特征吸收光谱

特征吸收光谱（共10篇）

特征吸收光谱 篇1

刺头复叶耳蕨 ( Arachniodes exilis Ching) 为鳞毛蕨科复叶耳蕨属植物,广泛分布于世界热带和亚热带湿润区域,以亚洲东部和东南部种类最为丰富,我国主要分布于长江流域以南地区及山东、河南等省,具有清热利湿,抗菌消炎,镇静作用,民间用于治疗急性黄疸型肝炎、关节炎、腰腿疼、痢疾、烫火伤等[1]。紫外吸收光谱法鉴别中草药具有取样量小、特征性强、操作简便、结果准确等特点,在中草药的鉴别研究中得到越来越多的应用。常用方法包括单一紫外光谱测定法及紫外光谱组法[2]。本研究中采用80% 乙醇提取刺头复叶耳蕨,减压浓缩至浸膏后,采用系统溶剂对药材进行萃取,分别得到石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水萃取部位,采用紫外扫描的方式,以谱线组的特征为依据,较全面地反映刺头复叶耳蕨的内在品质。

1 材料与仪器

1. 1 材 料

药材: 采自江西省星子县,由九江学院基础医学院高春华教授鉴定 为鳞毛蕨 科 ( Dryopteridaceae ) 复叶耳蕨 属( Arachniodes) 刺头复叶耳蕨 ( Arachniodes exilis Ching) 。

石油醚 ( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇: 均为分析纯( AR) ,天津科密欧化学试剂有限公司。

1. 2 仪 器

紫外可见分光光度计( TU - 1901型) ,北京普析通用仪器有限公司; 中草药粉碎机( FCI30 /B型) ,上海中药机械厂; 电子天平 ( BT224S型) ,德国赛多 利斯; 旋转蒸发 仪 ( RE 52AA) ,上海亚荣生化仪器厂; 超声波清洗仪( PRF - Q1012 ) ,无锡帕尔弗工业设备科技有限公司; 循环水式真空泵( SHZ - D( III) ) ,巩义市英峪予华仪器厂; 超纯水机 ( KL - UP - IV - 20型) ,成都唐氏康宁科技发展有限公司。

2 方 法

参照《中国药典》2010年版一部附录VA所载紫外 - 可见分光光度法并参考文献[3],测定刺头复叶耳蕨不同萃取部位的紫外特征曲线。

2. 1 样品溶液的制备

取刺头复叶耳蕨地上部分与地下部分粉碎过60目筛,得供试粉末,60℃干燥。取药材干燥粉末5 g,经80% 乙醇超声提取,减压浓缩至浸膏,分别取100 mL石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水进行萃取,得到石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水萃取部位。

2. 2 紫外 - 可见吸收光谱范围的考察

取同一批样品的4种萃取液,在同一台紫外 - 可见分光光度计上,分别以溶剂( 石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水) 为空白对照,在200 ~ 800 nm范围进行波长扫描,得到相应吸收光谱特征曲线。

2. 3 稳定性考察

取同一批样品溶液的4种萃取液,在同一台紫外 - 可见分光光度计上,分别以溶剂( 石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水) 为空白对照,在10 min、0. 5 h、1 h、2 h、3 h测定紫外吸收光谱特征曲线,分别考察各萃取液的稳定性。

2. 4 重复性考察

取同一批样品按2. 1样品溶液的制备方法制得石油醚、乙酸乙酯、无水乙醇、水萃取液各5份,在同一台紫外 - 可见分光光度计上,分别以溶剂( 石油醚( 60 ~ 90℃) 、乙酸乙酯、无水乙醇、水) 为空白对照,测定紫外吸收光谱特征曲线,分别将同一类萃取液的5份光谱数据进行比较,考察测定方法的重复性。

2. 5 样品测定

分别将制备好的刺头复叶耳蕨地上部分与地下部分各萃取液在同一台紫外 - 可见分光光度计上,分别以溶剂 ( 石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水) 为空白对照,测定紫外吸收光谱特征曲线,进行比较。

3 结 果

3. 1 紫外 - 可见吸收光谱范围

从同一批样品的4种萃取液所得到相应吸收光谱特征曲线中可见刺头复叶耳蕨地上部分乙酸乙酯萃取液的吸收特征集中在200 ~ 600 nm,其他萃取液的吸收特征集中在200 ~ 400 nm,故选择样品测定扫描范围为200 ~ 600 nm。

3. 2 稳定性

结果表明各萃取液在不同时间点所得光谱曲线谱形相近,相应峰与谷的位置相同; 石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水萃取液所得光谱曲线中主要峰、谷处吸光度的RSD分别为1. 86% 、2. 31% ,1. 87% 、0. 76% ,1. 56% 、1. 25% ,0. 89、1. 03% 。说明用紫外 - 可见分光光度法测定本样品光谱特征曲线的方法稳定性良好,4种萃取液在3 h内稳定性良好。

3. 3 重复性

结果表明同一类萃取液的5份光谱特征曲线谱形相近,相应峰与谷的位置相同; 石油醚( 60 ~ 90℃ ) 、乙酸乙酯、无水乙醇、水萃取液各自所得5份光谱曲线中主要峰、谷处吸光度的RSD分别为1. 05% 、0. 65% ,1. 57% 、1. 67% ,1. 02% 、1. 15% ,1. 08% 、1. 63% 。说明用紫外 - 可见分光光度法测定本样品光谱特征曲线的方法重复性良好。

3. 4 刺头复叶耳蕨不同提取部位的测定

3. 4. 1 刺头复叶耳蕨地上部分与地下部分石油醚 ( 60 ~ 90 ℃ )萃取液吸收光谱特征曲线及光谱数据比较

由图1可知,刺头复叶耳蕨地上部分与地下部分的石油醚(60 ~ 90℃ )萃取液在200 ~ 300 nm波长范围内均有吸收,但二者的吸收光谱特征差异较大,地上部分石油醚( 60 ~ 90℃ ) 萃取液的吸收峰在( 203±2) nm,( 255±2) nm,谷在( 250±2) nm。地下部分石油醚( 60 ~ 90℃ ) 萃取液的吸收峰在( 225±2) nm及(280±2) nm,谷在( 216±2) nm及( 251±2) nm。同等稀释倍数条件下地上部分石油醚( 60 ~ 90℃ ) 萃取液的吸收强度大于地下部分石油醚( 60 ~ 90℃ ) 萃取液。

3. 4. 2 刺头复叶耳蕨地上部分与地下部分乙酸乙酯萃取液吸收光谱特征曲线及光谱数据比较

由图2可知,刺头复叶耳蕨地上部分与地下部分的乙酸乙酯萃取液在200 ~ 300 nm波长范围内的吸收光谱特征相似,均有两个特征吸收峰,分别为( 245±2) nm,( 279±2) nm,在( 255±2) nm波长处有最小吸收,同等稀释倍数条件下地上部分石油醚萃取液的吸收强度大于地下部分乙酸乙酯萃取液。但二者在300 ~ 600 nm波长范围内吸收光谱特征差异较大,地上部分乙酸乙酯萃取液在300 ~ 600 nm波长范围内有明显吸收光谱特征,而地下部分乙酸乙酯萃取液在此范围内无特征吸收。

3. 4. 3 刺头复叶耳蕨地上部分与地下部分无水乙醇萃取液吸收光谱特征曲线及光谱数据比较

由图3可知,刺头复叶耳蕨地上部分与地下部分的无水乙醇萃取液在200 ~ 400 nm波长范围内的吸收光谱特征相似,均有两个特征吸收峰,分别为( 279±2) nm,( 204±2) nm,在( 259±2) nm波长处有最小吸收,同等稀释倍数条件下地上部分无水乙醇萃取液的吸收强度大于地下部分无水乙醇萃取液。3. 4. 4刺头复叶耳蕨地上部分与地下部分水萃取液吸收光谱特征曲线及光谱数据比较

由图4可知,刺头复叶耳蕨地上部分与地下部分的水萃取液在200 ~ 400 nm波长范围内的 吸收光谱 特征相似,均在( 279±2) nm有一个特征吸收峰,在 ( 259±2) nm波长处有最小吸收,同等稀释倍数条件下地上部分水萃取液的吸收强度大于地下部分水萃取液。

4 结 论

本试验测定了刺头复叶耳蕨4种萃取液的紫外 - 可见光谱扫描曲线,其均在200 ~ 600 nm波长范围内有特征吸收,本测定方法的稳定性良好,4种萃取液在3 h内稳定性良好,同时本测定方法重复性良好,可用于测定刺头复叶耳蕨不同萃取液在紫外 - 可见光区的吸收特征。

刺头复叶耳蕨地上与地下部分4种萃取液的紫外 - 可见光谱数据显示,刺头复叶耳蕨中含有脂溶性成份、水溶性成份及中等极性的成分在内的多种化学成份。其中,石油醚( 60 ~90℃ ) 萃取液,尤其是地上部分在200 ~ 400 nm波长范围内有吸收,表明样品中含有非极性成份如脂肪、色素等。地上部分与地下部分石油醚( 60 ~ 90℃ ) 萃取液所得谱图差异较大,说明刺头复叶耳蕨地上与地下部分非极性成份类别与含量存在较大差异。地上与地下部分乙酸乙酯萃取液与无水乙醇萃取液在240 ~ 280 nm附近之间有最大吸收,提示样品可能存在黄酮类化合物等含多个共轭体系的化合物。地上与地下部分乙酸乙酯萃取液在300 ~ 600 nm波长范围内吸收光谱特征差异较大,提示刺头复叶耳蕨地上与地下部分中等极性成份类别与含量存在差异。地上与地下部分水萃取液和无水乙醇萃取液在200 ~300 nm波长范围内之间有最大吸收,提示样品可能含有氨基酸、蛋白质及多肽等极性成份。刺头复叶耳蕨中所含单体化合物的种类还需进一步实验研究。

本部分的研究在单一紫外谱线法鉴别中草药的基础上,将刺头复叶耳蕨不同极性溶剂萃取部位的紫外扫描谱线相结合来表达其特征,为今后采用紫外 - 可见分光光度法鉴别刺头复叶耳蕨,准确、全面地反映其内在品质提供了基础。

参考文献

[1]何海.复叶耳蕨属分类研究综述[J].重庆师范学院学报:自然科学版,2003,20(3):42-47.

[2]宁小清,谈远锋,原鲜玲,等.广西海洋药用半红树植物黄槿的生药学鉴别研究[J].时珍国医国药,2012,23(6):1474-1475.

[3]赵建国,曲伟红,石向群.紫外谱线组法鉴别芡实的研究[J].九江医学,2009,24(1):40-42.

特征吸收光谱 篇2

玉米品种近红外光谱的DFT特征分析方法

摘要：提出了一种基于离散傅里叶变换(discrete Fourier transform,DFT)的玉米品种特征分析新方法.实验数据为37个玉米晶种种子的近红外漫反射光谱数据,波段范围为4 000～12 000 cm-1.文中通过对原始数据进行分析,发现扫描频率较高的部分噪声也比较大.文中首先定义了一种类间、类内差异度Qm的计算方法,以度量特征选择的`有效性;然后利用Qm对原始数据和DFT变换后的数据进行分段分析.实验结果表明,4 000～7 085 cm-1波段的DFT数据相对于全波段原始数据,Qm曲线均值、峰值明显提高.均值从原始的4.804 9提高到8.513 8,峰值最大值从原始的35.924 0提高到60.821 6,峰值最小值从原始的2.891 8提高到3.741 5.且变换后数据特征点(即Qm值大的点)较原始数据集中,最有利于提取玉米品种特征. 作者： 李阳鹏李卫军来疆亮 Author： LI Yang-pengLI Wei-junLAI Jiang-liang 作者单位： 中国科学院半导体研究所,北京,100083 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： ,31(1) 分类号： S132 关键词：近红外光谱 玉米种子 离散傅里叶变换 差异度 特征分析 机标分类号： S82 S64 机标关键词： 玉米品种近红外光谱DFT变换品种特征分析方法Near Infrared SpectraBased原始数据Fourier transform离散傅里叶变换近红外漫反射峰值波段特征选择特征分析数据集中实验结果扫描频率均值计算方法 基金项目： 国家自然科学基金 玉米品种近红外光谱的DFT特征分析方法[期刊论文]光谱学与光谱分析 --2011,31(1)李阳鹏李卫军来疆亮提出了一种基于离散傅里叶变换(discrete Fourier transform,DFT)的玉米品种特征分析新方法.实验数据为37个玉米晶种种子的近红外漫反射光谱数据,波段范围为4 000～12 000 cm-1.文中通过对原始数据进行分析,发现扫描频率...

特征吸收光谱 篇3

摘要：粮食的生产一直在我国社会发展和国民经济中占有非常重要的地位，但是随着经济的发展，人口的不断增长，对于粮食的需求量也越来越多。而粮食作为人们生存的基础，具有非常重大的作用，因此不断提高粮食产量是促进社会稳定发展的重要保证。本文将通过对小麦品种和水稻品种的研究，设置稻麦连作中超高产栽培的模式，进而探究超高产栽培小麦和水稻的养分吸收和积累特征，以期能够促进粮食产量的增加。

关键词：稻麦连作；超高产栽培；小麦和水稻；养分吸收和积累特征

现代化技术的发展，使得粮食的产量不断的提高。但是由于我国农业资源的短缺和人多地少的现状，使得对于粮食的产量要求还在不断的提高。而小麦和水稻作为我国两大主要的粮食作物，在保证社会的稳定发展中具有非常重要的作用。我们在基层工作20年，就一直在对小麦和水稻超高产栽培进行研究。通过工作中的不断探索，已经基本确定了超高产栽培的两大作物的很多特点。但是对于小麦和水稻的养分吸收和积累特征很少关注，因此本文对其的探究具有重要的意义。

一、探究的材料和方法

小麦产品和水稻产品分别选择两个作为材料，在我镇凌孟村三千亩示范方大田进行为期3年的重复种植，使的稻麥连作，并设计当地高产栽培和超高产栽培这种模式。在超高产栽培中，使用实地氮肥进行管理、水稻进行交替灌溉，小麦进行土壤水分灌溉。在当地高产栽培中，也使用灌溉和施肥等措施。而且两种方式都对作物进行了病虫害以及杂草的严格控制。

对于研究材料的取样，分别是在小麦的幼苗期和水稻的移栽期、水稻分蘖的中期和小麦越冬前，还有拔节、开花、成熟几个期间也分别采样。对于养分吸收和积累特征的计算方法是干物的质量乘以K、P、N的含量就是K、P、N的吸收量。在某一个生长时期的吸收量减去前一个生长时期的吸收量，得到的值就是这两个生长期间的积累量。成熟时期籽粒的产量除以在成熟期植株的K、N、P吸收籽粒生产率，它的倒数就是单位籽粒的养分吸收量。

探究结果的分析：

从分析的结果看出，超高产栽培的小麦和水稻的产量都比当地高产栽培的产量高。不管是水稻还是小麦，对于超高产栽培的作物，在拔节期或者以前的生长期，它的干物质量都比当地高产栽培的质量低，但在成熟期，它的干物质量就远高于当地高产栽培的质量。由此说明了超高产栽培的作物，在生长的中后期的养分吸收能力强。超高产栽培作物中，对于氮含量的吸收和积累，在拔节期以前，水稻或者小麦的含氮量和氮的吸收量都表现比当地高产栽培低。在成熟期表现为比当地高产栽培高。而在开花期，不管哪种培养方式，水稻和小麦的含氮量都没有明显的差别，但是超高产栽培植株氮吸收量却明显的比当地高产栽培的大。

二、养分吸收和积累特征的讨论

（一）超高产栽培中水稻和小麦养分吸收的特征

关于超高产栽培中小麦和水稻的养分吸收特性的研究对于提高两大粮食作物产量具有非常重要的意义。通过研究发现，和当地高产栽培种植的作物相比，超高产栽培中小麦和水稻的养分吸收量都呈现出拔节期低、生长中后期高的特征。有的研究认为，小麦和水稻在生长的中期养分吸收量多，会有助于幼穗的生长，最后发育成壮杆的大穗，这样使得干物质在抽穗前的碳水化合物的积累，进而提高后期养分的吸收量，保证了粮食作物的粒重合结实率。通过本次研究发现，上述观点是合理的。超高产栽培的水稻和小麦在生长的中后期干物质的积累最高，而且每个穗粒数都很多。另外通过对不同养分的吸收情况的研究发现，对于不同栽培方式，小麦和水稻养分的吸收特点很可能和在他们生长的前、中、后各个时期的施肥量有关。在超高产栽培的模式下，在生长的前期氮肥的使用量所占总施氮量的比例是，小麦37.5%，水稻52%。在当地高产栽培的模式下，小麦是65%，水稻是76%。但是在中后期，超高产栽培模式下，所占比例为小麦50%到60%，水稻为60%到70%，都远远高出当地高产栽培模式下得吸收量。这充分说明了作物生长的中后期，增加氮肥的使用量，可以很大程度上提高养分的吸收效率，进而提高产量。

（二）小麦和水稻超高产栽培和养分的高效利用

近些年来，对于超高生产栽培的研究在很多地方以及展开，也获得了很好的成效。但是关于他们的记录研究，都是在特定的气候、地理条件和年份下或者小面积的研究记录。很多都是利用大量的肥料、人工的投入和大量的水为前提，这样不利于实现作物的高产和资源的高效利用。而通过本次研究发现，和当地高产栽培技术相比，超高产栽培的产量和施肥力的吸收率都比较高，因此充分表明依靠新的栽培技术，是很可能实现养分吸收和产量的同步大幅度提高的。通过这几年研究发现，超高产栽培的小麦和水稻的生产收获指数都比当地高产栽培的收获指数高。因此我们可以推测，增加K、P、N元素向植物分配量和提高作物的生产效率是保证超高产栽培中小麦和水稻养分吸收和产量同时增加的重要因素。

（三）超高产栽培和养分高效吸收的栽培技术

在本次试验中，超高产栽培模式和当地高产栽培模式的主要不同点是，超高产栽培利用了实地氮肥的管理模式和水稻轻干湿的交替灌溉，小麦使用了控制土壤的水分灌溉这两个新的技术。第一中新技术实地氮肥管理主要是根据作物的氮肥利用率、目标产量和土壤养分的有效供给量等因素来确定总的施氮量。根据作物叶片和叶子含氮量的关系来确定施肥的量，在重要的生长期间，利用叶色卡或者叶绿素测定仪来观测叶子含的氮素情况，然后在进行施肥，使得作物对氮素的需求和施肥时间相协调。这样的模式在我国部门地区和东南亚国家已经得到示范与推广，使得产量有了明显的提高，大约在4%到12%的范围内。

水稻干湿交替的灌溉技术，它在亚洲已经被普遍的运用。它在水稻的生长过程中能实现大量水资源的节约，但是对于这种新技术的使用，有的人表示提高了产量，而有的人则表示减少了产量。研究表明，这种情况的出现主要是由于作物品种、灌溉方式和土壤水分等条件的不同引起的。因此，为了使得水资源能高效的利用而且能够使得粮食获得高产，就必须对于这种新的灌溉方式进行改进。于是就出现了另一种新的技术，就是轻干湿交替灌溉技术。它不仅能有效的节约灌溉用水，还使得作物产量明显的增加。而对于小麦采用的是控制土壤水分的灌溉技术。已经有研究表明，采用这种技术比以往凭经验实施灌溉的方式相比，不仅提高了产量也提高了水资源的利用率。不管是水稻采用的轻干湿交替的灌溉技术还是小麦采用的控制土壤水分的灌溉技术，都极大的促进了农作物根系的生长和发育，提高了叶子的光合速率和叶片细胞的分裂素浓度，从而使得产量提高。

三、结束语：

综上所述，在超高产栽培中小麦和水稻的养分吸收和积累都呈现出生长前期比较低，生长中后期比较高的特点。而且这一特点的呈现和生长前期的施氮量低，而中后期施氮量高有密切的关系。而在超高产栽培技术中，对于作物使用的灌溉技术和施肥的管理都是影响水稻和小麦养分吸收和积累的重要因素，因此在生产的过程中要尤其注意这些因素，使用新技术和科学的方法，不断提高农作物的产量。

参考文献：

[1]李鸿伟，杨凯鹏，曹转勤等.稻麦连作中超高产栽培小麦和水稻的养分吸收与积累特征[J].作物学报，2013，（3）：464-477.

[2]杨升辉，张延和，刘晶等.超高产栽培氮肥运筹对春玉米穗部性状及产量的影响[J].作物杂志，2011，（6）：38-41.

特征吸收光谱 篇4

土壤有机质高光谱响应特性研究为土壤肥力的快速测定提供了新的途径。国内外众多学者进行了相关的研究工作, 针对不同的研究区选取的敏感波段和建立的反演模型不尽相同, 在认识上还存在着一定的分歧。Galvundefined等 (1998) 通过室内研究证实了土壤反射光谱在550～700nm处的吸收峰主要是由土壤中的有机质引起的[1]。Chang等 (2002) 认为有机质近红外光谱区的光谱特性与有机质成分功能团对应解释的难度很大, 一般体现为降低整个谱线的反射系数[2]。彭玉魁等 (1998) 对我国黄土区土壤有机质含量进行了评价分析, 认为土壤样品NIRS光谱特征的差异随有机质含量变化不大[3]。沙晋明等 (2003) 利用VF991地物光谱测量仪对不同成土环境土壤剖面上的各个土层进行反射光谱测量, 研究发现在紫外区、可见光区和近红外区均存在着土壤有机质光谱响应[4]。谢伯承等 (2004) 通过ASD FR便携式光谱仪对褐潮土土壤剖面的不同诊断层反射光谱进行了实验室测定, 并利用导数光谱法和包络线法建立了预测土壤有机质含量的方程, 提出了预测北京地区褐潮土有机质光谱的最佳波段[5,6]。

光谱测试环境在很大程度上影响反演模型的可靠性和普遍性。在自然条件下, 土壤有机质含量、质地、含水量及母质等因素对土壤光谱的影响很难截然分开, 在实验室测试所建模型很难外推到自然条件下使用。通过对土壤样品进行特殊处理, 以及对原始光谱数据进行适当变换, 可以实现自然条件下单独测定某一因素对光谱特征的影响。为了降低非有机质含量变化而引起的光谱响应特征的影响, 本文将土壤样品进行处理后, 结合室外实测光谱和土壤有机质含量进行分析, 建立土壤有机质含量高光谱反演模型, 并试图在模型精度及稳定性上有所突破。

1 材料与方法

1.1 土样制备

本文研究区为江苏省昆山市, 其土壤类型主要为潴育型水稻土。土壤样品采集按梅花采样法采集5点的混合样品, 采样深度为0～20cm。样品在实验室经自然风干, 木棒压磨后粗略去除沙砾及植物残体, 然后过100目尼龙筛混合均匀。每个样品分成两份, 一份用来进行化学分析, 土壤有机质含量采用重铬酸钾法测定[7];另一份土壤样品则放置在载波片上, 用蒸馏水稀释成泥状并压平, 在常温下自然风干, 用来进行光谱测量。

1.2 光谱测量

采用ASD FieldSpec Pro地物光谱仪测量土壤样品的反射光谱数据, 其波长范围为350～2 500nm, 采样间隔为1.4nm (250～1 000nm区间) 和2nm (1 000～2 500nm区间) , 重采样间隔为1nm, 输出波段数为2 150。选择晴朗无云、无风的天气, 在室外自然光照条件下, 采用5°视场角探头, 距土壤样品15cm处垂直角度进行光谱采集, 测量时间范围一般为上午11:00-12:00。每一样品采集10条光谱, 得到土壤反射亮度平均值;然后采用漫反射标准参考板准同步测量太阳辐射光谱, 通过比值法获得土壤样品光谱反射比。

1.3 数据预处理

对测量获取的土壤反射率数据进行筛选, 去除异常 (土样风干后出现裂纹) 数据, 选定27条光谱数据。其中, 随机抽取19条数据用于模型的回归分析, 其余8条用于模型验证。所选27个土样有机质含量的统计特征描述如表1所示。

2 结果与分析

2.1 光谱特征分析

土壤反射光谱特性是土壤有机质含量、土壤类型、土壤质地和土壤湿度等光谱特征的综合响应[8]。实验室光谱测定中, 土壤样品经研磨预处理后改变了表面的粗糙度, 其反射光强度比未研磨土样有所增强, 但吸收特性的位置并没有发生改变[9]。据此, 本次所选样品土壤类型均为潴育型水稻土, 土样经过研磨、风干处理后, 基本消除了土壤类型、土壤质地以及土壤湿度对土壤光谱的影响, 土壤样品的反射光谱变化特性主要反映了有机质含量的变化特征。所选土壤样本反射光谱曲线, 如图1所示。

在1 400, 1 900, 2 400nm等波段附近有强烈的水分吸收谷, 通常认为与粘土矿物中所含的OH-有关[10]。由于是室外采集, 该范围光谱受大气中水汽吸收的干扰作用较大, 数据质量较差, 无法直接用于土壤有机质含量估测, 本次研究对这些水汽吸收带进行了剔除处理。根据戴昌达等对我国主要土壤反射光谱特征曲线的划分, 研究区土壤的光谱曲线属缓斜型[11]。光谱曲线整体呈上凸的抛物线形, 反射率随波长增加, 在可见光波段增加较快, 而在近红外波段曲线变得平缓。由于690～930nm波段是铁的氧化矿物对光谱的主要吸收区[12], 因此该波段是有机质和氧化铁对土壤反射光谱影响的复合区, 波形存在着差异;在2 100～2 380nm所表现出的峰谷吸收结构主要是由残余在土壤中的少量水分以及空气中的水汽吸收所引起的。

2.2 模型建立与验证

由于光谱仪各波段间对能量响应上的差异, 获取的原始光谱曲线存在一些噪声。本研究采用九点加权移动平均的方法对原始光谱曲线进行平滑去噪处理:波段i处的反射率用包括i在内的相邻9个波段的加权平均值替代, 计算公式如下

对平滑曲线R′i应用ENVI4.2中Spectral模块的Continuum Removed算法直接生成连续统去除归一化曲线Rcon。为了便于运算吸收特征参数, 用1分别去减归一化曲线Rcon上各波段对应值, 得到土壤光谱吸收特征曲线Rabs, 如图2所示。

光谱吸收特征参数包括吸收波段波长位置、深度、宽度、斜率、对称度、面积和光谱绝对反射值等。其中, 面积A为宽度和深度的综合参数, 定义为

undefined

其中, A为吸收带面积, d为吸收深度, Δλ为波长增量, a和b分别为吸收带起止波段值。

分析土壤光谱吸收特征曲线, 在380, 490, 700, 830, 900, 1 470, 2 060, 2 200nm附近都有强烈的特征吸收峰, 且不同有机质含量的样品光谱吸收深度明显不同, 各吸收带所包含的面积也不同。笔者在文献[13]中运用统计单相关分析方法确定了511nm波长为诊断土壤有机质含量的敏感波段。因此, 本文选择包含511nm在内的450～580nm波段范围内的特征吸收面积来评价与有机质含量的关系, 回归模型分析结果见表2所示。

**通过置信水平0.001的系数检验。

综合考虑R2, F以及系数信度3个检验值, 450～580nm波段范围内的特征吸收面积与土壤有机质含量之间的对数拟合模型较好, 该模型可以解释有机质含量变异性的67.40%。利用建模样品数据对该模型进行误差分析, 绝对误差最大值为5.618g/kg, 最小值为0.008g/kg, 平均相对误差为7.33%, 即模型拟合总体精度达92.67%。进一步利用剩余8个检验样品数据对该对数模型进行预测评价 (如图3所示) , 平均相对误差为6.81%, 验证精度达到93.19%。

由此可见, 用连续统去除法提取特征吸收面积来定量评价土壤有机质含量具有普遍意义。

3 讨论与结论

土壤反射光谱深受土壤自身理化性质差异以及光谱测试环境变动的影响, 对土壤样本进行研磨、风干等处理, 可部分消除非有机质特性对土壤光谱的影响。此外, 由于高光谱波段很窄 (<10nm) , 单波段能量较低, 而前人研究多以单波段反射率建立土壤有机质含量反演模型, 其受到环境差异的影响较大。本文用连续统去除法提取特征吸收面积建立土壤有机质含量的预测模型, 增强了反射率能量, 提高了模型的稳定性。

特征吸收光谱 篇5

多花黑麦草对不同形态氮的吸收动力学特征研究

摘要：采用改进常规耗竭法,比较研究了多花黑麦草(Lolium multiflorum Lam.)对NH4+和NO3-吸收动力学特征.结果表明多花黑麦草对NH4+和NO3-吸收符合Miehaelis-Menten方程,它对NH4+的亲和力显著大于对NO3-的亲和力,但对NH4+和NO3-的最大吸收速率差异不显著,说明多花黑麦草偏爱吸收NH4+,在实际污水净化过程中,多花黑麦草具有优先吸收NH4+的趋势,若有足够的.停留时间,其对NH4+净化程度会更高些;当吸收系统微生物受抑制时,多花黑麦草对NO3-的吸收速率明显降低,亲和力明显提高,可见微生物对吸收体系中氮素的去除有一定促进作用.作 者：谢丽凤    陆开宏    胡智勇    张克鑫    刘夏松    XIE Li-feng    LU Kai-hong    HU Zhi-yong    ZHANG Ke-xin    LIU Xia-song  作者单位：宁波大学教育部应用海洋生物技术重点实验室,浙江宁波,315211 期 刊：生态科学   Journal：ECOLOGICAL SCIENCE 年，卷(期)：2010, 29(3) 分类号：X52 关键词：多花黑麦草    铵态氮    硝态氮    吸收动力学   

浅析原油的中红外光谱特征 篇6

按照ASTM的定义[1], 通常将红外光谱分为三个区域:近红外区 (13330~4000cm-1) 、中红外区 (4 0 0 0~4 0 0 c m-1) 和远红外区 (400~10cm-1) 。由于绝大多数有机物和无机物的基频吸收带都出现在中红外区[2,3], 因此研究最多的区域是中红外区, 积累的资料也最多, 仪器技术最为成熟。通常所说的红外光谱就是指中红外光谱。通过解析红外光谱, 就可以判定有哪些官能团存在于未知样品中, 为未知物化学结构的确定奠定坚实的基石。因此, IR是在分子层次上研究结构和相互作用的便捷方式。

中红外光谱仪分为属于色散型的棱镜和光栅光谱仪, 以及属于非色散型的傅立叶变换红外光谱仪。由于对干涉仪及运算速度有非常高的要求, 因此价格昂贵。但是优点也十分突出:灵敏度高、分辨率高、能够实现快速扫描和联机操作。

随着科研的进步, 红外光谱仪也在向着小型、便携式发展。极大的降低了外部环境对仪器性能的影响。加上计算化学的发展, 促成了ASTM E1655标准方法的建立, 其中包括多种计算方法如偏最小二乘法 (PLS) 、主元回归法 (PCR) 等。

由于中红外光谱仪在不需要计量法推算的前提下, 针对不同的组分可产生不同的与之对应的的特征吸收峰, 因此结果的精确可靠, 将其纳入ASTM标准测试方法。总之, 全谱中红外傅立叶技术在成分复杂的油样的分析中, 使用前景值得展望。

2 实验研究

2.1 原材料

不同地区原油样品, 将0.5g左右的原油样品倒入10m L离心管中, 加入一定量活化的无水Na2SO4 (每毫升油加0.1~1g) , 离心脱水。

2.2 红外光谱扫描

采用德国珀金埃尔默公司的FT-IR/NIR spectrometer frontier傅立叶变换红外光谱仪连接普遍衰减全反射 (UATR) 进行扫描:仪器预热稳定后, 先确认仪器是否处于正常状态:扫描0.05mm厚的聚苯乙烯卡, 对照标准谱图, 保证仪器各项指标符合分析要求。用1支细玻璃棒将1滴油样滴到金刚石晶面上, 小心地将油滴铺匀使之形成一层均匀的油膜, 确保不产生气泡, 扫描其红外光谱, 扫描范围为600~4000cm-1, 分辨率2.0cm-1, 扫描30次。保存其谱图。

3 实验结果及分析

3.1 原油样品红外光谱图

实验测得的各种原油样品红外光谱曲线如图1至图6所示。

3.2 原油的中红外谱分析

归纳谱图出现的系列吸收峰可分为三组:

3.2.1 饱和烃吸收峰[4,6]

包括直链烷烃和环烷烃。甲基、次甲基的伸缩振动吸收峰一般在2850 cm-1和2950 cm-1处, 其属于强吸收峰, 两峰分离较差, 易迭加。

甲基 (CH3) 、次甲基 (CH2) 的弯曲振动吸收峰一般在1380cm-1、1460cm-1处。这两种基团在原油中所占比例较大。甲基要少于次甲基, 因此1380cm-1吸收峰要弱于1460cm-1吸收峰。

碳链中C-C骨架振动吸收峰一般位于700~720cm-1处。即碳数较少的烷烃表现为单峰, 而碳数多于30时出现双峰。

3.2.2 芳香烃吸收峰

730cm-1~900cm-1为芳香烃、缩合芳香烃次亚甲基 (CH) 的面外振动吸收峰, 一般出现三个比较明显的吸收峰:

当芳烃或稠环芳烃相邻H原子数n≤2时, 在740~760cm-1处出现吸收峰;

当芳烃或稠环芳烃相邻H原子数2

当芳烃或稠环芳烃相邻H原子数3

-C=C-基团的双键伸缩振动吸收峰一般出现在1450cm-1和1600cm-1处。不同品种的原油含有的芳烃数量不同, 当含量较多时会出现两个峰, 若较少, 则会出现一个峰, 因此芳烃的吸收峰常以1600cm-1处来代表。

芳烃中CH的伸缩振动吸收峰一般出现在3050~3000cm-1处。

此外芳烃CH基团的面内弯曲振动一般会在l000~1300cm-1处出现。但通常多与原油中含O、S、N等基团的吸收峰偶合或迭加在一起, 较难确切地区分, 因此可参考价值不大。

3.2.3 含O、S、N等元素的杂环化合物的吸收峰[5]

各种含O、S、N的基团吸收峰位于1000~1300cm-1处, 这里同时会出现C-C、C-O基团伸缩振动, 其它C-N、S-O、C-H、O-H基团的弯曲振动参与的偶合振动吸收, 众多吸收峰相互迭加, 基团无法准确归属。

醇、醛、羧基基团以及酯、酮中羰基的伸缩振动吸收峰一般位于1700~1720cm-1处。

酸酐类化合物中的伸缩振动吸收峰一般位于1900cm-1处。

缔合的OH基团和NH2基团的伸缩振动吸收峰一般位于3200~3600cm-1处。

4 结语

随着持续不断的研究, 各类成品油类的出厂指标检测都可以采用中红外光谱技术, 但在许多方面还有其局限性, 要定量分析, 建立系统模型还需确定相关测试参数, 由于原油成分复杂, 测试结果的相关性难以预测。尽管如此, 这并不妨碍其发展成一种快速便携的检测技术, 因其测定快速明晰, 中红外光谱必然会在油品分析中大放异彩。

参考文献

[1]ASTM Standard.Standard Practices for infrared Multivariate Quantitative Analysis[S].A STM E 1655-05-2005.Unit States:ASTM, 2005.1~32

[2]冯新泸, 史永刚.近红外光谱及其在石油产品分析中的应用[M].北京:中国石化出版社, 2002

[3]Kelly J J, BarlowCH, J ingujiTM, etal.Prediction of gas-online octane numbers from nearinfrared spectral features in range 660~1250nm[J].Anal Chem, 1989, 61 (4) :313~320

[4]D A Burns, E W Ciurczak.Handbook of near-infrared analysis.Marcel Dekker, Inc., New York, 2001

[5]Hildrum K I, Isaksson T, Naes T, etal.Nearinfrared spectros copybridging the gap between data analysis and NIR application.New York:Ellis Horwood, 1994:153

特征吸收光谱 篇7

1 水稻氮高效基因型的筛选

作物对氮的吸收和利用是农业生态系统中氮循环的两个重要过程。充分挖掘作物吸收、利用氮的遗传潜力, 从而在一定的氮肥投入下获得较高的产量, 并减少氮在土壤中的残留, 是提高氮肥利用率的重要途径之一。遗传改良的先决条件是了解控制作物高效吸收、利用氮素的关键生理过程。大量研究表明, 水稻对氮的吸收、利用方面存在显著的基因型差异。在氮吸收方面, 氮高效的水稻品种吸氮较多是由于具有较大的根系。在水稻生产中根系形态参数可能是决定其是否高效吸收和利用氮营养的决定性因素;在水稻氮效率育种方面, 我国水稻氮营养高效种质资源的收集、筛选和鉴定工作和氮效率的生理生化基础研究和氮高效的遗传工作做得很少。但是氮高效品种的选育需要耗费大量的时间与精力, 如果在选择产量的同时加上一些与产量密切相关的次级性状, 则可以大大增加选择效率。因此, 从我国可持续农业角度出发, 挖掘水稻氮高效的种质资源, 进一步研究氮效率的生理系列化基础, 并通过遗传改良培育氮高效品种已成为当务之急。

将氮素利用效率定义为籽粒产量与土壤供氮水平之比, 且将氮素利用效率分解为吸收效率和生理利用效率, 氮素吸收效率是作物成熟期地上部植株含氮总量与土壤供氮水平之比, 氮素生理利用效率是作物籽粒产量与成熟期地上部植株含氮总量之比, 故氮素利用效率等于吸收效率与生理利用效率的乘积。当介质供氮量 (包括土壤有效氮和肥料氮量) 比较难以计算时, 在相同试验条件下氮素利用效率可相对地表征为同一供氮水平下的水稻产量;而通过作物产量与土壤供氮水平之比计算出的氮素利用效率的绝对值可用来比较不同供氮水平下的不同水稻品种的氮素利用效率, 同时也可估算水稻基因型和供氮水平之间的相互作用。氮素吸收效率的情况也如此。

氮素利用效率的定义和类型的划分是一个复杂的问题, 许多研究者对多个作物品种进行了研究。由于作物对氮肥的反应不同, 那么可能出现作物在不同的供氮水平时出现氮素利用效率不一致的现象, 容易造成混淆, 因此在评价作物的氮素利用效率时应同时考虑静态和动态两个指标。静态指标是指介质供氮量较低时作物的氮素利用效率或产量;动态指标是指介质供氮量增加时作物的氟素利用效率或产量。两个指标包含了在动态的供氮水平下作物生物量或产量的变化情况, 这样氮素利用效率的概念才比较完整和科学。

2 水稻一生的氮素需求特征

研究表明, 我国主要产稻区每公顷产7500kg稻谷 (谷草比为1:1) 需要氮112.5-187.5kg。同其他作物一样, 氮素过多或不足均会给水稻生长发育带来不利影响。同时, 水稻对氮肥的两个最大效应期是分蕖期和幼穗分化期。稻体一生的含氮量以苗期最高, 移栽期暂时下降, 以后迅速上升, 分类时又渐趋下降, 尤其是幼穗形成后下降急剧。不同基因型水稻对氮素吸收、利用的能力差异较大。

从表1看出3个氮高效基因型水稻从分蕖期到拔节期的氮素累积占总氮积累的比例最大, 大约占到总吸氮量的35%, 以后随着生育期的推进氮素积累量的比例逐渐降低。

综上所述, 在本试验条件下, 水稻齐穗后的氮素积累量占总氮积累量的1%-37%。这表明水稻齐穗期后从土壤中吸收的氮素只占水稻全生育期的很小一部分, 其中的原因可能是水稻根系活力下降的缘故。不同氮效率的水稻品种齐穗后的氮素积累量差异明显。

3 水稻植株体内的氮素再利用

在生育后期, 水稻根系活力下降, 水稻的养分吸收能力也随之下降。另外, 进入齐穗后叶片已完成生长发育, 但其仍然保留着库的本质属性。当稻穗氮需求量大于植株吸氮量时, 叶片内部蛋白质降解酶活力提高, 表现出叶片对外输出氮素;而当稻穗氮需求量小于植株吸氮量时, 叶片内部蛋白质合成重新旺盛, 叶片接受氮素, 表现出强劲的生长特征。

水稻对氮素的高效利用最终体现在水稻老叶向新叶和营养器官向生殖器官 (水稻籽粒) 转移氮素的效率。在籽粒形成的前两周由于籽粒中储存蛋白的合成极快, 因此对氮的需求非常大。水稻灌浆期根部吸收的氮素并不多, 仅占0%-30%, 其他就靠水稻茎叶等营养器官的氮素转移, 其中64%的氮来自于叶片, 16%的氮来自于叶鞘, 20%来源于茎秆。就水稻籽粒而言, 叶中可迁移态氮的作用非常大, 水稻抽穗后既要保持倒一、倒二和倒三叶的光合作用持续长, 又要尽快调动下层叶片中的氮素使之向籽粒转移更快和更完全。水稻齐穗后氮素转运量占齐穗期前氮积累量的19%-51%, 相关分析的结果表明, 水稻的产量和氮素生理利用效率与齐穗后的氮素转运量有极显著的正相关关系。

施肥增加了水稻齐穗后的氮素转运量, 从理论上也能增加水稻产量和氮素利用率。然而施用氮肥实际上降低了氮素生理利用效率。氮肥和氮素生理利用效率理论和实际相矛盾的原因可能在于水稻植株吸收氮素的动力学特征。这就意味着水稻吸收氮肥是以极快的速度在极短时间内完成的。这容易导致水稻齐穗期已经吸收了大量的氮素。于是齐穗后大量碳水化合物的积累和氮素的转运就显得非常重要。当水稻齐穗后干物质的积累和氮素的大量转运不能弥补齐穗期大量氮的积累时, 氮素生理利用效率就不可避免地下降了。

摘要：水稻是我国种植面积最大、产量最高和氮肥用量最多的粮食作物之一。本文对水稻氮素吸收累积特征与氮素利用进行分析。

关键词：水稻氮素,吸收利用,累计特征

参考文献

[1]殷晓燕, 徐阳春, 沈其荣.直播旱作和水作水稻的氮素吸收利用特征研究[J].土壤学报, 2004 (6) .

[2]路兴花.旱作水稻水氮利用特征研究[D].杭州:浙江大学, 2006.

特征吸收光谱 篇8

目前的国内外研究中,遥感影像提取水体的主要研究主要集中在特征提取和水体提取算法两个方面。合适的特征对正确的从遥感影像提取水体至关重要,目前在水体提取中研究的侧重点为水体特征的研究主要包括:

1)光谱特征:遥感影像获取的原始信息进行辐射定标、大气校正后的结果,是水体提取过程中最基本的特征,大部分水体提取过程中均会使用光谱特征。总体上来说,水体在蓝绿两波段上呈现反射特性,在近红外波段上呈现吸收的特性。根据水体和背景像素的光谱反射率差异,得到基于规则的方法得到影像中的水体,或使用光谱反射率作为特征训练分类器如支持向量机(SVM)[4],对影像进行二值分类得到水体和非水体信息。

2)水体指数:通过分析不同地物对遥感影像波段的响应情况对波段进行组合、代数运算,从而增强水体信息,并抑制其他地物信息。常见的水体指数有:NDWI[5],MNDWI[6],AEWI[7],HRWI[4]等。

3)纹理特征:使用纹理特征或纹理特征与光谱的结合,提取水体信息。文献[8]在水体提取问题上提出了方向方差算子和纹理表相结合的多纹理特征结合的水体提取算法,在高分辨率灰度影像的实验上得到了很好的提取结果。文献[9]比较了仅使用颜色特征和颜色特征加灰度共生矩阵角二阶矩特征的提取效果,实验表明,增加纹理特征后,提取结果有了很大的提高。

4)颜色特征:对影像的红绿蓝波段反射率进行颜色空间变化如HIS变换、CIELAB变换等,利用变化后的颜色空间特征作为水体提取的特征。文献[10]研究了HIS变换后的色调(H)、饱和度(S)和亮度(I),对高分辨率遥感影像进行水体提取。文献[9]通过CIELAB变换,使用亮度分量(L)进行分割,并使用颜色分量(a和b)和亮度分量的纹理特征构成特征向量提取航空影像上的水体。

5)形状特征:通过分割的方式得到对象,提取对象的形状特征,利用水体和非水体对象在形状特征上的差异,提取影像中的水体对象。文献[11]使用紧致度(Compactness)、主要点(Critical points)和对称性(Symmetry)三个形状特征成功区分了影像中的阴影和水体。

目前研究中,一般水体提取方法仅使用以上一类或两类特征,然而,由于地表水体的复杂性,以上一种或两种特征的结合并不能很好的从影像中提取水体信息。首先,“同物异谱”导致同样的水体可能具有不同的光谱、水体指数、颜色特征,而“同谱异物”现象使得水体和背景信息在这些特征上存在混淆。其次,一般的纹理特征在计算时需要进行取窗口的操作,在水体边缘上的纹理信息会产出模糊的现象,无法完全反映水体的特点。最后,自然界中的水体往往具有不确定的形状,因此,很多情况下形状特征无法准确区分水体和背景地物。针对以上问题,本文提出一种基于光谱-空间特征的遥感影像水体提取算法,结合了光谱、水体指数、像元长度指数和面积特征,多种类型特征的结合更好的描述了遥感影像上水体的特征,鲁棒地提取遥感影像中的水体信息。

1基于光谱-空间特征的水体提取算法

本文方法使用了光谱、水体指数、像元长度特征和面积特征,通过结合光谱和空间特征,一方面减轻了“同物异谱”和“同谱异物”问题对水体和非水体像素的影响,另一方面引入的像元长度特征综合影像中像素的局部结构特征,有效的反映了像元邻域内的相似性,且避免了求取纹理特征时滑动窗口操作可能产生的问题。本文方法总体上可以分为两个部分,第一部分使用双阈值分割去除影像中的大部分非水体像素,第二部分将第一步得到的水体待选像素聚集成水体待选对象,并使用面积特征和水体指数去除非水体对象,最后对得到的水体对象进行区域生长,得到精确的水体边界信息。方法的整体流程如图1所示。

1.1辐射定标

首先对遥感影像进行辐射定标预处理,根据公式(1)将卫星各载荷的通道观测技术值DN转换为卫星载荷入瞳处等效表观辐射亮度:

式中:Gain为定标斜距;DN为卫星载荷观测值;Bias为定标截距,单位为;以上参数均由实际卫星数据给出;

再根据如下公式,得到大气顶端的表观辐射量:

其中,L为上一步得到的入瞳处的表观辐射量,d为年积日即影像获取时间为一年中的第几天,θ为太阳高度角,以上数据可从影像的元数据获得,ESUN为太阳表观辐射率均值,不同的卫星传感器会给定相应的取值。

1.2基于光谱-空间特征的双阈值分割

本步骤的目标为结合光谱和像元的局部结构特征通过两步阈值分割处理,去除不符合要求的非水体像素。水体指数从光谱的角度反映了水体和非水体像素的差异,其取值范围为[-1,1],水体的ND-WI取值一般为正,且取值越大该像素为水体的可能性也越大,水体指数的计算公式如下所示:

其中,green为遥感影像上的绿波段,NIR为近红外波段的辐射量;

其次,本文引入像元长度指数(Pixel Length Index,PLI),衡量水体内部的相似性。像元长度指数是像元结构特征集合[13](Structural Feature Set,SFS)中的一种特征,该特征考虑了相邻像元的相似性,综合了像素间的上下文信息,具有减少同质性区域的噪声和光谱变化的特性。像元长度特征反映了像元在其邻域内相似性的最大值。由于同一水体对象内部的光谱差异较小,且不同水体对象之间的形态差异较大,使用像元长度指数既可以反映影像内部水体之间的相似性,也减小了水体对象形态差异造成的像元结构差异。

在获得影像的像元长度指数时,为了加大水体之间的相似性,以及水体和非水体之间的差异性,本文使用拉伸后的水体指数SNDWI(Stretched NDWI)特征计算像元长度指数。由公式得到水体指数特征(NDWI),并根据公式(4)进行拉伸。

使用SNDWI得到的光谱相似性测度为下式:

其中,phi表示第i个方向线上中心像素和邻域像素之间的异质性,Psncen为中心像素的SNDWI特征,Psncen为邻域像素的SNDWI特征。

对预处理后的影像数据提取水体指数和像元长度指数,通过双阈值分割,得到水体待选像素,具体步骤如下所示:首先,对影像的SNDWI特征计算得到的像元长度特征使用给定阈值进行二值化,从像元的局部相似性,排除了影像中大量的非水体像素。获得上步中通过阈值分割的像素的NDWI特征值,使用大津法对其进行阈值分割,利用水体和非水体像素在水体指数上的差异进一步排除影像中的非水体像素。

1.3基于双阈值分割结果的水体对象提取

经过上一步的处理,得到了通过光谱和空间特征约束的像素的二值结果。首先,根据二值图上像素的连通性,将8邻域内相邻的连接像素聚集为对象,生成水体待选对象。

根据聚集的水体对象的面积进行阈值分割,给定面积阈值,若对象的面积大于给定的阈值则认为该对象为大面积水体待选对象,否则将其作为小面积水体待选对象。给定一个较大的面积阈值,如10000,则得到的大面积水体待选对象为面积很大的平滑区域,且具有较高的NDWI值。由于遥感影像上存在面积大且水体指数高的弱纹理非水体地物概率非常小,故接受大面积水体待选对象为大面积水体对象。而由于小面积的对象中含有背景地物的概率较高,故对小面积水体待选对象将进行进一步的处理以排除背景地物。

获得小面积水体待选对象覆盖范围内所有像素的NDWI特征,根据其直方图形状使用峰谷的方法(peak-and-valley method)获得阈值再一次进行阈值分割。为了减小分割时的漏检率,因此选择最左边的谷点对应的NDWI值作为分割的阈值。判断直方图上峰谷的方式为:

1)如果pn≥pn+1&pn≥pn-1,则为直方图上的峰值;

2)如果pn≥pn+1&pn≥pn-1,则为直方图上的谷值;

其中,pn表示直方图上n位置对应的频率。

然而,由上述条件得到的结果往往会包含较多的伪峰和伪谷,因此,通过对直方图进行核函数估计(Kerneldensityestimation,KDE)得到平滑后的概率密度曲线(直方图),从平滑后的结果中提取出峰值和谷值。核函数密度估计是非参数的估计随机变量概率密度函数的一种方法,常被从来实现数据平滑的目的。其计算公式如下所示:

其中,Kh(·)为核函数,本文使用高斯核函数。图2给出了经过第一步处理后剩余像素的NDWI直方图,以及对该直方图进行核函数估计的结果。从图中可以看出,蓝色部分的直方图中存在伪峰值,而平滑后的概率密度曲线上不存在伪峰值,因此,使用平滑后的结果可以得到正确的阈值。

如果概率密度估计得到的结果中不包含谷值点,则说明经过第一步的处理后,剩下的小面积水体待选对象中不包含非水体像素,则不对其进行进一步的阈值分割。

由以上两步可以看出,本文方法旨在对大面积的水体使用较小的NDWI阈值进行分割,而对面积较小的水体使用较高的NDWI阈值分割,并且在使用PLI进行阈值分割时去除了大量的与水体具有类似NDWI取值的背景像素。

由于水体边缘像素的PLI和NDWI特征比水体中心像素小,故在上述处理中可能被错误的去除,因此,在得到水体对象后,通过区域生长的方式得到更精确的水体边界。将所有水体边缘像素加入种子点堆栈,若种子点边缘像素与其邻域像素之间异质性测度小于给定阈值,则认为该邻域像素为水体,并将其加入种子点堆栈,重复进行上述操作直到所有种子点均被处理完成。这里使用的异质性测度为光谱角,因为该特征综合考虑了影像的所有光谱特征,计算公式如(7)所示,给定的阈值为thsa。

其中,SA(x,y)表示光谱向量之间的光谱角,xi和yi分别表示种子点像素和邻域像素在i波段上的光谱反射率,n表示影像的波段个数。对于具有可见光和近红外四个波段的高分辨率遥感影像来说,x和y均为四波段波谱反射率组成的四维向量。

2实验与结果

本文使用两幅高分一号卫星的8米分辨率多光谱影像进行水体提取实验。高分一号卫星是我国高分辨率对地观测系统重大专项的第一个卫星,具有重要的战略意义和地位。其8m分辨率的多光谱卫星有近红外和可见光四个波段,重访周期为4d,具有较高空间分辨率和较短的回访周期的特点,因此,具有较高的应用价值。本文使用两幅高分一号数据进行实验,通过对比人工勾选的水体提取结果定性和定量的比较了本文提取方法与使用光谱特征的支持向量机(典型的水体提取方法)的提取结果。

本文使用如下方法进行定量的精度评点:对比参考影像使用混淆矩阵统计,得到正确提取的水体像素(TP),错误提取的水体像素(FP),正确提取的非水体像素(TN),错误提取的非水体像素(FN),四类的像素个数。使用统计结果得到水体的生产者精度PA=TP/(TP+FN),生产者精度反映了水体的漏检率,使用者精度UA=TP/(TP+FP),使用者精度反映了水体的误检率,总体精度OA=(TP+TN)/N,其中N为影像中的像素总体个数和kappa系数(如式(8)所示)。

图3(a)显示了本文实验中所用的第一幅影像(影像一),图3(b)显示了相应的参考水体掩膜。影像一相幅大小为4548*4500,经度范围为120.0874度到120.5829度,纬度范围为40.0612度到40.4397度。从影像中可以看出大面积水体的光谱特征并不统一,其大部分面积呈蓝色,水体左下角颜色变深,并且在水体内部可以看到条纹状的差异。影像中的背景地物主要由黄色的裸地、深色山体和亮建筑物组成。

图4给出了使用SVM和本文方法提取的结果,表1给出了影像一提取结果的定量评价。从提取结果中可以看出,两种方法均较好的提取出了遥感影像中的水体,本文方法得到的大面积水体更为完整,小面积的误提取更少。从定量的结果可以看出,本文方法在四个指标上均优于SVM的提取结果。其中,使用者精度提高了约3%,说明本文方法极大的减小了误检情况的发生。

图5(a)显示了本文实验中所用的第二幅影像(影像二),图5(b)为其相应的参考水体掩膜。影像二相幅大小为4548*4500,经度范围为120.1701度到120.6267度,纬度范围为39.1023度到30.4952度。从影像中可以看出,大面积的水体本身的光谱发生了较大的变化,左下方主要呈现蓝色,而右上方呈现绿色,说明右上方的水体在红波段的反射率较高。不仅如此,影像中存在小面积的暗水体。影像二的背景信息复杂,既包括亮建筑物,也包括暗建筑物,还存在较多的植被、裸地以及阴影信息。

图6给出了SVM和本文方法对影像二的提取结果,表2给出了定量的精度评价结果。与人工勾选的参考影像相比可以看出,SVM和本文方法均有效提取出了影像中的主要水体信息,且在小面积水体上均存在一定的误检问题,但整体上本文方法得到的结果更为完整,且误检的像素更少。从定量评价的角度可以看出,本文的生产者精度比SVM高约10%,使用者精度高约13.5%,整体精度高2.3%,因此,使用本文方法较好的提高了水体的提取精度。

从总体上了来说,本文方法的提取精度均高于SVM的提取精度,多种特征的结合以及像元长度指数的引入,有效的提高了本文方法在大面积水体提取结果上的完整度,且有效的去除了小面积的噪声。不仅如此,SVM为监督分类方法,使用该方法进行水体提取时,需要人工选择训练样本,并通过多次实验选取合适的参数。而本文方法为自动提取方法,计算速度快。

3结束语

针对目前遥感影像水体提取中使用的特征存在的多种问题,本文提出了一种基于光谱-空间特征的遥感影像水体提取算法。本文方法结合像元长度指数、光谱指数以及对象的面积特征,从光谱和空间特征的角度区分影像中的水体和非水体像素。通过两幅高分一号数据,定性和定量的比较了本文方法的有效性。从总体上来说,本文方法能够高效自动化的提取遥感影像上的水体。

参考文献

[1]Du Z,Linghu B,Ling F,et al.Estimating surface water area changes using time-series Landsat data in the Qingjiang River Basin,China[J].Journal of Applied Remote Sensing,2012,6(1):063609-063609.

[2]Sun F,Sun W,Chen J,et al.Comparison and improvement of methods for identifying waterbodies in remotely sensed im agery[J].International journal of remote sensing,2012,33(21):6854-6875.

[3]Gessner M O,Hinkelmann R,Nützmann G,et al.Urban water interfaces[J].Journal of Hydrology,2014,514:226-232.

[4]Yao F,Wang C,Dong D,et al.High-Resolution Mapping of Urban Surface Water Using ZY-3 Multi-Spectral Imagery[J].Remote Sensing,2015,7(9):12336-12355.

[5]Mc Feeters S K.The use of the Normalized Difference Water Index(NDWI)in the delineation of open water features[J].In ternational journal of remote sensing,1996,17(7):1425-1432.

[6]Xu H.Modification of normalised difference water index(NDWI)to enhance open water features in remotely sensed imagery[J].International Journal of Remote Sensing,2006,27(14):3025-3033.

[7]Feyisa G L,Meilby H,Fensholt R,et al.Automated Water Ex traction Index:A new technique for surface water mapping us ing Landsat imagery[J].Remote Sensing of Environment,2014,140:23-35.

[8]Wang H,Pan L,Zheng H.Multi-texture-model for water ex traction based on remote sensing image[C]//Image and Signal Processing,2008.CISP'08.Congress o n.IEEE,3:710-714.

[9]Zhao M,Zhang Y,Shang H,et al.Water Area Extraction from RGB Aerophotograph Based on Chromatic and Textural Analysis[C]//GEOProcessing 2011,The Third International Conference on Advanced Geographic Information Systems,Applications,and Services:46-52.

[10]柳稼航.基于视觉特征的高分辨率光学遥感影像目标识别与提取技术研究[D].上海交通大学,2011.

[11]Li B,Zhang H,Xu F.Water extraction in high resolution re mote sensing image based on hierarchical spectrum and shape features[C]//IOP Conference Series:Earth and Environmental Science.IOP Publishing,2014,17(1):012123.

同一方向碧玺的红外光谱谱学特征 篇9

1 样品测试条件

本次测试样品为大小不一的六块碧玺薄片,样品方向切片一致,均垂直于C轴。样品颜色比较相近,为褐色—褐绿色系列,且透明度很好。为了更细致地分析垂直于C轴碧玺的红外光谱谱学特征,本次实验采用了两种方法对样品进行了测试(直接透射法和镜面反射法),所用测试仪器为傅立叶变换红外光谱仪(Nicolet 550型),测试中设定的分辨率为16,扫描次数为32,透射法扫描范围为6000~2000 cm-1,反射法扫描范围为2000~400cm-1。

2 采用直接透射法对碧玺样品进行红外测试

透射法表现出2000cm-1以下波数范围全吸收,仅能测出部分中红外区(6000~2000 cm-1 )和近红外区内的由O—H,N—H,C—H 等官能团引起的基频、合频及倍频振动,测不到碧玺指纹区的重要信息。在测试过程中,分成两个波数段对样品进行测试,即6000~2000 cm-1段和2000~400 cm-1段。由于透射法测得的2000~400 cm-1的指纹区信息不可取,故最后采用6000~2000 cm-1的红外图谱进行分析。其测试结果如图1和图2所示:

由图1、图2的官能团区的红外光谱可见,垂直于C轴的六个碧玺样品的红外吸收峰的位置和强度基本相似,这与它们的颜色近似有关,同时也说明同一方向碧玺的官能团区特征基本相同。以样品bx-5的红外光谱为例,详细分析垂直于C轴方向的3000~6000 cm-1的红外吸收峰,其具有如下特征:

(1) 3000~3800 cm-1区的3020 cm-1、3333 cm-1、3493 cm-1、3597 cm-1、3686 cm-1为(OH)-的振动吸收峰,这个谱带强度很大,与Cristiane等[1]对Li-Fe 电气石系列中(OH)-的归属保持一致;

(2) 4200~4600 cm-1区的4167 cm-1、4206 cm-1、4345 cm-1、4441 cm-1、4541 cm-1、4594 cm-1吸收峰为硅氧四面体中Si-O伸缩振动峰与(OH)-的振动吸收峰的组合频,碧玺中(OH)-有两种形式[2],一种是纯羟基,另一种形式为水的羟基,图1、图2红外图谱中所有样品均在5175 cm-1处有吸收,此谱峰为水的弯曲振动和伸缩振动的组合频,说明电气石体内含有水分子。

4 采用镜面反射法对碧玺样品进行红外测试

鉴于上面透射法红外测试透射不能表征宝石矿物晶体(或分子) 的结构,获得的结构信息十分有限,即不能测试2000cm-1以下的指纹区信息,这里采用镜面反射法来补充碧玺指纹区的红外信息。在透射法测试结果的基础上,针对指纹区信息,镜面反射测试时仅就2000~400cm-1对样品进行了测试,其测试结果如图3和图4所示:

由图3和图4碧玺的指纹区信息可见,六个垂直于C轴样品的指纹区的红外吸收峰的位置和强度也基本相似,这与它们具有相似的颜色一致,且与它们具有同一方向一致。仍选取样品bx-5的红外光谱为例,详细分析垂直于C轴方向的2000~400 cm-1的红外吸收峰,其具有如下特征:

(1) 700~850 cm-1区的720cm-1、796 cm-1、844 cm-1为Si-O-Si的振动吸收峰,与张良钜[3]测得Si-O-Si的振动区(700~790cm-1)基本一致,其中720cm-1吸收峰较强,796 cm-1较弱;

(2)980~1100cm-1区的988 cm-1、1028 cm-1、1057 cm-1、1110 cm-1为O-Si-O的振动吸收峰,其中1057 cm-1吸收峰很弱,其他均较强,表明碧玺垂直于C轴方向Si-O振动很强。

(3) 1299 cm-1、1346 cm-1为(BO3)3- 振动吸收峰,另外还有511 cm-1、520 cm-1、589 cm-1吸收峰也是由(BO3)3-振动引起的,吸收峰均较强。

4 结论

综上所述,垂直于C轴的碧玺的红外光谱特征主要体现在(OH)- 的振动、硅氧四面体中Si-O伸缩振动、水的弯曲振动和伸缩振动及(BO3)3- 振动。同一方向的碧玺具有几乎相同的红外光谱谱学特征,它们振动峰的位置和强度也相似,这可能与它们相近的颜色有一定关系。此外,根据红外光谱振动强度可以看出碧玺垂直于C轴方向Si-O很强,这与其岛状结构有关。然而,以上分析只是对碧玺红外光谱单方面的归纳总结,有待进一步与平行于C轴的碧玺的红外光谱进行进一步的比较研究。

参考文献

[1]Cristiane Castaneda,Sigrid G Eeckhout,Geraldo Magela daCosta.Effect of heat treatment on tourmaline f rom Brazil[J].Phys Chem Minerals,2006,33(3):207-216.

[2]彭明生,王后裕.电气石中水的振动谱学研究及其意义[J].矿物学报,1995,15(4):372-377.

特征吸收光谱 篇10

进行遥感影像彩色合成时, 方案的选择十分重要。以陆地卫星Landsat的TM图像为例, 当4, 3, 2波段分别赋予红, 绿, 蓝颜色进行彩色合成时, 这一合成方案就是标准假彩色合成, 是一种常用的合成方案。实际应用时, 常常根据不同的应用目的, 在实验中进行分析、调试, 寻找最佳合成方案, 以达到最好的目视效果。

波段的选择必须遵循三个原则:一是三个波段的信息量要最大化;二是三个波段的相关性最小化;三是目标地物与其他地物要有很好的可分性。工作中, 选取的方法有:方差、标准差、相关系数法、最佳指数 (OIF) 法、熵与联合熵、平均梯度法、典型地物波谱特征分析。本文基于TM图像的光谱特征浅谈了上述的六种选取方法方法。

1 TM图像的光谱特征及图像预处理

1.1 TM图像的光谱特征

由表1可知, TM1、2、3波段处于可见光区域, TM4为近红外波段, TM5、7为中红外波段, 而TM6为热红外波段。

1.2 图像的预处理

图像预处理包括几何校正、大气校正和去除坏线条带。几何纠正需要从三个方面来实现:一是选取地面控制点;二是进行像元坐标变换;三是是像元亮度值的重采样。大气校正主要采用波段对比法和直方图对比法来实现。坏线条带成像时, 由于检测系统某一扫描线上故障造成扫描线脱落, 在图像上只显示一条黑线, 有时也会出现分段黑线, 这些均称条带噪声。去除条带的方法是用条带上行和下行的均值来代替。

2 最佳波段选取的方法

2.1 方差、标准差

方差、标准差, 均反映亮度值作为随机变量取值的离散程度, 即变量与均值的偏差程度。方差是所有像元亮度值和均值之差的平均平方值。其公式如 (1) 表示:

式中, n为像元的总个数, Xi为各像元的灰度值。

方差的平方根值就是标准差, 其公式如 (2) 表示:

标准差越小, 图像中像元亮度值就越集中于某个中心值;反之, 其标准差越大, 亮度值就越分散。标准差是普遍应用于数字图像处理的一个统计值, 如现行对比度增强、相似分类法以及精度评估等。所以方差和标准差越大, 说明像元亮度值分布离散, 信息量越大。

2.2 相关系数法

相关系数反映了不同变量间的相关程度, 其值由两个变量间的协方差以及各自的标准差决定着, 公式如 (3) 表示:

式中, rij为两个波段的相关系数, σ2ij为两个波段的协方差的平方, σii和σjj为两波段各自的标准差。

相关系数一般介于-1到1之间, 如果两波段的相关系数大于0, 则说明两个波段间, 一个波段的亮度值增加会引起另一个波段上亮度的增加, 相关系数接近1, 这种依赖性越明显。所以相关系数值越小, 信息的冗余度就越小。

2.3 最佳指数法 (OIF)

OIF指数是Chavezetal最早提出来的, 它是用来计算任意三个波段组合后所反映的信息量。OIF与某一个波段内的标准差的大小成正比关系, 与波段间的相关系数成反比关系。具体来说就是通过比较选择的三个波段标准差之和及这三个波段间相关系数之和的大小来判断最佳组合。最佳组合要满足的客观条件就是波段间相关系数之和最小以及波段标准差之和最大。计算公式如 (4) 表示:

式中, Si为第i波段的标准差, rij为i、j波段的相关系数, j=1, 2, 3, 且i≠j, 这是在数据统计分析的基础上选择相关系数小、标准差大的数据。所以OIF值越大, 3个波段的选择就越合适。

2.4 熵与联合熵

由于一个波段辐射量方差的大小体现了信息量的大小, 因此, 在选择波段时, 我们要尽可能选择方差大的波段。波段间辐射的相关性大的时候, 那么这些波段包含的信息就会重复, 因此在选择最佳波段组合时, 必须要同时满足方差大相关性小这两个条件。保证组合后的图像的熵最大。

式中:x为输入的图像变量;Pi为图像灰度值的概率。由此可知, 3个波段的联合熵为:

式中:Pi1, i2, i3表示3个图像灰度值得联合概率。依据这个公式, 可以对所有可能的波段组合进行联合熵计算, 并按照从大到小的顺序列成表格, 最佳波段的组合就一目了然。

2.5 平均梯度

平均梯度指图像的边界或影线两侧附近灰度有明显差异, 即灰度变化率大, 这种变化率的大小可用来表示图像清晰度。它反映了图像微小细节反差变化的速率, 表征图像的相对清晰程度。其公式如 (7) 表示:

式中:D (i, j) 为图像的第i行j列的灰度值;M, N分别是图像的总行数和总列数。所以说, 平均梯度的值越大, 遥感图像越清晰。

2.6 典型地物波谱特征分析

地物的反射、吸收、发射电磁波的强度是随波长而变化的。因此, 人们往往以波谱曲线的形式表示地物波谱特征, 简称地物波谱或地物光谱。

图1表示四种典型地物的光谱反射率曲线, 其形态差异很大。四种地物在可见光谱段内反射率差异十分明显, 分别呈现蓝白、浅黄、绿、暗灰色。严格来说, 每条曲线不应是一条, 而是呈带状的。这是因为在一个特定的类型中, 光谱反射率也是有变化的。图中的曲线是通过测量大量样品综合而成的, 它仅代表平均反射率曲线。因此, 将不同的地物波谱曲线融合到一张曲线图内, 就能挑选出那些波段的组合能够更轻易地区分图像。

3 结论

为了能够轻易地进行图像解译、分析、信息提取, 最佳波段组合应运而生。其主要原理就是围绕波段组合的三大原则:一是信息量;二是相关性;三是可分性。在实际操作中, 不可能同时运用以上六种方法来选择最佳波段组合, 而是选用其中的两种或者三种, 然后进行人机交互解译分析。即省时间, 又能提高效率。

摘要：在波段选择上, 最大限度地区分和监测不同类型的地球资源是必要的。基于TM的7个波段, 最佳波段的选取使图像的解译、分析、信息提取达到最佳效果。本文遵循最佳波段的选取原则:一是波段包含的信息量最大化;二是各波段之间的“重复度”、“冗余度”最小化;三是对图像的可分性最强化。浅谈了包括方差、标准差;相关系数法;最佳指数 (OIF) 法等在内的六种方法对波段组合提供的科学依据。

关键词：波段选取,选取原则,选取方法

参考文献

[1]年波, 等.植被遥感信息提取的最佳波段选择——以云岭中部山区为例[J].云南地理环境研究, 2004, 16 (2) :18-21.

[2]戴昌达, 等.遥感图像应用处理与分析[M].北京:清华大学出版社, 2004.

[3]官凤英, 等.基于ETM+影像竹林信息提取的最佳波段组合研究[J].竹子研究汇刊, 2009, 28 (3) :10-13.

[4]李石华, 等.多光谱遥感数据最佳波段选择方法实验研究[J].云南地理环境研究, 2005, 17 (6) :29-33

[5]施拥军.森林遥感分类技术研究-以浙西北山区为例[D].北京:中国博士硕士优秀论文数据库, 2003.

[6]陆灯盛, 等.TM图像的光谱信息分析及特征信息提取[J].环境遥感, 1991, 4 (4) :267-274.