子交換樹脂分離、蒸餾純化以及紅外光譜鑒定出該香波中的各種類型的不同離子類型的表面活性劑的官能團。這樣的涉及多個知識點（樣品的分離/純化、定性鑒定手段、圖譜解析等）的綜合性實驗，對于學生的綜合能力的提高也具有促進效果。更為重要的是，為了提高學生獨立的實驗探索能力，避免學生在做實驗時只是按照實驗課本上的實驗步驟“照方抓藥”，實驗做完后抄襲別人實驗數(shù)據(jù)和實驗報告上交而蒙混過關(guān)，我們準備了多個不同的測試樣品，讓不同的學生針對不同的樣品開展實驗。另外，在實驗報告的書寫方面，提倡和鼓勵學生對實驗中的現(xiàn)象和結(jié)果進行深入分析和思考，并把分析結(jié)果和切身體會寫到實驗報告的結(jié)果與討論中。學生對于整個實驗的反思，不僅有利于其對知識的深度掌握，也有利于培養(yǎng)其勤于思考、善于總結(jié)的學習習慣。
三、考核模式
與傳統(tǒng)的以期末考試卷面成績?yōu)橹鞯恼n程考核評價模式不同，本課程的考核采用多樣化、分類考核模式。課程最終的成績分成三部分：平時成績、課程論文及實踐成績，分別占總成績的10%、50%和40%（課程論文和實踐成績是考核的重點）。平時成績包含平時出勤情況、課堂發(fā)言和回答問題情況，老師會在課堂上隨時記錄好。課程論文由學生圍繞表面活性劑的相關(guān)分析方法進行選題，通過自主查閱相關(guān)專業(yè)書籍、學術(shù)性的期刊文獻等撰寫出圍繞某個主題的總結(jié)報告。課程論文的評價依據(jù)從選題是否切題、內(nèi)容是否全面、所寫的內(nèi)容是否條理、邏輯、專業(yè)術(shù)語的用詞是否準確、書寫格式是否規(guī)范等方面進行評價。這樣的課程論文要求也對學生以后繼續(xù)攻讀碩士研究生奠定一定的基礎(chǔ)。實踐成績主要依據(jù)實驗操作情況以及實驗報告的撰寫來定。實驗報告的內(nèi)容是否規(guī)范、全面，實驗數(shù)據(jù)的可靠性，實驗結(jié)果的分析與討論是否深入，都會納入實踐成績的評定。這種多樣化、全方位的考核方法能有效避免部分學生考試前投機學習，對所學知識死記硬背、囫圇吞棗的情況的發(fā)生，使評價手段更為科學，使教學由應(yīng)試教育為導(dǎo)向轉(zhuǎn)化為素質(zhì)教育為導(dǎo)向。
四、結(jié)束語
通過本課程的教學改革和探索發(fā)現(xiàn)，課程教學的總體效果是好的。大多數(shù)學生對本課程的學習表現(xiàn)出有較為濃厚的興趣，上課出勤率高，課堂回答問題積極，甚至經(jīng)常提出一些思考性的專業(yè)問題與老師探討。課程論文反映出大多數(shù)學生能自己查閱相關(guān)主題的文獻，正確運用專業(yè)術(shù)語，合理歸納知識，具備了一定的專業(yè)知識的概括總結(jié)能力，對知識的理解較為深刻。該課程最終成績的平均成績在80分以上，優(yōu)秀率（成績90分以上的）超過了28%。所培養(yǎng)的學生，受到了招聘單位的歡迎和好評。極個別學生成績不理想的主要原因在于學習態(tài)度不端正和學習的自覺意識不高、自律能力較差，仍然需要加強對學生的思想引導(dǎo)。
通過探索該課程的教學改革方法，有效地提高了學生的學習積極性與主動性，達到了培養(yǎng)學生獲取理論/實踐知識的綜合能力，同時培養(yǎng)了學生發(fā)現(xiàn)問題、分析和解決問題的能力。與此同時，教師自身的教學方法、教學水平也在這過程中得到了較大提高?！笆陿淠荆倌陿淙恕?，教學改革需要循序漸進[6]的發(fā)展過程，仍然需要在以后的教學實踐中繼續(xù)不懈地思考與探索，才能促進教學、教育工作的不斷發(fā)展。
參考文獻：
[1]王世榮.表面活性劑化學[M].第二版.北京：化學工業(yè)出版社，2010.
[2]焦學瞬，張宏忠.表面活性劑分析[M].北京：化學工業(yè)出版社，2009.
[3]范守信.教學方法改革的癥結(jié)與出路[J].中國高等教育，2012，（18）：44-46.
[4][日]北原文雄，早野茂夫，原一郎.表面活性劑分析和試驗法[M].毛培坤，譯.輕工業(yè)出版社，1988.
關(guān)鍵詞：可見光技術(shù)；稻飛虱；穗頸瘟
中圖分類號：S511 文獻標識碼：A 文章編號：1674-0432（2010）-12-0091-1
本文主要研究受稻飛虱和穗頸瘟而倒伏的水稻冠層做光譜研究，使用支持向量分類機針對倒伏和正常得水稻分別給與主分量光譜分析，以增加災(zāi)害評估、病蟲害監(jiān)測與遙感估測中可見光光譜技術(shù)的使用。
1 材料與方法
1.1 試驗準備
儀器使用ASD公司觀測儀器的高光譜輻射儀（FieldSpe Pro FRTM），在350-2500nm的波段范圍中350-1000nm的波段寬(光譜采樣間隔)為1.4nm，3nm的光譜分辨率；1000-2500nm的波段寬(光譜采樣間隔)為2nm，10nm的光譜分辨率。
選取穗京4號水稻品種，其易感稻瘟病。2009年4月10日播種，5月12日移栽（機插），稻穗頸瘟自然發(fā)病較重，引起水稻植株倒伏，黃熟期光譜觀測。
1.2 研究方法
在觀測點于2009年8月20日上午10:00-11:00測定穗頸瘟危害倒伏水稻的冠層光譜，各樣點采集3次光譜，測定10條光譜曲線，取其平均值作為該樣點的光譜反射值，測定正常水稻光譜。
在View Spec Pro2.14（一種光譜分析軟件）中，使用光譜平滑處理（五步滑動平均法）。在Matlab7.0中可以實現(xiàn)光譜數(shù)據(jù)分析，選用400-1800nm之間的波段進行分析，去掉1341-1450nm之間的吸收水汽的光譜帶。
2 分析與結(jié)果
2.1 水稻田間冠層光譜特征分析
水稻因受穗頸瘟和稻飛虱的危害而倒伏，而改變了原有的群體結(jié)構(gòu)，致使植株受光條件和各組分(如莖稈、稻穗等)對冠層光譜的貢獻比例都發(fā)生變化。
圖 1 正常和倒伏的水稻冠層光譜曲線
由圖1可知，在可見光400-1800nm的譜段內(nèi)，正常水稻和倒伏水稻的反射光譜有一定得的增加，在可見光400-690nm的普段內(nèi)提高了2-10%。說明對倒伏與正常這不同生長狀態(tài)的水稻可以使用冠層光譜進行識別。
2.2 C2 SVC對倒伏水稻的識別與驗證
圖2 前二個主成分分量
首先從觀測點觀測70個正常和倒伏的水稻中隨機選取75%的樣株，作為訓(xùn)練C2 SVC的數(shù)據(jù)，輸入向量使用前兩個主分量光譜，對正常與倒伏得水稻進行劃分。由于LIBSVM 2.83有很多默認的參數(shù)，使用默認參數(shù)立即可以解決大量分類與回歸問題，分別影響模型運行精度和速度的重要參數(shù)是核函數(shù)類型和交互檢驗階數(shù)。長時間測試后發(fā)現(xiàn)，每當懲罰系數(shù)C為1、交互檢驗階數(shù)是3、核函數(shù)使用徑向基函數(shù)RBF并且保持其他參數(shù)不改變時，模型的平均精確度到達到100%，可訓(xùn)練數(shù)據(jù)中可以實現(xiàn)對正常和倒伏水稻完美識別。
在LIBSVM 2.83中，訓(xùn)練完成后的網(wǎng)絡(luò)，它的參數(shù)權(quán)值總是恒定的，為了檢測構(gòu)建模型的普適性，使用黑龍江友誼農(nóng)場的22個樣株作為數(shù)據(jù)驗證，測試水稻不同生長狀態(tài)時的識別效果，利用C2 SVC對倒伏與正常水稻的生長狀態(tài)進行識別時，倒伏水稻沒有被錯分為正常，反之亦然，精度是100%。
3 結(jié)論
本研究中觀測點的水稻倒伏都是著地倒，并沒有其他倒伏角度的情況。另外，本研究中的的光譜測試只有地面測試，沒有其他高光譜影像數(shù)據(jù)。所以，結(jié)果能否用于其他研究，還需驗證。
參考文獻
[1] 劉良云,王紀華,宋曉宇,等.小麥倒伏的光譜特征及遙感監(jiān)測[J].遙感學報,2007,9:323-327.
[2] 劉占宇.水稻主要病蟲害脅迫遙感監(jiān)測研究[A].浙江大學博士學位論文[D].2008,6:79-86.
