基于图卷积神经网络的脑力负荷识别

针对生理信号特征提取过程依赖于先验知识，且传统深度学习算法不考虑通道间耦合关系的问题，构建了基于图卷积神经网络的脑力负荷识别模型。数据集包含多通道连续采集的近红外光谱，分别计算基于互信息、锁相值和皮尔森相关系数的连通性矩阵来反映通道间的内在联系，并将近红外光谱和连通性矩阵组成图结构输入到图卷积神经网络。实验结果表明，该模型具有良好的抽象特征提取能力，在输入中融合通道间相关性系数有助于提升脑力负荷的识别精度，且连通性矩阵的可视化结果表明大脑额叶区对脑力负荷变化较敏感。     

陆地晴空水汽柱含量的MODIS反演方法研究

基于红外辐射传输方程,结合反演水汽的差分吸收技术和传统的通道比值法,利用中心波长均位于940 nm附近的MODIS水汽吸收通道(17通道和18通道)的比值对垂直大气柱水汽总含量进行反演.在地基水汽观测点区域,利用新方法对卫星反演结果与微波辐射计观测数据进行比较并加以修正,修正后的新方法的反演精度和微波辐射计相当,两者相关系数R=88.2%,标准偏差SD=0.29 cm.同时,选择台湾海峡作为研究区域,通过2008年7月24日的近红外MODIS资料,运用新的通道比值法进行水汽含量的反演加以验证,并和MOD07产品进行了比较,两者相关系数R=88.1%,标准偏差SD=0.36 cm.结果表明修正后的新通道比值法的结果比传统的通道比值法精度有一定提高.     

耦合植被指数改进水分利用效率气孔导度遥感模型

水分利用效率(WUE)是深入理解生态系统碳-水循环耦合关系的重要指标，改进融合环境因子与遥感参数的WUE直接估算方法，对于评价陆地生态系统碳-水循环耦合与气候的交互具有重要的科学意义。研究针对中分辨率成像光谱仪(MODIS)遥感产品间接估算WUE精度低以及气孔导度模型(也称分析模型)适用性有限的问题，改进温带落叶阔叶林生态系统WUE的直接估算。在分析现有估算方法不确定性来源的基础上，分析了生态系统WUE及其主要调控因子的季节变化特征，进一步分析探讨了WUE对遥感监测植被覆盖以及冠层结构因子的线性和非线性响应，提出耦合遥感植被覆盖和冠层结构因子的WUE分析模型改进方案。结果表明，改进的WUEan×ScaledNDVI模型拓展了分析模型在8 d尺度的适用性，也对单因子线性模型实现了提升，在植被密度较高的森林站点，改进模型比原模型精度提升了36.98%，比MODIS间接估算WUE精度提高了31.00%。改进的分析模型弥补了8 d尺度WUE估算能力和适用性上的不足，也提升了基于植被覆盖和冠层结构因子的单因子模型的性能。     

近红外光谱技术在林业领域的应用

近红外光谱技术是一种快速、准确、无损、高通量、低成本的分析技术，广泛应用于林业领域。在木材性质检测方面，近红外光谱技术对于木材力学特征及化学成分含量等检测都有较高的准确性；在经济林产品品质分析方面，则主要用于反映林业产品的化学组分及含量、口感及硬度等直接和间接性状，对经济林产品品质及林木遗传育种的研究有较好应用前景；在林木分类鉴别应用方面，近红外光谱能够鉴别不同树种及种源，乃至反映树龄信息，在多物种模型中应用效果更好；近红外光谱还能够有效区分多物种的正常植物体与染病植物体，可在林木病虫害研究及生物检疫方面发挥作用。此外，近红外光谱还能应用于预测森林凋落物分解速率、预测土壤成分含量等。笔者分析了近红外光谱在林业科研和生产实际应用中的影响因素，包括样品状态、样本集特征等内在因素，以及预处理、波长选择、建模方式、硬件条件等外在因素对最终模型稳定性和准确度产生的影响。总结认为，近红外光谱技术引入林业研究后大大提高了林业样品检测效率，实现了绿色无损的高通量检测，对林地现场快速测量及林木遗传育种有极好的适应性，对促进林业产业的发展意义重大。     

基于代表率与投票机制的分类方法监测片剂包衣终点的研究

利用近红外技术,建立了一种基于代表率和投票机制的分类方法监测片剂包衣终点。首先,采用系统聚类对各包衣时间点样本均值进行聚类,建立分类模型;然后,用本文提出的代表率对各时间点样本进行模型验证,通过代表率验证均值聚类模型,明确模型的有效性和可行性;最后,用训练模型预测各时间点样本类别,通过投票机制获得各时间点最终投票结果,弥补了系统聚类无模型预测的不足,也可避免个别样本导致的错误判断。经实验数据验证:代表率最低的是T100M,为73.33%;最高的是T130M,为100.00%;平均代表率为86.77%。投票结果得出第一批测试数据和第二批测试数据的包衣终点分别为1T130M、2T132M,另外投票机制还能监测其他时间点的包衣过程。     

SPA-H钢的光谱分析方法

介绍了某钢业有限公司开发生产耐候钢过程中,采用真空直读光谱仪检测分析的方法,通过加强对仪器调校确保分析性能,加强炼钢工艺控制均匀钢液化学成分,同时加强试验样品从取样、制样到检测分析中重要环节的控制,使光谱仪分析SPA-H钢做到分析数据及时准确,满足SPA-H的生产需要。     

基于活性成分筛选及近红外快检技术的车前草含量研究

利用网络药理学筛选车前草的有效活性成分，采取高效液相色谱法建立指标性成分大车前苷含量测定的方法，将含量作为参比，借助偏最小二乘回归算法建立车前草大车前苷的定量校正模型，并对未知样品中大车前苷含量进行预测.结果显示，网络药理学筛选出排名靠前的活性成分有木犀草素、黄芩素、大车前苷、羟基木犀草素和高车前素.近红外检测的大车前苷定标标准偏差、相对分析误差、交叉检验标准误差、校正模型的决定系数、交叉验证相对分析误差和相关系数分别为0.043、7.030、0.265、0.600、1.140和0.993.本研究建立的模型检测速度快、效率高、结果可靠，可用于车前草大车前苷的质量控制.