首页期刊导航|光谱学与光谱分析
期刊信息/Journal information
光谱学与光谱分析
光谱学与光谱分析

高松

月刊

1000-0593

chngpxygpfx@vip.sina.com

010-62181070

100081

北京市海淀区学院南路76号钢铁研究总院

光谱学与光谱分析/Journal Spectroscopy and Spectral AnalysisCSCD北大核心CSTPCDEISCI
查看更多>>本刊系中国光学学会会刊,由钢铁研究总院、中国科学院物理研究所、北京大学、清华大学联合承办的学术性刊物。刊登主要内容:激光光谱测量、红外、拉曼、紫外、可见光谱、发射光谱、吸收光谱、X-射线荧光光谱、激光显微光谱、光谱化学分析、国内外光谱化学分析最新进展、开创性研究论文、学科发展前沿和最新进展、综合评述、研究简报、问题讨论、书刊评述。本刊适用于冶金、地质、机械、环境保护、国防、天文、医药、农林、化学化工、进出口商检等各领域的科学研究单位、高等院校、光谱仪器制造厂家、从事光谱学与光谱分析的研究人员、高等院校有关专业教师和研究生、有关专业管理干部。《光谱学与光谱分析》为我国首批自然科学核心期刊,中国科协优秀科技期刊,中国科协择优支持基础性、高科技学术期刊,是中国科技论文、中国科学引文数据库、中物理文摘、中国学术期刊文摘的统计源刊,被国外的SCI,AA,CA,EI,MEDLINE,AJ等文献结构收录。
正式出版
收录年代

    无人机多光谱影像的小麦倒伏信息多特征融合检测研究

    朱文静冯展康戴世元张平平...
    197-206页
    查看更多>>摘要:为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(ND-VI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度.分类结果表明:各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%,Kappa系数:0.85,提取误差:1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%,Kappa系数:0.79,提取误差:9.34%)提取效果最好;在低倒伏区域,均值纹理特征图像的ANN监督模型(OA:91.05%,Kappa系数:0.82,提取误差:8.20%)提取结果较好.本研究将DSM模型、植被指数、纹理特征与多光谱图像进行融合对比,并对多特征融合方法能否高精度有效提取小麦倒伏信息进行了探究,结果表明无人机多光谱遥感结合特征融合技术能有效提取小麦倒伏面积,提取效果优于单特征小麦倒伏图像.本研究结果可为助力小麦倒伏灾情调查数据的精确获取方法提供参考.

    无人机遥感图像处理多光谱特征融合倒伏小麦

    《光谱学与光谱分析》投稿简则

    206页

    无人机遥感的多植被指数土壤水分反演模型

    李虎钟韵冯雅婷林震...
    207-214页
    查看更多>>摘要:土壤水分是影响农业生产的重要因素,在作物生长发育和最终产量上起着至关重要的作用,快速、高效地估算土壤水分已成为农林水资源监测的热点问题.利用高光谱反射率的特征波段计算植被指数、构建土壤水分反演模型已获得广泛的认可和应用.针对反演土壤水分受植被覆盖度影响较大的问题,提出用多种植被指数组合削弱植被覆盖度对土壤水分反演的影响.在宜昌市仓屋榜试验基地选取30组柑橘树,在果树滴落线处收集土壤,通过烘干法测定土壤质量含水率,采样4次,共计120组土壤含水率;并利用ASD Field Spectral FR光谱仪(波长范围325~1075 nm)及大疆精灵4多光谱版无人机获取了120组试验区蓝、绿、红、红边、近红外及短波红外波段光谱反射率,采用移动平均法对光谱数据进行降噪预处理,通过灰色关联法对9种植被指数进行比较分析,筛选出与土壤水分极显著相关的4种植被指数(p<0.01),各指数与土壤水分的相关性从高到低依次为裸土指数(BSI)、归一化蓝绿差异植被指数(NGBDI)、绿色归一化指数(GNDVI)、归一化差异植被指数(NDVI),其中BSI与土壤水分的相关性最高,相关系数为-0.687(N=120).采用线性逐步回归法和非线性BP神经网络法建立了基于多种植被指数的土壤水分反演模型,依据决定系数(R2)、相对误差绝对值(ARE)、均方根误差(RMSE)作为反演模型的精度评价指标.结果表明:逐步回归模型和BP神经网络模型的土壤水分反演值与实测值之间的R2分别为0.816、0.889,RMSE分别为2.54%、1.53%,ARE分别为21.13%、8.88%,利用多植被指数组合的非线性BP神经网络算法基于植被指数建模对土壤水分反演的精度更高,在一定程度上可以克服植被覆盖度不同对土壤水分反演精度的影响,作为直接测定土壤水分的有效替代方法,为农业灌溉定量决策及科学管理提供科学参数.

    土壤水分多光谱遥感植被指数逐步回归BP神经网络

    《光谱学与光谱分析》对来稿英文摘要的要求

    214页

    卷积神经网络结合改进光谱处理方法用于马铃薯病害检测

    李欣庭张峰冯洁
    215-224页
    查看更多>>摘要:针对马铃薯早疫病不同染病时期光谱数据受到杂散光和噪声等因素的干扰,以及波段数众多、数据量大且谱带复杂会对光谱的定量和定性分析产生不利影响,研究9种光谱预处理方法,结合实验结果,将预处理方法进行排列组合,扩展改进为16种光谱预处理方法,并与连续投影算法、竞争自适应重加权算法和遗传算法3种特征波段提取方法进行组合得到64种光谱处理方法对原始光谱数据进行优化处理.在卷积神经网络(CNN)分类模型中,大部分经过光谱处理方法优化后的光谱数据分类精度相比原始数据的总体分类精度86.67%明显提高,其中12种光谱处理方法的分类精度达到100%,实现对马铃薯早疫病不同染病时期的理想分类.为进一步对马铃薯早疫病不同染病时期进行定量分析,将经过光谱处理方法处理后的光谱数据使用构建的CNN定量估算模型进行定量分析,结果表明,光谱预处理在优化数据的同时,也会损失数据中对目标变量有用的光谱信息,从而导致经过光谱分析方法处理后的数据结果相对于原始光谱数据的R2和RMSE会出现下降的结果,通过研究使用的融合光谱处理方法对原始光谱数据优化能够进一步提升模型性能,其中基于均值中心化、多元散射校正、移动平均平滑相结合的光谱处理方法的CNN定量估算模型取得了最好的结果,其R2为1说明估算的马铃薯早疫病不同染病时期和实际值拟合程度达到100%拟合,其RMSE仅为0.0011,表明马铃薯早疫病不同染病时期的估算值与真实值之间的偏差接近0,说明该模型能够对马铃薯早疫病不同染病时期进行完美预测.结果表明提出的CNN能够对马铃薯早疫病不同染病时期进行有效地分类检测和定量分析,将各类预处理和特征波段提取方法按优化目的进行有效组合能够有效提高建模效果,为农作物病害无损、精准、智能化检测提供理论和技术支持.

    卷积神经网络光谱预处理特征波段提取马铃薯早疫病

    关于《光谱学与光谱分析》调整审稿费收费标准的通知

    《光谱学与光谱分析》期刊社
    224页

    基于X射线荧光光谱法快速鉴定贵州不同地区林下土壤的无机元素

    韩雪刘海刘佳微吴明开...
    225-229页
    查看更多>>摘要:无机元素通过改变农作物生长过程中的次生代谢途径而对农作物的产量和质量造成至关重要的影响.贵州环境特点复杂,不同地区林下土壤的无机元素差异大,因此,寻找一种快速有效的方法来鉴定贵州不同地区林下土壤无机元素差异,为林下种植农作物的品种选择以及种植要求提供理论依据十分必要.研究针对贵州7个地区的12份林下土壤,采用X射线荧光光谱法(XRF)对其中无机元素进行检测,并选择了SiO2、Al2 O3、Fe2 O3、CaO、MgO、Ti、K2 O、Co、P、Zn、Cl这11个与植物生长发育息息相关的无机元素对土壤种植农作物的适应性进行评价,结果表明:贵州不同地区林下土壤中共含有23种元素成分,其中Si、Al、Fe等常量元素占据了土壤中的70%左右,甚至有些地区超过了90%以上;聚类分析发现土壤中无机元素与地区有一定的相关性,当欧氏距离为6时,可聚为4类;主成分分析的结果显示,毕节市大方县与黔东南州黎平县的土壤的得分更高,有利于林下作物的种植,可能为林下种植类产业重点发展的区域.X射线荧光光谱法能够快速、简便、有效地鉴定土壤中多种无机元素的成分,探究贵州林下土壤的元素特征差异,为林下农作物种植提供参考依据.

    X射线荧光光谱法林下土壤无机元素

    第23届全国分子光谱学学术会议和第五届光谱年会暨黄本立院士百岁华诞学术研讨会

    中国光学学会中国化学会中国光学会光谱专业委员会厦门大学...
    229,249,257页

    分布式多光谱高温计光学系统设计

    张南楠陈茜雅常馨方邢键...
    230-233页
    查看更多>>摘要:多光谱辐射测温技术具有不干扰被测场、测量无上限以及响应速度快等优点,是高温测量领域的最有力工具之一.目前,多光谱高温计以点温测量为主,光路通过物镜、光阑、棱镜等光路通道将待测点辐射分光后进入探测器阵列,实现单点的多光谱信息采集.随着工业智能化程度的不断提高,更加需要实时获得大量的温度分布信息,如特种金属材料的冶炼过程、高温合金激光自动焊接过程、半导体晶体生长过程、火箭发动机尾喷焰温度诊断等领域都需要实时获得某条线乃至整个二维表面的温度,从而提高产品性能和质量,因此通过多光谱辐射测温技术测量待测表面某条线的温度分布十分重要.但是,简单将光阑变为狭缝,实现待测线表面的辐射经透镜、棱镜等传统光路分光后,由于光学系统球差的作用,会使得分光后的狭缝光谱由于离轴传输而呈现严重的弯曲现象,不利于矩形光电探测器阵列的完全接收.为此,提出基于正交柱状透镜组的多光谱线温光路系统,利用正交柱状透镜在不同位置成像可以实现由圆到椭圆再到直线的特殊作用,较好地解决了传统多光谱辐射高温计光路所存在的球差问题.利用ZEMAX光学设计软件,基于S4111-16Q的光电探测器阵列实际大小进行反向光学系统设计,确定了狭缝、物镜、棱镜、正交柱状透镜等光学器件关键的参数,基于这些参数所实际加工的光学器件,搭建了多光谱线温高温计光学系统,并进行了无正交柱状透镜和有正交柱状透镜成像情况下的对比实验,结果表明,在没有柱状透镜的情况下,狭缝成像明显弯曲,在加入正交柱状透镜的情况下,狭缝成像弯曲现象消失,经狭缝分光后的线光谱明显呈直线状态,这为整条线的光谱辐射信息完整进入各探测器阵列提供了技术支撑,从而为后续线温测量提供了有力的光谱辐射数据信息.

    多光谱辐射测温光学系统线温测量

    基于深度学习、小波变换和可见光谱的茶树冻害程度评估

    李赫王玉范凯毛艺霖...
    234-240页
    查看更多>>摘要:茶树冻害鉴定是评价茶树抗逆性、指导茶园越冬管理的基础.茶树冻害鉴定的传统方法主要通过人工观察茶树叶片的冻害数量和冻害程度,存在准确率低,效率低,主观性强等缺点.提出一种基于深度学习、小波变换和可见光谱的茶树冻害程度评估框架.首先,采集了1000张茶树受冻后的树冠图像,并且按照4:1分为训练集和测试集,并对训练集图像的冻害叶片进行标注.其次,采用Faster R-CNN网络对茶树的冻害叶片进行识别提取,并且分别选择了AlexNet、VGG19和ResNet50三种特征提取器,选择鲁棒性最高的特征提取器作为主干网络.然后,将提取到的茶树冻害叶片图像进行小波变换增强处理,从而得到了一张低频率和三张高频率的图像.将小波变换处理后的图像和未经小波变换处理的图像分别输入到VGG16、SVM、AlexNet、ResNet50等网络对冻害叶片进行分级,比较四种网络的分类性能.根据冻害叶片的数量、冻害叶片的程度,不同冻害程度叶片的权重系数,对茶树受冻程度打分,从而对茶树整体的冻害程度进行评估.结果表明:(1)基于ResNet50的Faster R-CNN模型提取茶树冻害叶片的性能最好,其查准率为93.33%,查全率为92.57%,高于VGG19和AlexNet作为主干网络的识别性能,可以确保大多数的冻害叶片都能被提取出来,并为叶片的冻害程度进一步分级提供基础.(2)VGG16模型分类不同冻害程度的叶片的整体准确率为89%,高于其他模型(SVM、AlexNet、ResNet50)的整体分类准确率,表明VGG16模型具有较高的鲁棒性.(3)小波变换处理后的冻害叶片图像与未经小波变换处理后的冻害叶片相比较,能提升模型的整体分类准确率2%~6%.说明小波变换增强技术可以提高网络的准确率.因此,本实验框架可以准确和高效地将茶树冻害叶片进行分级,对于茶园冻害程度的评估具有重要价值,为北方茶园的越冬防护提供技术支撑.

    茶树冻害叶片FasterR-CNNVGG16小波变换