光谱分析技术及应用.docx

光谱分析技术及应用.docx

《光谱分析技术及应用.docx》由会员分享，可在线阅读，更多相关《光谱分析技术及应用.docx（10页珍藏版）》请在冰点文库上搜索。

光谱分析技术及应用

第一章绪论

第一节光学分析的历史及发展

1．吸收光谱：

由于物质对辐射的选择性吸收而得到的光谱。

2．发射光谱：

构成物质的各种粒子受到热能、电能或者化学能的激发，由低能态或基态跃迁到较高能态，当其返回基态时以光辐射释放能量所产生的光谱。

第二章光谱分析技术基础

第一节电磁辐射与波谱

1．电磁辐射的波动性

（1）散射

丁铎尔散射和分子散射两类。

丁铎尔散射：

当被照射试样粒子的直径等于或大于入射光的波长时。

分子散射：

当被照射试样粒子的直径小于入射光的波长时。

分为瑞利散射（光子与分子相互作用时若没有能量交换）和拉曼散射（有能量交换）。

（2）折射和反射

全反射：

当入射角增大到某一角度时，折射角等于90，再增大入射角，光线全部反射回光密介质中，没有折射。

（3）干涉

当频率相同，振动方向相同，周相相等或周相差保持恒定的波源所发射的电磁波互相叠加时，会产生波的干涉现象。

（4）衍射

光波绕过障碍物而弯曲地向它后面传播的现象。

2．电磁波的粒子性

光波长越长，光量子的能量越小。

光子：

一个光子的能量是传递给金属中的单个电子的。

电子吸收一个光子后，能量会增加，一部分用来挣脱束缚，一部分变成动能。

3．物质的能态

当物质改变其能态时，它吸引或发射的能量就完全等于两能级之间的能量差。

从低能态到高能态需要吸收能量，是为吸收光谱，即吸光度对波长或频率的函数。

从高能态到低能态需要释放能量，是为发射光谱。

第二节原子吸收光谱分析

1．当原子吸引能量的时候，按能量数量使核外电子从一级跃迁到另一级，这与吸收的能量有关。

吸收能量的多少与原子本身和核外电子的状态有关。

第三节分子吸收与光谱分析

1．分子吸收与原子的不同在于，分子还需要转动跃迁、振动跃迁、电子跃迁等几个能级。

2．朗伯-比尔（Lambert-Beer）法则：

设某物质被波长为、能量为

的单色光照射时，在另一端输出的光的能量

将出输入光的能量低。

考虑物质光程长度为L中一个薄层

，其入射光为

，则其出射光为

。

假设光强的减少量与薄层中吸收成分的浓度c和入射光强度

成比例，并进一步假定在物质内只发生光的吸收，没有反射、散射、荧光等其他现象发生（事实上一定会有），因此有微分方程

其中

为比例常数。

对于初始条件入射光强

，及光程长度L，所得出射光强

为

令

，则有

称为吸光系数，

称为吸光度。

可知吸光度与吸收成分的浓度和光程长度成正比，且当待测物质中包含有多种吸收成分时，总的吸光度等于各个吸收成分的吸光度之和，称为吸光度的加和性。

缺点：

（1）假设光强的减少量与薄层厚度及吸收成分浓度成比例（其实可能是别的关系）。

（2）假设在物质内只发生光的吸收，没有反射、散射、荧光等其他现象发生（事实上一定会有）。

3．紫外与可见光谱应用举例——植物叶绿素分析

叶绿体=叶绿素+类胡萝卜素

叶绿素=叶绿素A（蓝绿色）+叶绿素B（黄绿色）（A：

B=3：

1）

叶绿素吸收光谱的最强吸收区有两个：

波长范围为640~660nm的红光部分和430~450的蓝紫光部分。

类胡萝卜素=胡萝卜素（橙黄色）+叶黄素（黄色）

类胡萝卜素的吸收光谱的最大吸收带在蓝紫光部分。

根据前述的朗伯-比尔（Lambert-Beer）法则和吸光度的加和性来进行测量。

4．近红外光谱的测定

透射光谱

反射光谱

漫反射光谱

近红外漫反射光谱实例（典型谷物）以及构成它们的主要成分水、蛋白质、脂肪和淀粉的。

第三章光谱数据处理方法及多变量解析

第一节光谱数据处理概述

1．光谱的复杂性：

多重共线性、吸光度的非线性、基线变动和附加散射变动、其他变动

2．数据处理流程：

前处理、标定（建模）、辅助解析法、精度评价

第二节光谱数据的预处理

预处理：

剔除异常样品、消除噪声、挑选波长变量与谱区范围

光谱数据的平滑：

卷积平滑、FFT滤波、小波滤波、

光谱数据的微分：

一次微分光谱和二次微分光谱

光谱数据的正规化处理

第三节光谱数据的线性回归分析

一元、多元、主成分回归分析、偏最小二乘回归分析

第四节模型精度的评价

相关系数法

回归参数检验法

残差标准差和残差平均值

异常点的判定

第五节非数值特性的标定方法

贝叶斯判别方法的原理

聚类分析

第四章光谱分析在作物栽培管理中的应用

第一节作物的光谱特征

1．350~490nm波段

380nm波长附近为大气的弱吸收带

400~450nm波段为叶绿素的强吸收带

425~490nm为类胡萝卜素的强吸收带

在这一波段，反射光谱曲线具有很平缓的开头和很低的数值。

2．490~600nm波段

490~600nm是类胡萝卜素的次强吸收带，

530~590nm是藻胆素中藻红蛋白的主要吸收带。

3．600~700nm波段

。

。

。

。

第二节基于光谱分析的作物营养成分含量预测

1．基于光谱分析的温室黄瓜含氮量的预测：

计算了光谱反射率数据与叶片含氮量的相关系数。

在某些波段范围内，相关性很强。

进行了多元线性回归方程、偏最小二乘回归分析、微分光谱的多元线性回归分析。

2．小麦叶片氮元素状况与光谱特性的相关性研究

建立了比值指数和归一化指数的回归方程和相关方程。

3．红边参数在作物营养分析中的应用

红边：

二阶导数为零的位置（拐点）

红边的位置、红边幅值、红边峰值面积

得到作物冠层光谱红边参数与叶面积指数、地上生物量和鲜叶量等的相关系数。

第三节基于光谱分析的作物长势综合预测

1．由红、近红外波段发展的植被指数：

RVI、NDVI、SAVI、EVI等

2．基于卫星遥感的植被指数计算：

NDVI、AVHRR、MODIS等。

植被指数与作物产量间存在较好的相关性。

能够预测产量。

第四节基于光谱分析的作物水胁迫预测和干旱监测

方法一：

利用水分在970nm、1450nm、1930nm和2200nm附近的吸收峰，估算作物冠层或叶片的含水量。

方法二：

利用冠层温度指示植物水分亏缺

第五节基于光谱分析的作物病虫草害监测

1．冬小麦条锈病的光谱表征

2．冬小麦与杂草共生的光谱表征

3．冬小麦蚜虫发生状况及其光谱特征（是大片面积检测，还是按小麦叶来检测？

）

4．光谱技术应用于杂草识别

第五章光谱技术在土壤分析中的应用

第一节土壤的光谱特征

1．田间原始土样的反射光谱特征（4个特征，一个上升区域，3个吸收峰）

2．风干细土的反射光谱特征（较原始土样有所不同）

3．土壤溶液的透射光谱特征

4．影响土样反射光谱的主要因素：

土壤质地、温度、土壤颜色、其他因素

第二节基于光谱分析的土壤水分监测

1．土壤水分的光谱特征

水分较低时等到一个土壤水分与反射率的回归方程，较高时是另一个

2．基于分光光度计的土壤水分监测

土壤水分与吸光度的建模结果y=17.48x-2.1397

3．基于光谱辐射仪的土壤水分分析

土壤水分与反射率的建模结果y=-0.624x+24.6

4．基于光谱反射光谱的土壤水分现场检测仪

土壤水分与相对反射率的建模结果y=-79.716x+47.594

第三节基于光谱分析的土壤有机质含量监测

低含量和高含量的模型不同

第四节基于光谱原理的其他土壤参数预测

1．土壤氮元素含量的预测

2．土壤PH值和电导率的预测

第五节基于光谱技术的土壤参数分析实例

1．基于近红外光谱的北方潮土土壤参数分析：

水分、全氮、有机质

2．基于图像处理的土壤水分预测：

建立了颜色分量与水分的预测模型

第六章光谱分析在谷物和食品分析中的应用

第一节概述

非破坏方法检测

第二节光谱分析在谷物品质分析中的应用

1．谷物蛋白质含量的检测

2．谷物淀粉含量的检测

3．谷物脂肪含量的检测

4．谷物品质的综合检测

第三节光谱分析在食品品质分析中的应用

1．肉产品的品质检测

2．豆制品的品质检测

3．油脂的品质检测

第四节光谱分析在茶叶品质检测中的应用

第五节光谱分析在果蔬产品品质分析中的应用

1．蔬菜的品质检测

2．水果的品质检测

3．果汁的品质检测

4．基于光谱原理的水果分级装备

第六节光谱分析在奶牛业中的应用

1．饲料成分分析

2．牛奶成分分析

3．基于牛奶分析的奶牛乳房炎诊断

4．光谱分析在全自动奶牛设施中的应用

第七章光谱分析与精细农业

第一节精细农业基础

1．概述：

数据采集、数据分析、决策分析、控制实施

2．GPS

3．GIS

4．农田信息采集与处理技术

（1）农田信息采集技术概述：

遥感与非遥感

（2）土壤信息采集：

农田土壤电导率空间分布自动采集系统、

（3）农田作物产量空间分布信息

5．变量作业控制技术

（1）变量施肥机

（2）变量喷药机器

（3）变量灌溉

第二节 光谱技术与精细施肥

1．光谱技术与基于处方图的精细变量施肥

2．光谱技术与基于实时传感器的精细变量施肥之固体肥料

3．光谱技术与基于实时传感器的精细变量施肥之液体肥料

第三节光谱分析与精细喷药

1．室内静态条件下进行的杂草识别

2．田间动态条件下的杂草识别

3．基于植物光谱特性的一种光学杂草传感器（能够识别小麦、土壤和集中在一起的9种杂草）

4．基于植物光谱特性的一种精细除草机

第四节计算机视觉技术在精细农业中的应用

1．车辆导航

2．农产品分级

3．作物长势监测：

叶绿素等含量的监测