飞跃引入“利剑”应对欧盟“绿色壁垒”

5月中旬，为应对“欧盟环保指令”，飞跃加大投入，从德国引进X荧光光谱仪，专用于对产品及其部件进行受限元素分析检测。     

光电光谱法对冶炼过程中钢铁成分的快速分析

光电光谱仪在冶金与有色金属冶炼控制、冶炼工艺中占有重要地位。在光电光谱分析中，一般用光谱分析标准样品绘制永久工作曲线，用控样来校正试样同标样之间因组织状态不同而引起的偏差，以提高分析准确度。但是，光谱定量分析也有其局限性，它是一种相对分析方法，需要一套标准样品作参考。本文提出用美国Baird公司的光电直读光谱仪对工厂冶金炉前钢水快速分析。该方法具有操作简便、分析快速、精密度较好、准确度较高等优点。     

欧洲航天局加强与印度在月球任务方面的合作

2005年3月17日，欧洲航天局(ESA)委员会就参与印度空间研究组织(ISRO)的首项月球任务Chandrayaan-1的合作达成一致协议。Chandrayaan-1任务是印度在星际空间科学领域的首次冒险。在所达成的协议项下，ESA将提供3件设备：CIXS-2——Chandrayaan-1任务X射线成像光谱仪；SARA——次千伏原子反射分析仪(a SubkeV Atom Relecting Analyzer)：SIR-2——近红外光谱仪。     

基于高光谱曲线的马铃薯与其他主要作物光谱差异性分析

[目的]文章以马铃薯关键生长期——结薯期为测量时点,以马铃薯和玉米、大豆、水稻为研究对象,开展高光谱曲线特征差异性研究。[方法]为更好地描述马铃薯与其他作物的光谱差异,创建高光谱反射率差异性指数、高光谱一阶导数差异性指数、高光谱红边幅值差异性指数、高光谱曲率差异性指数及高光谱植被指数差异性指数。[结果](1)马铃薯与玉米、大豆、水稻3种作物光谱曲线具有明显差异,马铃薯与玉米的反射率值在480nm附近蓝色波段位置差异最显著,差异性指数值为67.866%,与大豆、水稻的最大差异性指数值分别为49.068%、57.559%,均位于550nm附近绿色波峰位置;(2)作物光谱曲线经一阶导数变换运算,马铃薯与其他作物间的光谱差异被显著放大,在近红外波段放大程度最显著;(3)马铃薯与玉米、大豆、水稻高光谱曲率差异性指数最大值均位于波长750nm附近,差异性指数值分别为78.365%、63.471%、80.882%;(4)常用植被指数中,比值植被指数、增强型植被指数可显著区分马铃薯与玉米、大豆、水稻。[结论]差异性分析结果为农作物空间分布遥感识别提供了技术支撑。     

茶包装的色彩设计

17世纪中期，英国科学家牛顿发现太阳的白光通过三棱玻璃镜的折射后，被分解为红、橙、黄、绿、青、蓝、紫等色彩鲜明的光谱，并证明光谱上的任何一种色光都不可能再次进行分解。之后，法国化学家夫鲁尔与斐尔德认为蓝是青与紫之间的色彩，所以改为红、橙、黄、绿、青、紫六个标准色，从此色彩学都采用六标准色。英国科学家布列略特则按一定的比例混合红、黄、蓝三种颜料，可以产     

基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。     

近红外光谱仪用于检测热稳定绝缘纸氮含量

通过对含有热稳定剂的热稳定绝缘纸进行加速老化制备出不同氮含量的热稳定绝缘纸,利用近红外光谱结合偏最小二乘法建立热稳定绝缘纸中氮含量的预测模型,并用验证集样品对该预测模型进行验证,验证集相关系数RP大于0.9,RMSEP为2.135 6。研究表明,该方法应用近红外光谱技术可以较好地检测热稳定绝缘纸中氮的含量,对于稳定绝缘纸老化寿命评估具有重要意义。