土壤磷素是植物最重要养分之一。 磷素在土壤中动态性强, 检测困难, 在可见-近红外光谱范围没有明显吸收波段, 因此研究基于其他光谱手段的磷素快速检测方法对于发展精细农业和智慧农业具有重要意义。 拉曼光谱具有受水分干扰小, 样本预处理小、 与红外光谱信息互补等特点, 国内外很多学者尝试了应用拉曼光谱对土壤磷素的检测。 但是, 拉曼信号弱, 稳定性差, 制约了拉曼光谱在土壤检测方面的应用。 为进一步弄清拉曼光谱与磷素的定量关系, 采用水溶性磷（KH2PO4）为研究对象, 研究了不同磷浓度的KH2PO4溶液对拉曼光谱产生的影响。 采用移动平均（MA）、 MA+基线校正（BL）、 MA+标准正态变量（SNV）、 MA+多元散射校正（MSC）对原始光谱（RS）进行预处理, 分析了低浓度（0.02~5 g·L-1）与高浓度（5.21~93.87 g·L-1）区间KH2PO4拉曼光谱的变异特性及其与磷浓度之间的关系, 建立了磷浓度含量的预测模型。 结果表明: （1）低浓度区间与高浓度区间光谱的变异系数具有显著差异, 高浓度区间光谱的离散程度较大; （2）低浓度区间的拉曼光谱未检测到明显的拉曼波峰, 浓度变化展现了明显的基线变化。 偏最小二乘（PLSR）模型决定系数R2=0.28~0.36; （3）高浓度区间的拉曼光谱在863与1 070 cm-1处检测到明显的拉曼波峰, PLSR建模结果为R2=0.65~0.7。 MA+SNV、 MA+MSC处理比MA单独处理模型预测精度高, 说明磷酸根的拉曼特征峰为模型主要贡献因子; （4）使用全浓度区间PLSR建模可增加PLSR模型精度（R2=0.73~0.89）。 使用RS建模的精度最高, 说明基线漂移对PLSR结果具有积极作用; （5）通过PLSR回归系数, 选取645、 863、 1 070和1 412 cm-1四点波段建立多元线性回归（MLR）模型, 决定系数R2接近1。 说明特征峰选取可以滤除背景光干扰, 抽取有效磷酸根浓度信号。 （6）由以上结果可知, 利用拉曼光谱定量检测水溶性磷的含量是可行的, 降低背景光干扰、 提高拉曼信号的稳定性的同时, 开发特征波段选择方法、 提高模型可重复性及抗干扰能力是高分辨率拉曼光谱检测技术的关键。

为了快速、 准确的检测北方寒地水稻叶片的磷素含量， 分析水稻的长势情况， 为精准施肥以及稻田的科学管理提供依据， 以北方寒地水稻为研究对象， 以小区实验为基础， 使用海洋光学HR 2000+光谱仪获取水稻叶片高光谱反射率数据， 采用钒钼黄比色法对水稻叶片磷素含量进行测定。 采用SG平滑与多元散射校正（MSC）两种方法对水稻叶片高光谱数据进行预处理， 并将预处理后的光谱数据使用连续投影法（SPA）与无信息变量消除法（UVE）两种算法进行特征选择。 采用SPA算法筛选得到的特征共有11个， 其中位于可见光波段处的有6个， 分别为411、 420、 428、 442、 467和689 nm; 近红外波段处有5个， 分别为797、 850、 866、 965和976 nm; UVE算法筛选得到的特征共47个， 均位于可见光波段范围内， 分布在405~603 nm之间。 分别将这两种方法筛选出的特征波段的反射率作为输入， 构建极限学习机（ELM）， BP神经网络以及狼群算法优化的BP神经网络（WPA-BP）三种水稻叶片磷素含量反演模型并加以分析。 结果表明: 以UVE算法筛选的特征反射率为输入量构建的三种模型的验证集R2在0.705 2~0.724 5之间， RMSE在0.017 4~0.020 4之间; 在相同的反演模型的条件下， 使用SPA算法筛选的特征反射率为输入量构建的模型预测效果更好， 三种模型的验证集R2在0.726 4~0.829 3之间， RMSE在0.018 0~0.021 1之间; 另外， 在利用这两种算法筛选到的特征进行建模时， 对比三种模型的预测结果发现， 经过狼群算法优化后的BP神经网络模型的精度明显高于极限学习机和BP神经网络， 其验证集的决定系数R2为0.803 4， RMSE为0.018 0。 鉴于此， 结合连续投影算法和狼群算法优化后的BP神经网络模型在北方寒地水稻叶片磷素含量高光谱反演中具有一定的优势， 可作为水稻叶片磷素含量的检测以及精准定量施肥的参考和借鉴。

为了降低沟槽MOSFET器件导通电阻, 提出了在传统沟槽MOSFET器件体区注入N型杂质的方案, 优化了体区杂质浓度分布, 从而降低导通电阻。经仿真验证, 选择N+源区注入后注入砷, 在能量为300 keV, 剂量为7×1012 cm-2条件下, 特征导通电阻能降低13%, 阈值电压降低218%; 选择接触孔刻蚀后注入磷, 在能量为100 keV, 剂量为4×1012 cm-2条件下, 特征导通电阻降低43%, 阈值电压几乎不变。

为了实现红外波段的双频带完美吸收，采用将不同电子掺杂浓度的单层带状黑磷在同一平面内交错排列的方法，进行了理论分析和仿真模拟，得到了此器件在红外波段的吸收光谱和传感性能。结果表明，此吸收体可以在波长2 μm~5 μm的红外波段范围内实现双频带的完美吸收（吸收率大于99.9%）,此高吸收率是由于入射光波与器件满足了临界耦合条件而形成了共振加强; 在共振波长处，光波被限制在黑磷附近; 此超材料吸收体的双频带特性在其作为传感器使用时具有独特的优势，可以提高传感器的可靠性和准确性; 吸收波峰的偏移量与覆盖在此器件上的未知物质的折射率基本呈线性关系，用此器件测得的未知物质的折射率与实际的折射率的误差在1%以内。该超材料吸收体结构简单，对制作工艺的尺寸精确度要求不高，在红外波段的多频带吸收和传感检测方面将会有广泛的应用。

为了改善磷建筑石膏强度低、韧性差的不良特性，本文在磷建筑石膏基复合材料中掺入不同直径和掺量的聚乙烯醇纤维，通过试验分析探究聚乙烯醇纤维对磷建筑石膏基复合材料工作性能和力学性能的影响。结果表明，聚乙烯醇纤维的掺入能够显著降低浆体的流动度和缩短浆体的凝结时间。同时，聚乙烯醇纤维的掺入可以显著提高复合材料的力学强度，当纤维直径为15 μm、体积掺量为1.6%时，复合材料的力学性能最佳，抗折强度、抗压强度、抗弯强度和抗拉强度分别为10.071、13.25、10.73和2.89 MPa。此外，通过SEM对材料结构的微观形貌进行观察，聚乙烯醇纤维能够分散在磷建筑石膏的孔隙和裂缝中，使复合材料的内部结构更加密实，提高了复合材料的力学性能。

磷基负极材料具有较高的理论容量和中等的氧化还原电位，且原料在储量和成本方面有极大的优势，因此其在钠、锂离子电池负极材料方面具有重要的应用前景。但红磷由于极低的电子电导率和过大的体积膨胀导致电化学活性衰减速度快，循环性能差，而黑磷导电性可达105 S/m，结构致密导致其本征倍率性能较差，两者的缺点限制了单质磷作为负极材料的实际应用。通过向单质磷中引入少量金属元素可以形成性质独特的金属富磷化物MPx (x≥2)，一方面可以通过金属元素电子注入实现金属富磷化物电子导电性的跨越式提升，另一方面还可以形成较为空旷的晶体结构提供更快的反应动力学并有效地抑制体积膨胀，因此兼具高容量和优异电子/离子输运特性的金属富磷化物MPx是极具潜力的钠、锂离子电池负极材料。主要综述了金属富磷化物材料的组成结构特点，重点阐述金属富磷化物在储能机理和改性策略方面的最新进展。

本文以CaCl2与KH2PO4为原料, Na2EDTA·2H2O为螯合剂, 通过NH3·H2O调节溶液pH值, 系统研究了水热釜填充度(16%~64%)与溶液pH值(3.5~6.0)对水热法制备钛表面钙磷涂层形貌和物相的影响。结果表明: 当pH值为3.5和4.0时, 涂层在所研究填充度的范围内主要为三斜结构(P1)的板块状磷酸氢钙(DCPA); 当pH值为4.5和5.0时, 低填充度有利于形成六方结构(P63/m)的蒲公英状羟基磷灰石(HAP), 并随填充度的提高, 涂层由蒲公英状HAP逐渐转变为板块状DCPA; 当pH值为5.5和6.0时, 涂层在所研究填充度的范围内主要为蒲公英状HAP, HAP的结晶度随填充度的提高逐渐增加, 而随pH值的升高蒲公英状HAP的直径逐渐减小。另外, 本文获得的单相HAP涂层、单相DCPA涂层和(HAP+DCPA)两相混合涂层的润湿性均显著优于钛表面, 这将有助于植体的骨整合。同时, 本文也探究了不同钙磷涂层的反应机理。

水是维系生命与健康的基本需求, 人类的生产、 生活都离不开水。 水体中氮磷的超标导致水中营养元素过剩从而水体富营养化, 进而水质恶化甚至造成大范围的影响。 高光谱遥感在内陆水质监测领域的应用越来越广泛, 研究以此为基础, 为减少室外水体特异性因素影响, 通过实验室模拟外界条件搭建实验室实验系统, 并根据国家排放标准分别配制浓度范围在0～2.5 mg·L-1 的40个不同浓度梯度的磷酸钠标准溶液和浓度范围在0～20 mg·L-1 的40个不同浓度梯度氯化铵标准溶液。 获取所有标准溶液的高光谱图像, 对水质参数总磷、 总氮的光谱响应进行了分析, 找出其对应的敏感波段分别在420、 720 nm附近和410 nm附近。 利用主成分分析(PCA)建立高光谱水质反演数据集, 对高光谱图像作辐射定标、 Savitzky-Golay滤波(SG滤波)预处理并利用BP人工神经网络分别构建实验室高光谱总磷、 总氮反演模型, 构建的实验室高光谱总磷反演模型的决定系数为0.980 2, 实验室高光谱总氮反演模型的决定系数为0.860 2。 以江苏宜兴市内某河道为研究对象, 将该模型应用到室外无人机搭载高光谱成像系统获取到的室外高光谱图像数据, 分散选取五个点分别计算结果, 得到总磷、 总氮浓度均值的反演精度分别为95.00%和93.52%。 利用传统方法直接在待测河道观测点取水构建的室外高光谱水质反演模型反演相同五个点得到的总磷、 总氮浓度均值的反演精度分别为86.87%和86.48%。 两组反演结果对比, 发现本研究构建的实验室高光谱水质反演模型得到的光谱反演结果中90%的反演精度略高于室外水质反演模型的反演精度, 证实该研究可对待测河道内总磷、 总氮的含量进行有效预测, 也可为水体总磷、 总氮高光谱遥感反演提供一定技术支持。