光谱技术论文范文第1篇

英文名称：Spectroscopy and Spectral Analysis

主管单位：中国科学技术协会

主办单位：中国光学学会

出版周期：月刊

出版地址：北京市

语

种：中文

开

本：大16开

国际刊号：1000-0593

国内刊号：11-2200/O4

邮发代号：82-68

发行范围：国内外统一发行

创刊时间：1981

期刊收录：

CA 化学文摘(美)(2009)

SA 科学文摘(英)(2009)

SCI 科学引文索引(美)(2009)

CBST 科学技术文献速报(日)(2009)

Pж(AJ) 文摘杂志(俄)(2009)

EI 工程索引(美)(2009)

中国科学引文数据库(CSCD―2008)

核心期刊：

中文核心期刊(2008)

中文核心期刊(2004)

中文核心期刊(2000)

中文核心期刊(1996)

中文核心期刊(1992)

期刊荣誉：

联系方式

期刊简介

光谱技术论文范文第2篇

[关键字]差分吸收光谱技术 技术原理 大气环境检测

[中图分类号] X851 [文献码] B [文章编号] 1000-405X（2013）-5-209-1

随着世界经济的不断发展，工业气体排放日益加重，空气中充斥着大量的二氧化硫以及氮氧化物等有害气体，不但造成空气环境的极端恶劣，也给人们的身体健康造成了严重的影响。当前，各种检测技术方法或大或小的存在弊端、缺陷，随着环境检测理论与技术的进步，差分吸收光谱技术脱颖而出，成为大气环境检测领域的宠儿。

1差分吸收光谱技术在环境检测应用中的发展

自二十世纪八十年代以来，美国、瑞典、德国等诸多国家开发出以常规光源为基础的长光程光谱分析仪，并投入市场使用，我国开始自主研发差分吸收光谱技术则开始于1998年，在2002年一些科研机构开发出相应的环境监测系统，能有效检测出空气中的有害气体，包括二氧化硫、二氧化氮以及氨气等，目前这些仪器主要分布于南宁、北海、桂林以及张家港、怀化等地区。

2差分吸收光谱技术的基本原理

差分吸收光谱技术简称DOAS，根据分子吸收光辐射的原理，不同的分子吸收的光辐射也各不相同，因此当光穿过被检测气体样本时，会被样本中的分子选择性吸收，从而使得光在结构上与没穿过样本之前的光有所不同，通过与原先的光谱进行分析即可得到吸收光谱。分析吸收光谱能够确定样本中是否存在一些特定的成分，同样也可以分析出样本中这些特定物质的含量。

图1为典型的DOAS系统示意图，根据Lambert-Beer吸收定律，当光线穿过均匀且有一定厚度的气体介质时，假设该气体介质厚度为L，浓度为C，可得透射光强I（λ，T，P）和入射光强I0（λ）的关系公式为：

I（λ，T，P）= I0（λ）·e-σ（λ，T，P）·C·L ①

其中σ为气体的吸收截面。

在式②中，σi -第i种气体吸收的截面；Ci -第i种气体在光程L上的平均浓度；εM –米散射系数；εR –瑞利散射系数；A-测量系统与波长关系变换相对平缓的慢变结构

其中，式③中，σB –慢变结构；σ’-快变结构

接着把式③代入式②可得：

式④可改为：

把式④与式⑤相比较，可得差分光学密度OD’：

最后通过最小二乘法对式⑥求解，则可得到各污染物在气体内的平均浓度。

3差分吸收光谱技术在环境检测中的关键

3.1高质量吸收光谱的获取

差分吸收光谱技术作为一种弱光谱检测技术，对屏蔽噪声、杂散光等干扰有较高的要求，并且为了得到精确的分析检测结果，就需要确保测量光谱的质量。吸收光谱在差分吸收光谱技术中占有重要地位，因此为了提高吸收光谱的质量，可以采取以下措施。首先结构上，为了降低太阳光的干扰，可采用大焦距的望远镜；其次，使用双Czemy-Turner结构的单色仪，以减少内部的杂散光；第三，为了使扫描的时间缩短，可以采用快速扫描的方式；第四，使用光电二极管阵列测定谱段光谱可以降低大气扰动带来的影响；第五，保持探测器的恒温、低温，以便减少暗泄漏电流导致的噪声干扰。

3.2光谱的反演计算

反演计算在差分吸收光谱技术中占有重要地位，影响着该技术测量的成功与否。在差分吸收光谱技术中往往会涉及到三个光谱，第一是测量光谱；第二是背景光谱；第三是光源光谱。在计算差分吸收光密度的计算值时，需要对上述三种光谱进行去除暗电流干扰的处理。紧接着在测量光谱以及光源光谱中去除背景光谱，然后再用测量光谱除以光源光谱，所得结果即为预处理光谱。随后对这个预处理光谱进行高通与低通的快速傅立叶变换计算，可得两个光谱，即精细结构的预处理光谱和预处理光谱的慢变化走势光谱。然后在用前者与后者相除，多的结果的对数即为差分光学密度。

3.3差分吸收光谱技术测量精度的主要影响因素

在利用该技术进行环境检测时，还需要充分考虑影响测量精度的因素，具体包括以下两个方面。影响一是标准吸收截面。因为标准吸收截面不仅与波长有关，还受到压力以及温度的影响。所以在进行实时浓度的反演计算过程中，并没有该温度下标准差分吸收截面可供参考。此外，标准差分吸收截面的测定一般在实验室进行，而具体的实际操作中，因为仪器的精度问题，从而出现误差。影响二是噪声以及其他气体的影响。在进行测量时，各式各样的噪音、其他气体对光的吸收等，都会使得测量出现误差。

4总结

作为一种新兴的大气环境检测技术，差分吸收光谱技术有着无可比拟的优势。操作简单、运行成本低廉、维护方便、故障率较低等特点，使得差分吸收光谱技术在环境监测中被越来越多的运用。随着该技术的不断发展与研究，差分吸收光谱技术必将在大气环境检测领域取得良好的效果，成为防治环境污染、保护环境的尖端科技。

参考文献

光谱技术论文范文第3篇

关键词：特征提取 红外光谱 茶叶 识别 产地

中图分类号：TN93 文献标识码：A 文章编号：1674-098X（2013）03（a）-00-02

茶叶是世界三大饮料作物之一，营养、保健和食用价值丰富，深受人们的喜爱。我国茶树种类繁多、茶叶产地分布广，给茶叶产地等的鉴别工作带来很大的困难。目前，色谱一质谱联用技术、毛细管电泳一质谱联用技术以及多维色谱技术等新兴分析技术在茶叶原产地鉴别领域的广泛应用，以及各种计量学手段的不断完善将会极大丰富茶叶指纹图谱研究的技术与数据处理方法，使茶叶的信息更加全面、更具科学性。红外光谱分析技术是综合分析茶叶品质，而且分析速度快、效率高、无污染、重现性较好[1-4]。红外光谱技术显示不同品质的同种茶叶在谱图上的特征谱带会出现了细微差异，该发现证明了傅里叶变换红外光谱法用于鉴别茶叶品质的可行性。该文利用红外光谱技术讨论了茶叶产地分布特征。

1 材料与方法

1.1 实验材料

1.2 仪器设备与参数设置

TENSOR27型傅立叶红外光谱仪（BRUKER公司），波数范围：400～4000 cm-1，扫描次数：16次，分辨率：4 cm-1。

1.3 实验过程

样品的制备大致分为5个过程：烘干、粉碎、研磨、压片和光谱采集。首先，标准茶叶样品将在40 ℃恒温箱中烘12 h，然后经粉碎机粉碎，过200目筛子后收集。茶叶样品粉末要与KBr按1∶120比例进行研磨、压片，最后即可对压片进行光谱采集。

2 结果与分析

2.1 特征基理论

主成分分析（Principal Component Analysis，PCA）是以样品数据统计特征为基础的正交变换，是最小均方误差意义上的最优变换。

这种方法的优点是可以用数量很少的几条本征谱，在不丢失主要光谱信息的前提下，取代原来复杂的原始光谱，解决了由于谱带的重叠而无法分析的困难。

特征基理论是基于主成分分析法提出的一种降低茶叶红外光谱图原始数据的维数、提取反映茶叶信息的主要因素的多元统计分析方法。

每进行一次特征提取就好比是一次主成分分析过程。特征提取是为了建立茶叶的光谱特征基，在主成分分析的最后就是选取变量建立特征基的过程，建立特征基后即可对所要分析指标进行投影分析。

二次特征提取是在一次特征提取基础上再进行一次主成分分析过程，即特征提取过程，也相当于再一次剔除冗余变量，提取变化相差较大变量的过程。在二次特征提取后，再根据不同的特征因子所含信息量的情况建立特征基。

2.2 二次特征提取用于红外光谱分析茶叶产地分析

建立有关茶叶产地的特征基时，首先，考虑参与建基茶叶原产地的问题，既包含我们所要研究的几种茶叶（君山银针、祁门红茶、政和白茶、安溪铁观音、四川藏茶等），又要包括中国其他各个茶叶产区的特征茶叶品种。

在研究中选取福建茶区茶叶时，将福建茶区分为闽北和闽南两个区域分别区分。选取安徽茶叶时，将其分为黄山和祁门两个茶区。这主要基于茶叶产地的地域特征不同，每个地域的气候、降水、海拔等地域特征相差太多。

因此该特征基要有对应每个区域茶叶的信息，也就是每个茶叶要在基上能找到对应的“坐标轴”，如闽南和闽北茶叶要分别投影在代表各自区域信息的“坐标轴”上。

3 结语

茶叶的基本成分是稳定的，所以样品的红外光谱有很大的相似性，该文基于主成分分析的特征提取思想，提出了特征提取方法并应用在不同茶叶产地的识别上，结果很好的把不同产地区域的茶叶区分开。此法具有一定的可行性，该方法将对分析茶叶产地有指导作用。

参考文献

[1] 蔡健荣，吕强.利用近红外光谱技术识别不同类别的茶叶[J].安徽农业科学，2007，35（14）：4083-4084.

[2] 李红莲，赵志磊.近红外光谱法快速鉴别花生油真伪及掺伪成分[J].食品安全质量检测学报，2010，27（1）：24-29.

光谱技术论文范文第4篇

关键词:高光谱 分类 提取 投影寻踪

1 高光谱遥感概述

高光谱遥感(Hyper spectral Remote Sensing 简称HRS)起步于80年代,发展于90年代,至今已解决了一系列重大的技术问题。它是光谱分辨率在10-2λ的光谱遥感,其光谱分辨率高达纳米(nm)数量级,具有波段数众多,连续性强的特点,其传感器在可见光到红外光的波长范围内(0.4μm～2.5μm)范围内以很窄的波段宽度(3～30nm) 获得几百个波段的光谱信息,相当于产生了一条完整而连续的光谱曲线,光谱分辨率将达到5nm～10nm[1]。高光谱遥感数据的表现可以从以下三个方面来理解[2]:图像空间、光谱空间和特征空间。此外,随着高光谱遥感分辨率的增加,特征空间的维数很高,因而表现不同地物类别的能力也随之不断提高,这也是高光谱遥感之所以能够更精确识别地物的主要原因。

2 高光谱遥感的应用

高光谱影像包含了丰富的地表空间、光谱和辐射的三重信息,它同时表现了地物的空间分布并获得了以像元为目标的地物光谱信息。高光谱遥感技术作为连接遥感数据处理、地面测量、光谱模型和应用的强有力工具,其显著特点是在特定光谱区域以高光谱分辨率同时获取连续的地物光谱影像,其超多波段信息使得根据混合光谱模型进行混合像元分解获取“子像元”或“最终光谱单元”信息的能力得到提高,使得遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物、物理、化学过程和参数,随着成像光谱技术的发展与成熟,遥感技术已经大大拓宽了其原来的应用领域,归纳起来主要包括以下几个方面[5]-[19]:1)在精准农业领域的应用(作物参数反演);2)在林业领域的应用(树种识别、森林生物参数填图、森林健康检测等);3)在水质检测领域的应用(反演水质参数);4)在大气污染检测领域的应用(气溶胶、二氧化氮等的检测与反演);5)生态环境检测领域的应用(检测生物多样性、土壤退化、植被重金属污染等);6)在地质调查领域的应用(矿物添图,岩层识别,矿产资源、油气能源探测等);7)在城市调查领域的应用(城市绿地调查、地物及人工目标识别)。

3 高光谱遥感图像分类与信息提取

3.1 遥感图像处理

遥感数字图像处理是以遥感数字图像为研究对象,综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术,实现地学专题信息的自动提取[18],要素分类与提取在图像处理过程中占有决定性的地位。遥感图像分类是统计模式识别技术在遥感领域中的具体应用,统计模式识别的关键是提取待识别模式的一组统计特征值,然后按照一定准则做出决策,从而对数字图像予以识别。其主要依据是地物的光谱特征,即地物电磁波辐射的多波段测量值,这些测量值可以用作遥感图像的原始特征值。

3.2 高光谱遥感图像分类与提取

目前,高光谱遥感数据分析方法主要有两个方向[19]-[30]:第一是基于光谱空间的分析方法,其基本原理是化学分析领域常用的光谱分析技术;第二个方向是基于特征空间分析技术,该方向的基本思想是把组成光谱曲线的各光谱波段组成高维空间中的一个矢量,进而用空间统计分析的方法分析不同地物在特征空间中的分布规律。

3.2.1 基于光谱空间的分析方法

高光谱遥感技术的最大特点就是:在地物的每一个像元处,可以得到一条连续的光谱曲线,所有的光谱曲线的集合则构成了光谱空间,不同的地物对应于光谱空间中的一条光谱曲线。因此,基于光谱空间的数据分析方法是高光谱数据分析的主要技术之一,其主要思想类似于化学上常用的光谱分析技术,主要是通过对光谱曲线进行特征分析,发现不同地物的光谱曲线变化特征,从而达到识别地物的目的。由于这种分析方法与地物的物理化学属性直接相关,因此可以方便地对分析结果进行物理解释:由于分析过程主要是针对一个像元的光谱曲线,因此,算法往往比较直观和简单。这些特点使得基于光谱空间的分析技术成为引人注目的一种技术,因而,近年来在这方面产生了许多实用的研究结果。

常用的分析方法包括:(1)光谱角填图法(SAM-Spectral Angle Mapping):又称光谱角度匹配法.是以实验室测得的标准光谱或从图像上提取的一直已知点的平均光谱为参考,求算图像中每个像元矢量(将像元n个波段的光谱响应作为n维空间的矢量与参考光谱矢量之间的广义夹角,根据夹角的大小来确定光谱间的相似程度,以达到识别地物的目的。(2)光谱解混技术(Spectral Unmixing):就是假设某一像元的光谱是由有限几种地物的光谱曲线按某种函数关系和比例混合而成,解混的目的就是通过某种分析和计算,估计出光谱混合方式和混合像元包含的光谱成分及相应比例。(3)光谱匹配滤波技术(Matched Filter):是通过部分光谱解混技术求解端元光谱丰度值的技术。由于前面介绍的线性光谱解混技术要求端元光谱足够完全,而实际上很难确定一幅待研究的高光谱图像所包含的全部端元光谱。匹配滤波技术则选定某些感兴趣的端元光谱的情况下,把未知的光谱归为背景光谱(Unknown background),最大化地突出已知端元光谱而同时尽可能抑制背景光谱,这种方法提供了一种快速探测指定地物种类的技术,而不必知道一幅图像中包含的全部端元光谱。(4)光谱特征匹配(SFF-Spectral Feature Fitting):根据电磁波理论,不同的物质有不同的光谱曲线。人们可以通过分析不同地物的光谱吸收表现,达到识别不同地物的目的。首先把反射光谱数据的吸收特征突出出来,然后用仅保留了吸收特征的光谱与参考端元光谱逐个波段进行最小二乘匹配,并计算出相应的均方根误差(RMS-Root Mean Square),消除背景影响的方法主要是包络线法。

3.2.2基于特征空间的分类方法

前面介绍的基于光谱空间的分析方法主要是通过比较待分像元的光谱曲线与参考光谱的光谱曲线之间的相似程度来达到分类判别的目的。这种思想看起来很直观和理想,类似于人的指纹识别一样,每一个人都有不同的指纹,通过与指纹库中的指纹相比较就可以确定人的身份。然而,遥感问题却远远复杂得多,由于太阳辐射、大气、空间分辨率和光谱分辨率,观测噪声,及多种多样难以确定的因素的影响,很难测得所谓“纯”的光谱曲线。尽管有多种多样的光谱解混技术被提出,但多种因素的影响很难被充分估计出来,因而无论何种光谱分析技术都无法完全达到遥感图像辩识的要求。

另一种遥感图像地物辩识的思想则是从统计分布规律出发,在同一幅图像上,不同地物的光谱数据呈现不同的分布状态,比如不同均值和方差,通过分析这种统计分布规律而实现地物识别的技术就是基于特征空间的分类方法。遥感图像上的每个像元对应n个光谱波段反射值。假若把这几个波段值组成的n维矢量看作是n维欧几里德空间中的一个点,则称矢量X=(X1,X2,…,Xn)为像元的特征值,相应的n维欧几里德空间称为特征空间。在特征空间的意义上,遥感图像上的任一像元对应于特征空间中的一个点,因此,分类的方法可以从寻找像元在特征空间中的分布规律入手,也就是在特征空间中进行判别的问题。

常用的分析方法包括:(1)高斯最大似然分类器(MLC):是遥感分类的主要手段,其基本思想是,假设各类样本数据都是高斯分布(正态分布),判别准则为所属类别的分布密度最大。其分类器被认为是一种稳定性、鲁棒性好的分类器。但是,如果图像数据在特征空间中分布比较复杂、离散,或采集的训练样木不够充分、不具代表性,通过直接手段来估计最大似然函数的参数,就有可能造成与实际分布的较大偏差,导致分类结果精度下降。(2)基于Bayes准则的分类器: 基于Bayes准则的判别函数是统计模式识别的参数方法,要求各类的先验概率P(ωi)和条件概率密度函数P(ωi x)已知。p(ωi)通常根据各种先验知识给出或假设它们相等: P(ωi x)则是首先确定其分布形式,然后利用训练样本估计其参数。一般假设为正态分布,或通过数学方法化为正态分布。其判别函数为:Di(X)=P(ωi) P(ωi x),i=1, 2,…,m。若Di(X)Dj(X) j=1,2,…,m,j≠i,则X为ωi类。判别函数集有多种导出形式,如最大后验概率准则、最小风险判决准则、最小错误概率准则、最小最大准则、Neyman-Pearson准则等,是依据不同的规则选择似然比的门限来实现的。(3)最小距离判别法:该方法是最直观的一种判别方法,假设在p维欧氏空间中,把c个不同的类别看成分布在空间中的不同位置,最小距离判别方法的思想就是,对待分类的样本,若与某一类的空间几何距离最近,则判别为属于此类。该方法的关键问题,一是如何定义空间距离;另一问题是,如何计算点到各类别的空间距离。(4)基于模糊集理论的判别分类方法:相邻波段影像间存在较大的相似性表明,它们的分类作用可以相互近似替代。因此,只需利用其中的一幅影像参加分类即可,其它与之相似的光谱波段都可被视为冗余波段。显然,要删除这些冗余光谱波段,应首先对原始波段集合中的光谱波段进行模糊等价划分,然后在每个模糊等价波段组中只选择一个光谱波段(或进行线性融合)。(5)基于人工神经网络的分类法:通过建立统一框架,实现对影像的视觉识别和并行推理,是近年来发展起来的综合数据分类方法之一。其目标是利用人工神经网络技术的并行分布式知识处理手段,以遥感影像为处理对象,建立基于人工神经网络的遥感影像分类专家系统。(6)支持向量机(Support Vector Machine )分类方法:支持向量机是一种建立在统计学习理论基础之上的机器学习方法。其最大的特点是根据Vapnik的结构风险最小化原则,尽量提高学习机的泛化能力,即由有限的训练样本集得到小的误差能够保证对独立的测试集保持小的误差。另外,由于支持向量算法是一个凸优化问题,局部最优解也是全局最优解,这是其它学习算法所不及的。以上介绍了几种分类方法,事实上,随着各学科的发展和交叉影响,基于特征空间的分析方法有许多新的进展。

4高光谱遥感数据分类存在的问题

随着光谱分辨率的提高,高光谱遥感能够提供对地物识别更充分的信息,对基于特征空间的分类而言,理论上说,随着特征空间维数的增加,分类精度将会越来越精确,但实际问题并非如此简单。综合以上高维空间的几何特征和统计特性[31]-[36],可以得出这样的结论:基于统计理论的参数估计若在原始高维空间进行,则需相当庞大的训练样本数才能得到比较满意的估计精度,非参数估计方法所需的样本数量更是不可想象。此外,原始高维数据空间的正态分布特性更是难以保证,而正态分布是许多参数估计方法的基础。因此,高光谱遥感分类的表现并未如人们所期望的那样简单,具体来说,在不讨论客观因素的情况下,影响高光谱遥感分类精度的主要因素主要是以下几条:

(1)训练样本数量问题:根据Hughes的研究结果[37],随着特征空间维数的增加,类别可分性提高,但由于遥感中常用的监督分类方法首先要估计样本的分布函数,或分布函数中的一些参数,随着空间维数的增加,待估参数的个数急剧增加,在训练样本数量一定的条件下,导致分类精度在特征空间的维数增加到一定数量后,反而会随着维数的增加而下降。

(2)特征空间的组成:前一个问题导致基于特征空间的分析方法通常不能在原始空间中直接进行,必须对原始波段空间进行降维预处理,得到一个保持了原始空间全局和局部特征结构的低维空间,然后在低维子空间中进行分类判别。

(3)分类器的选择。

(4)类别可分性:类别可分性是数据集固有的一种性质,是由客观条件造就的数据集内在结构,由于客观因素的影响,待分辨的类别之间可区分的程度会有很大的差异,数据集的这种内在的可分离程度对分类精度的高低有着至关重要的影响。

5 结语

过去几十年高光谱遥感已经在各方面有了很大的应用,高光谱技术从遥感的角度提供了大尺度获取地面光谱数据的手段,为人们宏观分类识别地物提供了基础。但是人们在获取大量高光谱图像数据的同时,也面临着如何最大程度地利用这些海量数据的难题,关于高光谱分类与信息提取的技术,虽然取得了一些进展,但是从总体上仍落后于传感器的发展,因此对于高光谱分类与信息提取还有很大的空间值得去研究。

参考文献

[1] 童庆禧,张兵,郑兰芬.高光谱遥感的多学科应用[M].北京:电子工业出版社,2006:1-54.

[2] 许卫东.高光谱遥感分类与提取技术[J].红外(月刊),2004,28-34.

[3] 薛利红,罗卫红,曹卫星,等.作物水分和氮素光谱诊断研究进展[J].遥感学报,2003,7(1):73-80

[4] 金震宇,田庆久,惠凤鸣,等.水稻叶绿素浓度与光谱反射率关系研究[J].遥感技术与应用,2003,18(3):134-137.

[5] N.H.Younan, R.L.King, H.H.Bennett, and JR. Classification of Hyper spectral Data: A Comparative Study [J], Precision Agriculture, 2004(5):41-53.

[6] 程乾,黄敬峰,王人潮,等.MODIS植被指数与水稻叶面积指数及叶片叶绿素含量相关性研究[J].应用生态学报,2004,15(8):1363-1367.

[7] 张良培,郑兰芬,童庆禧,等.利用高光谱对生物变量进行估计[J].遥感学报,1997,1(2):111-114

[8] 赵德华,李建龙,宋子键.高光谱技术提取植被生化参数机理与方法研究进展[J].地球科学进展,2003,18(1):94-99.

[9] 方红亮,田庆久.高光谱遥感在植被监测中的研究综述[J].遥感技术与应用,1998,13(1):62-69.

[10] 陈楚群,潘志林,施平.海水光谱模拟及其在黄色物质遥感反演中的应用[J].热带海洋学报,2003,22(5):33-39.

[11] 李素菊,吴倩,王学军,等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学,2002,14(3):228-234.

[12] 谭衢霖,邵芸.遥感技术在环境污染监测中的应用[J].遥感技术与应用,2000,15(4):246-251.

[13] 童庆禧,郑兰芬,王晋年.湿地植被成像光谱遥感研究[J].遥感学报,1997,1(1):50-57.

[14] 夏德深,李华.国外灾害遥感应用研究现状[J],国土资源遥感,1996,(3):1-8.

[15] 甘甫平,王润生,郭小方,等.高光谱遥感信息提取与地质应用前景――以青藏高原为试验区[J],国土资源遥感,2000,3:38-44.

[16] 王青华,王润生,郭小方.高光谱遥感技术在岩石识别中的应用[J].国土资源遥感,2000,4:39-43.

[17] 刘建贵,张兵,郑兰芬,等.城乡光谱数据在城市遥感中的应用研究[J].遥感学报,2000,4:221-228

[18] 梅安新,彭望,秦其明,等.遥感导论[M].北京:高等教育出版社.2002.

[19] 荆凤,陈建平.矿化蚀变信息的遥感提取方法综述[J].遥感信息,2005,2:62-65.

[20] 耿修瑞,张兵,张霞,等.一种基于高维空间凸面单形体体积的高光谱图像解混算法[J].自然科学进展,2004,14(7):810-814.

[21] CARL J. LEGLEITER. Spectrally Driven Classification of High Spatial Resolution, Huperspectral Imagery: A Tool for Mapping In-Stream Habitat [J].Environmental Management, 2003, 32(3):399-411.

[22] 甘甫平,王润生,马蔼乃,等.基于光谱匹配滤波的蚀变信息提取[J]. 中国图像图形学报,2003,8(A)(2):147-150.

[23] 李新双,张良培,李平湘.基于小波分量特征值匹配的高光谱影像分类[J].武汉大学学报•信息科学版,2006,31(3):274-277.

[24] P.Goovaerts. Geostatistical incorporation of spatial coordinates into supervised classification of hyperspectral data [J].Geograph Syst, 2002, (4):99-111.

[25] 刘汉湖,杨武年,沙晋明.高光谱分辨率遥感在地质应用中的关键技术及前景[J]. 世界地质,2004,23(1):45-49.

[26] Francesco Lagona. Adjacency selection in Markov Random Fields for high spatial resolution hyperspectral data [J].Geograph Syst, 2002(4):53-68.

[27] 李石华,王金亮,毕艳.遥感图像分类方法研究综述[J]. 国土资源遥感,2005,2:1-6.

[28] 王国明,孙立新. 高光谱遥感影像优化分类波段选择[J].东北测绘,1999,22:21-23.

[29] Allan Aasbjerg Nielsen. Spectral Mixture Analysis: Linear and Semi-parametric Full and Iterated Partial Unmixing in Multi-and Hyperspectral Image Data [J]. Mathematical Imaging and Vision. 2001(15): 17-37.

[30] 修丽娜,刘湘南. 人工神经网络遥感分类方法研究现状及发展趋势探析[J].遥感技术与应用,2003,18(5):339-345.

[31] 张连蓬.基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D].山东:山东科技大学,2003.

[32] Shailesh Kumar, Joydeep Ghosh and Melba M. Crawford.Hierarchical Fusion of Multiple Classifiers for Hyperspectral Data Analysis [J]. Pattern Analysis & Application, 2002 (5): 210-220

[33] 谭璐,易东云,冯国柱,等.局部不变投影[J].自然科学进展,2004,14(3):282-287.

[34] 李智勇,郁文贤,匡纲要,等.基于高维几何特性的高光谱异常检测算法研究[J].遥感技术与应用,2003,18(6):379-383.

[35] 周晓云,孙志挥,张柏礼. 一种大规模高维数据集的高效聚类算法[J].应用科学学报.2006, 24(4):396-400.

[36] 易尧华. 基于投影寻踪的多(高)光谱影像分析方法研究[D].武汉:武汉大学,2004.

光谱技术论文范文第5篇

【摘 要】近红外光谱分析技术是光谱测量技术、化学计量学和基础测量技术的有机结合，可以快速、高效地对样品进行定性和定量分析。本文介绍了近红外光谱分析技术的特点，并重点论述了其在煤化工行业中的应用。随着 计算 机技术的快速 发展 ，近红外光谱已成为最有效的分析测试技术之一。

【关键词】近红外光谱煤化工煤炭直接液化

1 引言

近红外(nir)谱区是指介于可见区(vis)和中红外(mir)区之间的电磁波。根据美国试验和材料协会(astm)规定，其波长范围为700～2500nm。近红外光谱为分子振动光谱的倍频和组合频谱带，主要指含氢基团(c-h，o-h，n-h，s-h)的吸收，包含了绝大多数类型有机物组成和分子结构的丰富信息。由于不同的基团或同一基团在不同化学环境中的吸收波长有明显差别，因此可以作为获取有机化合物组成或性质信息的有效载体。近年来，近红外光谱法(nirs)在仪器、软件和应用技术上获得了高度发展，以高效和快速的特点异军突起，被誉为分析巨人。

2 近红外光谱技术特点

现代 近红外光谱分析是光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。近红外光谱之所以成为一种快速、高效、适合在线分析的测试技术，是由其鲜明的技术特点决定的，主要表现在：（1）分析速度快。由于光谱的测量过程一般可在lmin内完成，因此，通过建立的校正模型可迅速测定出样品的组成或性质。（2）分析效率高。通过一次光谱的测量和已建立的相应校正模型，可同时对样品多个组成或性质进行测定。（3）使用方便，分析成本低，测试重现性好。（4）便于实现在线分析。由于近红外光在光纤中良好的传输特性，通过光纤可以使仪器远离采样现场，另外通过光纤也可测量恶劣或危险环境中的样品。

3 近红外光谱分析技术在煤化工行业中的应用

煤炭作为我国的主要能源，对我国国民 经济 的发展起着极其重要的作用。随着经济的发展和人民生活水平的不断提高，人们对于煤炭的利用和研究也越来越广泛和深入。近年来，如何更加合理、洁净、有效地利用煤炭，是目前煤化学研究领域中所面临的一个重要问题。由于近红外光谱分析技术具有效率高、成本低等自身的优点而备受煤化学工作者的青睐。

3.1近红外光谱分析技术在煤化学结构研究中的应用

近年来很多学者对煤结构的研究虽已做了大量的基础工作，但仍然存在一些争论，部分原因就是煤的非晶态及不均一结构。对煤中某些官能团归属的确认及分析，对煤的反应性研究具有重要的理论和实用意义。随着光栅红外的退出，傅立叶变换红外以其高分辨率和对数据的处理能力的大幅提高，使以前一些含糊不清的，甚至有可能产生错误概念的结论被重新确认和改写。ft-nir分析技术采用模型化合物对标准浓度确定的方法，对影响煤反应性的官能团进行定量分析，如煤中的烃基、芳氢与脂氢的比例、煤中的含氧官能团、ch??2?的链长等方面，这一方法的优点是一旦有一条高质量的标准曲线，对任一样品中官能团的浓度就可以快速准确地进行标定。

琚宜文等应用傅里叶变换红外光谱(ftir)对不同类型构造煤结构成分的应力效应进行了分析。结果表明在各类构造煤中，芳香结构、脂肪结构以及含氧官能团的结构成分吸收频率几乎一致，但吸收峰的强度却不相同，这正是在构造应力作用下构造煤变形程度及变形机制不同所引起的。在低、中和高煤级变质变形环境形成的不同类型构造煤中，随着构造变形的增强，富氢程度降低，富氧程度也越来越低，而缩合程度增高，但不同类型构造煤结构成分的含量变化又有区别。该法应用于构造煤结构成分应力效应的研究，取得了较满意的效果。

李荣西应用显微傅立叶红外光谱对一煤源岩样中的荧光镜质体、角质体和树脂体进行了分析测试，并采用红外光谱分谱技术，应用计算机曲线拟合方法对其化学结构和生烃性进行了定量分析研究。结果表明镜质体含有较高的c=o结构，而角质体和树脂体含有较高的脂肪烃(ch2+ch3)结构，煤岩单组分化学结构特征决定了它们具有不同的生烃特征。

褚廷湘等对不同温度下的氧化煤样通过红外光谱分析其微观结构及特征，得到煤样在不同低温氧化阶段的基团变化，从微观角度掌握煤样氧化过程的变化 规律 。通过对唐口煤矿1302工作面煤样的低温氧化和红外光谱分析，得到唐口煤矿煤样在低温氧化阶段的自燃倾向性和氧化过程中微观结构的变化规律，该成果为制定矿井内火灾的防治技术提供了 科学 依据。

3.2近红外光谱分析技术在煤质分析中的应用

近红外光谱技术具有快速、在线、绿色、廉价等优势可以在不破坏煤样的基础上同时对入厂电煤或入炉电煤的热值、水分、灰分及挥发分等进行检测，也可以按产地对电煤进行实时模式分类。因此，有效地将近红外技术应用在电煤在线快速检测上，一方面，可以解决传统化学方法费时、费力的问题，效率提高显著；另一方面，相对于同类γ射线产品价格便宜近十倍，有助于广泛快速地推广。丁仁杰等通过对元宝山电厂实际用煤的实验，介绍了结合偏最小二乘方法和近红外技术，对煤质指标：水分、灰分、挥发分和热值等进行建模的过程，并证明了其可行性。同时针对电煤建模特点，进一步介绍了先定性后定量建模预测的方法。

燃煤发热量是动力用煤的重要质量指标，也是锅炉运行的一个重要的 参考 参数。在煤质的研究中，因发热量（干燥无灰基）随煤的变质程度成较 规律 的变化，所以根据发热量可粗略地推测与变质程度有关的一些煤质特征，如粘结性、结焦性等。因为近红外光谱分析方法对含c-h的有机物比较敏感，而且发热量与挥发分之间有一定的相关性，所以从理论上讲，近红外测发热量可行。李凤瑞等将近红外分析技术应用于煤质在线分析，对某些标准煤样的近红外光谱进行了阅读分析，并采用多元线性回归方法对数据进行分析和处理，建立了多元线性模型，由此得出煤质发热量的预测值与人工化验标准值之间的相关系数为0.92，所建模型的定标标准差为1.58。

3.3近红外光谱分析技术在煤炭转化产品分析中的应用

煤转化产物主要为烃类化合物，官能团为c－h，特别适合于做近红外光谱分析。近红外光谱可以快速分析煤直接液化产品、液体产物以及精制后馏分的组成及物化性质，如汽油的辛烷值(ron、mon)、馏程、密度、雷氏蒸汽压、汽油piona组成（链烷、异构烷、烯烃、环烷和芳烃）、航煤冰点、柴油凝点、十六烷值、闪点、沥青含量等。

张铭金等采用毛细管气相色谱/傅立叶变换红外光谱-色谱保留指数(gc/ftir-ri)联合解析技术，研究了高温煤焦油重油馏分的化学组成。分别从重油馏分300～330℃和330～360℃中分离并鉴定出70和61种化合物，了解到不同配煤工艺对煤焦油组成与性能的影响，从而获得了一些有意义的结果，为煤焦油的集中加工和新产品开发提供了重要依据。

4 结束语

近红外光谱在我国的 发展 较晚，经过仪器工作者的努力和与国外的交流的日益增多，特别是近年来在各领域的应用效益，人们对近红外光谱技术的认识越来越来深刻，随着近红外光谱技术的进一步开发，其在我国的应用越来越广泛。

参考 文献 ：

[1]冯杰，李文英，李凡等.煤的结构与其反应性的关系[j].煤炭转化，1996，19(2)：1-8.

[2]flores d, suarez r i ,iglesias m j ,et al. application of ftir to the identification of some minerals present in the lignites from rio maior (portugal) [a].10th international conference of coal science [c].taiyuan:shanxi science and technology press.1999,65-68.

[3]solomon p r, pobert m c, ft-ir analysis of coal aliphatic and aromatic hydrogen concentration [j].fuel,1988,67:949-959.

[4]琚宜文，姜波，侯泉林等.构造煤结构成分应力效应的傅里叶变换红外光谱研究.光谱学与光谱析，2005，25(8):1216-1221.