基于神经网络的近红外光谱辛烷值模型的研究及应用

汽油管道调合的在线优化过程中,调合优化与控制系统对近红外光谱模型的依赖很大。光谱模型的精度及适应性直接影响整个在线调合系统。本文就如何建立适用于在线汽油调合的汽油辛烷值近红外光谱模型展开研究,提出一种采用主元分析(PCA)结合人工神经网络(ANN)的方法建立汽油近红外光谱辛烷值模型的方法;并与多元线性回归及偏最小二乘法建立的线性模型做比较。结果表明主元分析结合人工神经网络所建立的模型适应性较高、抗干扰能力强,适合汽油在线调合的现场应用。     

近红外光谱结合反向区间偏最小二乘法检测药用辅料糊精

利用近红外光谱结合化学计量学方法快速检测了药用辅料糊精含量。首先,用近红外光谱仪采集主药与糊精共存样本的近红外光谱数据;然后,采用反向区间偏最小二乘法(Backward Interval Partial Least Squares,Bi PLS)优选光谱特征区间;最后,采用偏最小二乘法(PLS)对优选出来的区间建立药用辅料糊精近红外光谱模型。采用Bi PLS将全光谱均匀划分35个子区间,选择16个子区间[1,7,10,12,18,20,21,23~25,28~33]时,建立的模型预测效果最佳,其交叉验证均方根误差和预测均方根误差分别为1.501和2.437,校正集和验证集相关系数分别为0.9968和0.9958。因此,利用近红外光谱技术快速检测药用辅料糊精含量是可行的。     

典型煤系岩石的可见-近红外光谱特征研究

为研究基于可见-近红外光谱技术的煤岩识别方法,从山西、山东4个煤矿收集了页岩、砂岩、灰岩三大类11种典型煤系岩石,测定了其可见-近红外波段(400～2 450nm)的反射光谱,分析了其矿物、元素组成对反射光谱特征的影响,获得了碳质物质含量对煤系页岩反射光谱曲线特征参数的影响规律。研究结果表明:①绝大多数煤系岩石的反射光谱曲线在可见光波段(400～780nm)和短波近红外波段(780～1 100nm)呈现出随波长增加的多重吸收谷。在长波近红外波段(1 100～2 450nm),明显的吸收谷主要集中在1 400,1 900,2 200,2 350nm波长,页岩、灰岩吸收谷的波长相对固定,而不同砂岩吸收谷的波长呈现出多种变化。②除碳质物质含量较高的碳质页岩外,同一煤矿各类煤系岩石与煤的可见-近红外波段反射光谱吸收特征差异明显。③当煤系页岩中碳质物质含量增大时,可见-近红外波段反射光谱曲线的光谱斜率和各明显吸收谷深度均呈先快速减小后趋于平缓的特点。     

基于Boosting-KPLS的近红外绝缘涂层厚度检测

探索了一种基于近红外光谱法实现的硅钢表面绝缘涂层厚度检测方法。该方法采用声光可调滤波器近红外光谱仪采集硅钢表面绝缘涂层的近红外光谱,为进一步提取近红外光谱数据的有效信息,采用离散粒子群优化(discretebinary particle swarm optimization,DBPSO)算法对近红外光谱数据进行最佳波长变量筛选,并用筛选得到的新的光谱数据建立涂层厚度的Boosting-核偏最小二乘(kernel partial least squares,KPLS)定量分析模型。对比实验结果显示,Boosting-KPLS算法可以提高定量分析模型的分析准确度和速度,是一种较KPLS更为稳健、分析准确度更高的近红外光谱分析方法。文中所建定量分析模型对30个检验样本分析的绝对误差最小值为-0.02μm,最大值为0.19μm,最大相对误差为14.23%,完全符合实际检验的需要。     

光谱数据变换对玉米氮素含量反演精度的影响

通过对玉米叶片光谱数据进行6种变换,分析了变换后的光谱值与叶片氮素含量的相关关系,探讨了550 nm和680 nm两波段处不同形式光谱变量对氮素含量反演的精度。结果表明,微分处理(D(R)、D(log(R))和D(N(R)))显著改变了氮素含量与光谱值的相关性,归一化(N(R))次之,对数处理几乎无变化(R与log(R),N(R)与log(N(R)))。不同的变换形式之间,与氮素含量相关性高的,所建立的回归模型的决定系数较高,模型的精度也较高。在波段550 nm和680 nm波段处,光谱数据的归一化对数处理(log(N(R)))能显著提高回归模型对氮素含量的反演精度。     

基于719 nm水汽吸收波段的日光诱导叶绿素荧光反演研究

日光诱导叶绿素荧光(SIF)是一种植物光合作用直接探测新方法。目前O_2-A和O_2-B吸收线波段的叶绿素荧光填充效应被广泛应用于探测近红外(760 nm)和红光波段(687 nm)的植被冠层SIF信号。SIF光谱范围为650～800 nm,虽然水吸收波段(719 nm)介于叶绿素荧光发射峰值690 nm和740 nm之间,且具备较强的光谱吸收特征,但该水汽吸收光谱特征尚未应用于冠层SIF探测,因此,基于模型模拟和野外实验观测数据,使用夫琅禾费暗线SIF反演法,评价了基于719 nm波段水吸收波段的SIF反演潜力,其中野外光谱数据采用ASD FieldSpec Pro便携式地物光谱仪(3 nm分辨率)测量。首先,利用FLD、3FLD、iFLD等3种经典的SIF反演方法,检验和对比分析了719水汽吸收波段的SIF反演性能,结果表明使用水吸收线比使用O_2-B吸收线表现更优,反演RMSE为0.154 W/m~2/μm/sr。其次,定量计算了水汽和氧气吸收波段SIF反演的敏感度和不确定性,结果表明,719水汽吸收波段与O_2-B吸收线相比,其吸收线内外的反射率和荧光比值估算误差对SIF反演误差的贡献更小,但是显大于比02-A波段。最后,利用野外多角度和日变化观测实验数据,检验和分析了三个大气吸收波段的SIF反演结果,发现719 nm水吸收波段的冠层SIF与O_2-A和O_2-B氧气吸收波段具有相似的角度变化和日变化特征,表现为后视和热点方向的SIF高、前视和暗点方向的SIF低,以及中午SIF高、早晚SIF低。研究表明利用719 nm波段的水汽吸收波段的光谱信息,可以准确反演近地面冠层SIF信号,研究结果为近地面冠层SIF观测提供了一个新的波段。     

杜仲松脂醇二葡萄糖苷含量的近红外光谱检测研究

采用AntarisⅡ傅立叶变换红外光谱分析仪器(Thermo Nicolet)测定了9种杜仲的光谱数据,运用偏最小二乘法(PLS)和主成分分析回归(PCR)分别建立了杜仲中松脂醇二葡萄糖苷(PDG)含量与吸光度变量的近红外光谱定标模型,并对所建模型进行验证.结果表明,2种方法建立的模型精度都较高,其中模型的预测能力强弱指标SSE=2.8333,PRESS=7.2392,可见在近红外光谱下,PCR和PDG都适合对杜仲进行检测研究,这是本文的一个重要结果,为以后杜仲的指标检验研究提供了理论和实验依据:但是,PCR建立的(PDG)定标模型预测精度稍高于偏最小二乘法(PLS)建立的模型,所以文中只对PCR进行模型的建立,PLS方法对杜仲检测分析这个问题有待于以后的进一步讨论和研究.     

水稻叶片氮含量反演偏最小二乘模型设计

针对高光谱偏最小二乘模型(PLSR)反演作物氮含量时易出现数据冗余和模型复杂的问题,尝试结合波段深度分析和遗传算法(GA)建立水稻氮含量PLSR反演模型。基于去包络线处理的水稻高光谱数据(350nm~750nm),选取波段深度(BD)、波段深度比(BDR)、归一化面积波段深度(BNA)和归一化面积波段指数(NBDI)4种波段深度指数分别建立BDA-PLSR模型,进而采用遗传算法波段选择选取最适宜波段深度指数建立GA-PLSR模型,并将GA-PLSR模型与BDA-PLSR模型进行对比。结果显示,基于BNA的GA-PLSR模型在反演水稻氮含量中获得了最佳的结果(Adj.R2=0.67,RMSEP=0.20,RPD=1.84)。研究证明,利用波段深度分析建立的PLSR模型能一定程度上解决数据冗余问题,进一步采用遗传算法进行波段选择能更有效挖掘光谱信息,提高模型精度。     

新疆棉花LAI和叶绿素密度的高光谱估算研究

利用非成像高光谱仪,对棉花(2品种4水平种植密度)冠层5个关键生育时期进行光谱测定,分析棉花反射光谱及微分光谱生育期的变化规律,并对棉花冠层叶面积指数(LAI)、叶绿素密度(CH.D)与光谱数据进行回归分析,结果表明,用归一化差值植被指数(NDVI)与LAI建立的对数模型能够较好地估测棉花冠层的LAI(r=0.9123**,n=20);近红外729 nm波段处一阶微分光谱数值与CH.D高度相关(r=0.9372**,n=20),用此波段建立的CH.D估算模型,精度达84.3%,标准差为0.234g.m-2,RMSE=0.1569。研究表明,可以用高光谱数据对新疆棉花冠层LAI和CH.D进行遥感估算。     

PLS算法在病叶色素含量遥感监测中的应用

植被病叶色素含量的变化在光谱上会有响应,因此通过光谱测度的方法可以对植被病叶色素含量进行反演,从而能够对作物病害进行即时监测。偏最小二乘法(PLS)的成分提取不仅是对光谱反射率信息的概括,也是对色素含量信息的解释,同时成分提取可以避免变量之间的多重相关性,减少信息冗余。本文通过对加工番茄细菌性斑点病病叶色素含量和光谱反射率的测定,对400nm～800nm的原始光谱进行一阶微分、二阶微分、反对数光谱变换。利用色素含量在原始光谱、一阶、二阶和反对数光谱的敏感波段建立归一化指数,采用多波段PLS算法对色素含量进行归一化指数估测并检验。结果表明,新建归一化指数组成的PLS模型对色素Chl.a、Chl.b、Cars含量的估测精度高于传统的归一化指数,R2都大于0.8,RMSE小于0.05。该模型的应用对加工番茄细菌性斑点病有更强的监测能力。