科研产出
中红外及近红外光谱在小杂粮品质检测中的应用进展
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：中红外光谱以及近红外光谱在现代分析化学中有重要的地位,是人类认识物质结构、功能、成分以及含量的重要途径.小杂粮泛指生育期短、种植面积少、种植地区和种植方法特殊,有特种用途的多种粮豆,其特点是小、少、特、杂.小杂粮营养丰富,既是传统口粮,又是保健食品资源.随着人民生活水平的提高和膳食结构的改善,小杂粮作为药食同源的新型食品资源,在现代绿色保健食品中占有重要地位.对小杂粮进行品质检测可为小杂粮生物活性物质研究、品质分级、小杂粮育种、产地溯源与真伪鉴别等方面提供可靠的数据支撑.按照麦类小杂粮及豆类小杂粮分类,对国内近30年来小杂粮品质检测有关文献加以综述.研究表明,麦类小杂粮品质检测文献更多,约占文献数量的2/3左右,且以近红外光谱技术应用居多;豆类小杂粮品质检测文献相对较少,约占文献数量的1/3左右,且以中红外光谱技术应用居多.中红外光谱、近红外光谱在小杂粮品质检测分析方面有诸多重要应用.其中,中红外光谱更多应用于小杂粮中活性物质以及小杂粮加工过程的表征,而近红外光谱则更多应用于小杂粮中粗蛋白、粗脂肪、水分等主要品质指标的定量分析检测,可为小杂粮品质监测、科学育种提供高效的数据来源.近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱不再局限于小杂粮品质指标定量分析,而且还被应用于小杂粮产地溯源等领域,亦取得了良好的效果.最后对中红外光谱、近红外光谱在小杂粮品质无损分析检测方面做出了展望.
全文链接
请求原文
利用无人机高光谱影像的冬小麦氮含量监测
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要.旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力.首先,以无人机为遥感平台,搭载高光谱传感器获取了冬小麦拔节期、挑旗期、开花期和灌浆期 4 个主要生育期的高光谱遥感影像,并实测了各生育期的氮含量数据.其次,基于预处理后的高光谱影像,提取冬小麦各生育期的冠层反射率数据,并构造能较好反映作物氮素营养状况的 12 种植被指数和 12 种光谱特征参数.然后,计算了各光谱参数与冬小麦氮含量的相关性,并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数;最后,利用逐步回归分析(SWR)构建基于植被指数、植被指数结合光谱特征参数的氮含量估算模型.结果显示:(1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性.其中,植被指数的相关性高于光谱特征参数;(2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行,但精度还有待进一步提高;(3)与单一植被指数或光谱特征参数相比,植被指数结合光谱特征变量利用 SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期:建模R2=0.64,RMSE=24.68%,NRMSE=7.96%,验证R2 =0.77,RMSE=23.13%,NRMSE=7.81%;挑旗期:建模R2=0.81,RMSE=15.79%,NRMSE=7.41%,验证R2 =0.84,RMSE=15.10%,NRMSE= 7.08%;开花期:建模R2 =0.78,RMSE=9.88%,NRMSE=5.66%,验证R2 =0.85,RMSE=9.12%,NRMSE=4.76%;灌浆期:建模R2=0.49,RMSE=13.68%,NRMSE=9.85%,验证R2=0.40,RMSE= 18.29%,NRMSE=14.73%).研究结果表明,结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高,研究结果可为冬小麦氮含量的空间分布和精准管理提供参考.
关键词： 无人机 冬小麦 高光谱 氮含量 逐步回归 光谱特征参数
全文链接
请求原文
综合光谱纹理和时序信息的油茶遥感提取研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：具有极高营养价值且被誉为东方“橄榄油”的油茶树是我国南方地区重要经济林，我国是世界上油茶树分布最广的国家。提取油茶种植分布和面积对林业部门开展油茶的宏观管理和生产指导具有重要意义。以地处亚热带地物复杂且多山地丘陵的湖南省常宁市为研究区，该区域分布有大量农田和森林，且部分植被季节变化较大，对油茶的遥感提取带来了很大挑战。提出了基于春夏秋三期的GF-2号高分辨率卫星影像，综合植被指数、纹理特征、 PCA主成分3种特征，以及春夏、春秋、夏秋、春夏秋四种不同时序组合和随机森林（RF）算法共构建了17种分类场景（S1—S17）,运用随机森林（RF）、支持向量机（SVM）、最大似然（MLC）三种不同分类算法开展油茶遥感提取实验，筛选出最优特征组合、最佳分类季节与最优时序组合、最优分类方法。结果表明：仅基于光谱信息分类精度低，纹理特征的加入可大幅提升精度，而PCA对于精度的提升效果微弱；通过比较不同季节单时期的分类结果发现油茶提取精度最高的季节为夏季，夏季单时期影像在最优特征组合（S8）中油茶生产者精度（PA）为94.06%,油茶用户精度（UA）为92.57%;在分类场景S10—S17中实验发现，采用时序信息要比单时期影像有明显的精度提升，时序组合分类精度由高到低依次为：春夏秋、春夏、春秋、夏秋；综合光谱、纹理、时序信息通过随机森林（RF）、支持向量机（SVM）、最大似然（MLC）进行油茶提取，随机森林算法分类精度总体表现最好。采用春夏秋多时相遥感植被指数、纹理、 PCA的随机森林方法（S17）是分类精度最高的方案，总体精度（OA）和Kappa系数分别为96.85%和0.961 0,油茶生产者精度（PA）为98.31%,油茶用户精度（UA）为94.33%;采用春夏时相遥感植被指数、纹理的随机森林方法（S10）为兼顾计算效率与精度的最优方案，总体精度（OA）和Kappa系数分别为95.62%和0.9458,油茶生产者精度（PA）为96.93%,油茶用户精度（UA）为95.09%。所提出的最佳油茶遥感提取方案能够为亚热带地区油茶及其他经济林的遥感监测提供参考。
全文链接
请求原文
北方寒区河流湿地土壤溶解性有机质荧光光谱特征
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：溶解性有机质(DOM)是土壤中活跃的有机成分,其来源和组成可指示土壤腐殖化程度及与外部环境间的相关关系.为科学地监测与评价湿地土壤环境质量,采集黑龙江省碾子山雅鲁河国家湿地公园内不同植被条件下的表层(0~20 cm)土壤,应用三维荧光光谱-平行因子分析法,测定DOM荧光光谱,并进一步分析土壤理化指标对DOM组成的影响.结果表明:5种植被类型(包括9种群系)条件下土壤DOM腐殖化指数在2.562~9.052之间,落叶阔叶林和落叶阔叶灌丛土壤腐殖化程度高于草甸,其次为沼泽,水生植被最低;荧光指数介于1.407~1.586,土壤DOM来源兼具外生源和自生源特征,落叶阔叶林和芦苇[Phragmites australis(Cav.)Trin.ex Steud.]沼泽表现为明显的外生源特征,而水生植被及稗[Echinoch-loacrus-galli(L.)P.Beauv.]沼泽具有明显的自生源特征;生物指数在0.482~0.662范围内,新近自生源贡献率均较低.土壤DOM中识别出3类5种有机组分,类腐殖质(紫外类富里酸和可见类富里酸)相对比重最大,外生源特征明显的土壤样品中含量多;其次为类蛋白质(类酪氨酸和类色氨酸),自生源特征较强的土壤样品中含量多;类腐殖酸(胡敏酸)最低,多存在于旱生-中生环境中.土壤含水量、pH值、总有机碳含量对DOM组成具有显著或极显著的影响,3项理化指标与类蛋白质含量成正相关,与类腐殖质含量成负相关,含水量、总有机碳含量与类腐殖酸含量成负相关.总体上看,在该湿地公园内,落叶阔叶林、落叶阔叶灌丛土壤偏弱酸性,含水量、总有机碳含量低,腐殖化程度高,外生源特征明显,类腐殖质和类腐殖酸含量高,其次为草甸及沼泽植被,而水生植被条件下土壤近中性,含水量、总有机碳含量高,腐殖化程度低,自生源特征明显,类蛋白质含量高.本研究结果可为以该湿地公园为代表的北方寒区永久性河流湿地土壤环境质量监测与评价提供基础数据.
全文链接
请求原文
基于无人机成像高光谱估算马铃薯植株氮含量
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：植株氮含量（PNC）是评价作物长势和氮营养状况的重要指标，因此，准确高效地获取PNC信息，对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像，并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱；其次将提取的冠层光谱与马铃薯PNC进行相关性分析，筛选出PNC的敏感波长；然后分别利用灰度共生矩阵和1～3阶颜色矩，提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征，并将提取的特征与马铃薯PNC进行相关性分析，筛选出相关性较高的前5个图像特征；最后分别基于光谱特征、图像特征和图谱融合特征利用弹性网络回归（ENR）、贝叶斯线性回归（BLR）和极限学习机（ELM） 3种方法建立马铃薯PNC估算模型。结果表明：（1）马铃薯5个生育期的冠层光谱特征波长存在差异，但多数位于可见光区域。（2）冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高，且现蕾期到淀粉积累期的相关性明显高于成熟期。（3）基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好，成熟期效果较差。（4）现蕾期到淀粉积累期，基于图谱融合特征的马铃薯PNC估算效果明显优于单一光谱特征和单一图像特征。（5）马铃薯各生育期，基于同种变量利用ENR构建的PNC估算模型效果较好，BLR次之，ELM较差。其中，以图谱融合特征为模型变量，利用ENR构建的PNC估算模型精度和稳定性最好，5个生育期的建模R~2分别为0.91、 0.75、 0.82、 0.77和0.69, RMSE分别为0.24%、 0.31%、 0.26%、 0.22%和0.29%, NRMSE分别为6.59%、 9.79%、 9.58%、 7.87%和11.03%。该研究可为马铃薯的氮营养监测提供一种快捷高效的技术手段。
全文链接
请求原文
利用VGC-AGB模型和高光谱遥感的马铃薯地上生物量估算
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义.作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估.现有的研究表明,遥感植被指数在中高作物覆盖度时会丧失对作物参数的敏感性,即"饱和现象",这制约了作物生长中后期 AGB的准确监测.采用了一个新型垂直生长作物 AGB估算模型(VGC-AGB)结合高光谱遥感开展马铃薯多生长阶段的 AGB估算研究.针对多生长时期遥感光谱指数开展作物生物量监测中存在的"饱和问题",VGC-AGB定义了叶片干物质含量(Cm)和垂直器官干物质含量(Csm)2 个参数,分别描述马铃薯叶片和茎的平均干物质含量,并通过叶面积指数(LAI)×Cm 计算叶片的地上生物量(AGB1),通过种植密度(Cd)、马铃薯株高(Ch)和Csm的乘积,即Cd×Ch×Csm计算垂直器官的地上生物量(AGBv).基于国家精准农业研究示范基地 2019 年马铃薯田间实验,分别获取了马铃薯 4 个关键生长时期的地面 ASD高光谱数据、实测株高、AGB和LAI数据等,并利用高光谱反射率数据构建了高光谱特征参数,分别对比了(1)高光谱特征参数+株高,(2)地面测量参数+VGC-AGB模型和(3)高光谱特征参数+VGC-AGB模型的 3 种马铃薯 AGB估算模型的性能.结果表明,与传统的高光谱遥感植被指数+株高的AGB估算方法相比,新型 VGC-AGB模型结合高光谱遥感数据可以提供更高性能的马铃薯 AGB1、AGBv和总 AGB估算结果,该方法可为马铃薯 AGB的快速无损监测提供技术支撑.
关键词： VGC-AGB模型 高光谱遥感 马铃薯 地面生物量
全文链接
请求原文
基于全透射近红外光谱的西瓜不同部位可溶性固形物含量在线检测研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：可溶性固形物含量（SSC）是评价西瓜果肉品质优劣的关键指标。西瓜SSC在线检测模型的建立，可以实现西瓜品质按其SSC进行在线分级，满足不同人群需求，提高市场竞争力。以160个京美2K西瓜为研究对象，通过实验室自主研发的在线检测设备，采集了西瓜两种姿态的可见近红外全透射光谱数据，分别与西瓜不同部位SSC建立偏最小二乘回归（PLSR）预测模型，探究西瓜SSC在线检测的最佳姿态和检测部位。首先，分别定义西瓜不同部位SSC测量值为瓜蒂糖、中心糖、瓜脐糖和整果糖，在线检测的两种姿态分别定义为T1姿态和T2姿态。其次对比西瓜不同部位SSC,探讨西瓜SSC评价标准。然后去除光谱透射强度值较低且频率较高，包含大量噪声和无用信息的光谱数据，最终选取波长范围（671～1 116 nm）的光谱进行分析。采用卷积平滑（SGS）算法分别与多元散射校正（MSC）、单位矢量归一化（UVN）和标准正态变量变换（SNV）这3种算法相结合对两种姿态下的光谱数据进行预处理，随后对应西瓜不同部位SSC分别建立预测模型。通过对比不同模型的预测结果发现：使用SGS和MSC组合对T1姿态采集的光谱数据预处理效果最好，而对于T2姿态的光谱数据使用SGS与UVN结合预处理效果最好；T1姿态明显比T2姿态的光谱数据所建模型的预测效果好；对西瓜瓜蒂糖和整果糖的预测结果较好，瓜脐糖次之，中心糖最差。最后采用竞争性自适应重加权算法（CARS）分别对预测瓜蒂糖和整果糖的模型进行优化。其中，共挑选出81个波长点用于建立预测瓜蒂糖模型，106个波长点用于建立预测整果糖模型，两模型的预测集相关系数分别为0.881 0和0.875 8,均方根误差分别为0.866 7%和0.758 9%,不仅模型得到了简化，还提高了模型的预测精度。研究结果表明，西瓜不同姿态和对不同部位SSC预测的差异，会影响西瓜SSC在线检测和品质评价分级结果，应根据用户的实际需求进行模型选取和优化；为此，提出了糖度评价指数，为进一步开发西瓜SSC在线检测设备提供了技术支撑。
关键词： 近红外光谱 西瓜 可溶性固形物含量 在线检测 模型优化
全文链接
请求原文
基坑排水对城市内河水体溶解性有机质的影响研究
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：工程施工时基坑排水是保障基坑安全的必要措施,排出水进入城市内河,对内河及下游水生态安全产生影响.该研究采集哈尔滨市何家沟欧亚之窗公园段建筑工程施工过程中基坑排出水(W 1)、排水口上游100 m处(W2)、排水口处(W3)、排水口下游50 m处(W4)、排水口下游100 m处(W5)、排水口下游200 m处(W6)的水体样品,应用三维荧光光谱-平行因子分析方法,测定溶解性有机质(DOM)的荧光光谱特征,分析DOM的组成和来源,探究基坑排水对城市内河水体环境的影响.结果表明:内河水体腐殖化指数(HIX)在0.337~0.381范围内,腐殖化程度低,W1,W3~W6的HIX差异不显著,均显著低于W2,说明排水进一步降低了内河水体腐殖化程度.荧光指数(FI370)介于2.330~2.900范围内,生物指数(BIX)在0.897~1.140范围内,W1和W2的FI370和BIX均显著高于W3~W6,两者具有极强的自生源特征,说明排水使下游水体自生源特征降低.水体样品DOM中共识别出2类4种有机组分:可见类富里酸组分(C1)、类色氨酸组分(C2)、紫外类富里酸组分(C3)和类酪氨酸组分(C4),即类富里酸物质(C1、C3)和类蛋白物质(C2、C4),两者间成负相关关系.FI370与4种有机组分间均呈极显著的相关性,说明DOM组成简单.W2具有相对较高的DOM浓度,而排水口下游水体DOM浓度低,基本保持稳定.类蛋白物质在上游水体中占有相对较高的比重,在W4中,4种有机组分相对比重差异不显著,W5和W6类富里酸物质的相对比重有升高趋势,同样说明基坑排水导致内河水体自生源特征降低.除pH值升高外,下游水体样品溶解氧(DO)、总氮、总磷等理化指标含量均降低,pH值与类富里酸物质呈正相关,与类蛋白物质呈负相关,而DO、化学需氧量及水体养分指标与之相反.水体DOM有机组分与理化指标的相关性不同,可直接或间接影响DOM组成.因此,工程施工基坑排水可降低城市内河水体DOM浓度,改变了水体DOM组成.
全文链接
请求原文
高光谱成像的煤与矸石分类
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：煤与矸石分选是煤矿生产的必要工序,现有的人工分选与机械分选,存在效率低,易造成资源浪费以及环境污染等问题.鉴于可见/近红外高光谱成像具有分析速度快、样品无需预处理、无污染等诸多优势,旨在探讨基于可见/近红外高光谱成像对黑色背景下块状煤与矸石准确分类的可行性,并基于特征波长筛选算法简化模型,为构建多光谱煤与矸石分选系统提供理论参考.首先,搭建高光谱成像系统并采集山西西铭矿的85个煤样本与83个矸石样本在400~1000 nm(Vis/NIR)与1000~2500 nm(NIR)两个范围内的高光谱图像,基于图像处理方法去除背景信息,选取Vis/NIR范围内100×100像素和NIR范围内50×50像素区域内的平均光谱作为该样本在对应波段范围的一条光谱,重复10次,最终在两个波段各获得煤与矸石光谱850条和830条.其次,对光谱先后进行Savitzky-Golay卷积平滑和标准正态变量变换,以减少噪音和误差对光谱的影响.基于全波段光谱建立支持向量机(SVM),k近邻法(KNN),偏最小二乘判别分析(PLS-DA)三种模型,每个模型针对预测集的分类准确度均大于0.95,结果表明,基于煤和矸石的光谱信息可将二者区分.随后根据竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择的特征波长建立简化模型,综合考虑精度与成本等因素,在Vis/NIR范围内基于SPA筛选的3个特征波长所建立的SVM模型效果最好,不仅能有效减少波长数量,还能提高模型的分类效果,对应的灵敏度,特异度,准确度分别为1,0.9652,0.9833.基于判别模型与样本的平均光谱还可实现煤和矸石的分类可视化.研究结果对开发基于特征波长的低成本煤和矸石多光谱分选系统,实现煤矸快速、准确的无损检测具有借鉴意义.
关键词： 高光谱成像;煤;矸石;黑色背景;无损检测
全文链接
请求原文
基于多维随机森林的番茄灰霉病高光谱图像早期检测
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：植物病害的自动早期检测对于作物精确保护至关重要.提出了一种基于多维光谱序列(multi-di-mensional spectral series,MDSS)和加权随机森林(weighted random forest,WRF)的番茄灰霉病早期诊断与鉴别方法.目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型,以期在肉眼明显可见叶面病斑前对作物病害实现诊断.将健康叶片接种灰霉病菌第3天作为叶片成功染病第1天.试验首先采集番茄健康叶片和染病叶片7天内每天的高光谱图像,提取感兴趣区域并计算平均光谱作为初始光谱数据,经筛选共得到(156×7)组有效样本.将样本数据按时间顺序拆分成分别包含1~7个维度的光谱数据形成多维原始光谱序列,为增加维度间差异性,相邻原始光谱序列相减构成多维关联光谱序列.分别采用符号聚合近似估计(symbolic aggregate approximation,SAX)和符号傅里叶近似估计(symbolic Fourier approxi-mation,SFA)两种符号化方法将光谱序列离散成局部辨别性特征.基于多维光谱序列的局部辨别性特征建立加权随机森林(MDSS-SAX-SFA-WRF)分类模型,实现病害早期检测.相应地,基于单维光谱序列(single-dimensional spectral series,SDSS)的番茄灰霉病识别模型被作为基准模型与MDSS-SAX-SFA-WRF模型比较.试验结果显示,MDSS-SAX-SFA-WRF检测模型在包含2至7个光谱序列维度的56个测试样本数据中均获得90% 以上识别准确率,在包含5个光谱序列维度测试集中得到最高99% 的识别准确率,较SDSS-SAX-SFA-MRF检测模型在染病第5天的识别率高8.2个百分点.另外受随机干扰的影响,SDSS-SAX-SFA-MRF模型准确率在染病5~7 d出现大幅度回落至最低84%,MDSS-SAX-SFA-WRF模型识别率在肉眼可见病斑阶段依然保持超过98% 的较高检测水准,未过度回落.因此,提出的基于多维光谱曲线整体变化趋势和加权随机森林(MDSS-SAX-SFA-WRF)的分类模型能够有效实现番茄灰霉病早期检测,并具有较强的鲁棒性,为染病初期的番茄灰霉病鉴别提供新思路.
关键词： 早期病害识别 高光谱成像技术 番茄灰霉病 随机森林 多维时间序列
全文链接
请求原文
