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

    基于星载同步大气参数的多光谱卫星影像校正方法

    徐玲玲熊伟易维宁裘桢炜...
    843-852页
    查看更多>>摘要:大气状态随时空变化具有显著差异,因此遥感卫星影像大气校正一直受限于难以动态获取与图像时空匹配大气参数的现实问题.高分辨率多模综合成像(高分多模)卫星作为我国目前空间分辨率最高的民用光学遥感卫星,搭载了首颗民用同步大气校正仪(SMAC).SMAC是一台偏振多波段大气探测装置,采用时间同步和空间覆盖的探测方式,获取与同平台的主相机时空同步的大气信息.基于SMAC探测反演的大气参数,提出了一种利用星上同步大气参数校正高分辨率卫星遥感影像的方法Syn-AC.首先,基于时间同步的原则,结合主相机辅助数据,对SMAC原始数据进行预处理,形成SMAC-Level1产品;然后根据SMAC-Level1数据,进行SMAC云像元的判别,接着对无云覆盖的像元进行气溶胶和水汽参数的反演,形成Level2产品;最后采用同步反演大气参数,基于6SV辐射传输模型,对高分多模卫星Level1A级遥感影像进行大气辐射校正和邻近效应校正,得到主相机Level2地表反射率产品.在实验部分,利用Syn-AC对高分多模卫星多光谱影像进行大气同步校正试验,对大气校正前后的图像质量进行了定量评价.进一步地,结合地面实测反射率数据分析校正后的地表反射率,讨论同步大气校正方法的校正精度.同时,应用经典大气校正方法-FLAASH对多光谱影像进行大气校正,并与Syn-AC校正结果进行了性能比较.结果表明,同步大气校正得到的地表反射率与地面实测值比较一致,人工靶标校正后的平均反射率与地面实测值的平均绝对误差为0.012 2(FLAASH为0.027 4).基于SMAC同步大气参数的大气校正方法在提高卫星图像质量和遥感定量化应用中具有很大的潜力.

    高分多模同步大气校正仪同步大气校正反射率

    本刊声明

    《光谱学与光谱分析》期刊社
    852页

    模块化FTIR测定FCV用氢气痕量杂质

    袁蕙刘丹徐广通
    853-858页
    查看更多>>摘要:设计构建了用于质子交换膜燃料电池汽车(FCV)氢气痕量杂质的模块化FTIR分析表征平台,开发了适用于氢气痕量杂质的分析方法,无需处理一次进样,能够同时快速测定HCOOH、CO、CO2、NH3、H2O、CH4、C2 Hi、C2H6、HC HO等多种痕量级别杂质.考察了各含氢杂质分析的影响因素,精选了杂质物种定性区域,优化了定量方法,提出了实用性强的定量检出限,在降低了背景气和空白气纯度的要求也能确保限值浓度准确测定.九种杂质的计算方法检出限达到ASTM D7653-18参考值,其定量限也均低于ISO 14687:2019相应的限值,定量线性范围约2个数量级,相关系数均大于0.999,准确度和精密度均不高于10%,通过ISO 21087:2019规定的方法适用性验证规则,满足ISO 14687:19相应的质控标准.根据不同场景需求,样品模块、气体净化控制模块、配气模块、红外分析模块和尾气处理模块可以有机结合并具有良好的实用性和扩展性,尾气处理后氢气浓度可降至100 μmol·mol-1以下排放,满足安全绿色环保的要求.与实验室其他参考方法测定值有较好的一致性,并已在FCV氢气工业生产样品质量检测中得到应用,它将从实验室离线方法逐步发展成为适用于工业不同场景的在线方法,这对燃料级氢气品质体系的建立、纯化技术的推广应用及燃料电池催化剂新材料开发均具有意义.

    傅里叶变换红外光谱氢气痕量杂质

    高光谱成像结合PSO-SVM的银杏果种类鉴别

    张伏张方圆崔夏华王新月...
    859-864页
    查看更多>>摘要:银杏果富含维生素、银杏萜内酯和银杏黄酮等成分,具有抗氧化、抗肿瘤、预防心血管疾病等功能,可药食两用.由于银杏果品种不同,其主要成分含量和品质各异.另外,银杏果某些成分含量对其贮藏和加工工艺影响较大.为实现银杏果品种高效无损鉴别,提出一种基于高光谱成像技术的支持向量机(SVM)分类模型,并利用遗传算法(GA)和粒子群算法(PSO)优化模型参数提高种类鉴别正确率.以3个品种630个银杏果为研究对象,按2∶1划分为训练集和测试集,分别为420个和210个.利用高光谱图像采集系统获取900~1 700 nm范围内的银杏果图像,黑白校正后选取质心位置25×25 pixel感兴趣区域(ROI),提取该区域内平均光谱作为原始光谱数据.因原始光谱两端噪声较大,信噪比低且有效信息较少,截取945.98~1 698.75 nm范围内的光谱波段作为有效波段,并对去噪后光谱波段信息做标准正态变量变换(SNV)预处理,预处理后采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)提取特征波长,将其波长反射率作为输入矩阵X,预设样本类别1、2、3作为输出矩阵Y,分别建立SNV-SPA/CARS-(GA/PSO)-SVM六种银杏果品种鉴别模型.试验结果表明:SNV-CARS-PSO-SVM模型鉴别效果最佳,分类准确率96.67%,说明CARS提取特征波长变量能代表所有波长信息,且PSO-SVM模型具有较好种类鉴别效果,可实现银杏果鉴别,为银杏果种类高效无损鉴别提供新思路.

    高光谱成像技术银杏果种类鉴别粒子群算法支持向量机

    一个预测紫叶生菜花青素含量的高光谱深度学习模型

    张美玲陈勇杰王敏娟李民赞...
    865-871页
    查看更多>>摘要:紫叶生菜叶片内富含花青素、胡萝卜素、维生素、矿物质等元素,其中花青素作为叶片组织中的主要色素对植物提供多种修复及保护功能,其含量可反应紫叶生菜的生理状态,因此其高精度预测具有现实意义.为了高效、准确地估算紫叶生菜的花青素含量,采集了紫叶生菜的高光谱数据并开展了高精度建模研究.对原始平均反射光谱数据进行了一阶导数(FD)、二阶导数(SD)、标准正态变换(SNV)、S-G滤波和多元散射校正(MSC)五种预处理操作,基于不同预处理光谱建立紫叶生菜花青素含量的偏最小二乘回归(PLSR)模型并进行性能对比,确定MSC为理想的光谱预处理方法.针对原始光谱及经MSC预处理的光谱,使用竞争自适应重加权采样(CARS)算法分别选择特征波段,基于全波段(原始光谱、经MSC预处理光谱)和特征波段(基于原始光谱的特征波段、基于MSC预处理光谱的特征波段)分别构建PLSR模型,表现最佳的MSC-CARS-PLSR在验证集上的决定系数(R2)和均方根误差(RMSE)分别为0.872和0.070 mg·L-1,剩余预测偏差(RPD)为2.862.为进一步提高预测精度,本文提出一种融合深度卷积特征和极限学习机(ELM)的回归分析框架Ensemble,基于改进的Inception模块设计了与输入光谱信号匹配的一维卷积神经网络(1DCNN)作为特征提取器,采用ELM代替全连接层作为高级回归器对提取的特征进行计算.通过对比分析,Ensemble性能优于单独的1DCNN模型、ELM模型以及基于预处理光谱构建的最佳PLSR模型,其在验证集上的R2和RMSE分别为0.905和0.060 mg·L-1,RPD为3.319,表现出较高预测精度以及极佳的稳定性.进一步分析了预处理操作对Ensemble预测精度的影响,实验结果显示Ensemble对于预处理操作的依赖程度远小于PLSR,表明该模型同时继承了 1DCNN的深度特征表示和ELM的高泛化性,能够实现基于原始光谱进行端到端的高精度花青素含量预测,为及时、准确掌握紫叶生菜长势情况提供了理论支撑.

    紫叶生菜花青素高光谱偏最小二乘回归深度学习

    高光谱图像辐射位深残差量化及其对地物分类影响分析

    王娟张爱武张希珍陈云生...
    872-882页
    查看更多>>摘要:目前的研究大多集中在高光谱图像(HSI)的空间和光谱分辨率的提升及应用上,很少关注辐射分辨率的综合运用.辐射分辨率反映传感器接收地物辐射能量动态变化的范围,探测地物辐射能量的微小变化,同样包含着丰富的地物信息.该研究提出了一种高光谱图像辐射位深残差量化(HSI radiation bit depth residual quantization method)方法,构建出高光谱图像不同辐射位深层级的位深特征图像(LHSI)及其残差图像(RHSI),并通过实验综合运用高光谱不同辐射位深层级的位深特征图像和残差图像及其组合进行地物分类,并分析其对地物分类精度的影响.实验表明,在保证一定分类精度的基础上,辐射位深为9 bit的位深特征图像,保留了原始高光谱图像的主要信息;辐射位深为4 bit的残差图像,比原始高光谱图像更突出地物细节信息;13 bit的位深特征图像与3 bit的残差图像的组合,既能保留原始高光谱图像的主要信息又能突出地物细节.

    高光谱图像辐射分辨率辐射位深残差量化地物分类

    苹果霉心病不同光谱检测方式对比研究

    张仲雄刘昊灵魏子朝浦育歌...
    883-890页
    查看更多>>摘要:苹果霉心病是一种对消费者健康产生威胁的水果内部病害,在苹果进入消费市场前实现霉心病的快速无损检测有助于提升苹果品质和保障消费者安全.近年来,可见/近红外光谱技术凭借其快速无损、操作简单、成本低和批量在线检测等优势,被广泛用于水果品质无损检测研究中,而根据实际检测需求进行光谱检测方式选择是开展水果光谱无损检测的关键步骤,为探寻苹果霉心病光谱无损检测中最佳的检测方式,首先基于实验室自主搭建的苹果漫反射、漫透射和透射光谱采集系统分别获取了 243个苹果样本的三种光谱数据,然后采用一阶导数(FD)、归一化(NOR)、S-G平滑(S-G)、多元散射校正(MSC)和标准正态变量变化(SNV)五种方法对光谱数据进行预处理,其次将局部线性嵌入(LLE)、多尺度分析(MDS)、分布邻域嵌入(SNE)和t分布邻域嵌入(t-SNE)四种流形学习方法用于光谱数据降维,并与传统的主成分分析(PCA)降维方法比较,最后基于降维后数据建立了最小二乘支持向量机(LS-SVM)算法的苹果霉心病分类模型.结果表明:在三种不同的光谱检测方式中,透射检测方式优于漫透射检测方式,漫透射检测优于漫反射检测方式.在五种不同的光谱降维方法中,基于SNE的降维方法在三种不同的光谱数据中都优于其他降维方法,最终以透射检测方式结合SNE降维方法构建了最优的苹果霉心病判别模型,其校正集和测试集的准确率分别为99.52%和97.14%.该研究对苹果霉心病光谱无损检测研究中的实验平台搭建和检测装备研发提供了指导.

    苹果霉心病可见/近红外光谱检测方式光谱降维流行学习

    《光谱学与光谱分析》对来稿英文摘要的要求

    890页

    遥感统计推断理论与应用初探

    朱渭宁
    891-900页
    查看更多>>摘要:提出一种新的介于遥感分类(定性分析)与遥感反演(定量分析)之间的遥感定性-定量分析方法,即遥感统计推断.遥感统计推断在理论上基于统计光学和概率分布变换,主要研究在一定区域范围内的地物参数的概率分布特征(如土壤的湿度、温度,水体盐度、叶绿素浓度等)如何改变和影响传感器所观测到的光学参数(如地表反射率、水体的遥感反射率等)的概率分布特征(称之为光谱概率分布),以及如何基于传感器观测到的光谱概率分布去反向推断地物参数在此区域内的统计分布特征,从而为刻画地物参数提供相应的定性与定量信息.相比于传统的遥感分类和反演,遥感统计推断的优点在于:(1)能够快速地获取地物参数的全局统计特征,如均值、方差、极值等等,而不需要反演分析每一个像素光谱,这一优点对于当前很多基于大数据、高分辨率的遥感应用尤为重要,因为有些应用部门的管理人员最感兴趣的往往是管理对象(如湖泊、水库、农田)的整体特征,他们并不需要知道在每一个像素处的地物参数的大小;(2)地物的光谱概率分布可以直接用于地物的分类研究,提供了一种有别于基于像素光谱签名特征的传统遥感分类的新分类方法,这种方法提供的是研究区域的整体分类(如一个湖泊的分类)而不是每个像素的分类(如水质的分类);(3)遥感统计推断可以为遥感反演建模提供辅助信息,基于这些信息调整反演模型的函数和/或参数,使得反演模型结果的统计特征与遥感统计推断的结果相匹配.该文简要介绍了遥感统计推断的一些基本概念、原理以及其相较于遥感分类和反演的优势、推断的适用对象和面向推断的遥感数据处理方法,分析了国内主要湖泊水体的光谱概率分布特征,并基于杭州西湖实地采测数据,提出了一种基于自展法(bootstrap-based)的用于推断关键统计分布参数(例如西湖悬浮颗粒浓度的平均值)的简易遥感统计推断方法.

    遥感统计推断光谱概率分布统计光学水色遥感自展法