针对宽波段吸光度直接反演温度的测温方法，数值仿真分析了300~2000 K温度范围内光谱噪声独立作用、光谱参数误差独立作用和二者综合作用对温度反演精度的影响。在光谱噪声单独作用下，以±0.005幅值噪声为一倍噪声，添加幅值从±0.005增加至±0.1的光谱噪声。当噪声幅值为±0.1时，温度的最大标准差为46.58 K@1700 K，为达到小于10 K的标准差，需将光谱噪声幅值控制在±0.02以内。在光谱参数误差单独作用下，分别对可标定的强吸收线和不可标定的弱吸收线的光谱参数添加1%和10%~50%的误差，温度最大标准差为7.77 K@1300 K（1%和40%的误差组合），其中线强误差对温度反演的影响较大，故应尽量将线强标定误差控制在1%以内。在光谱噪声和光谱参数误差的综合作用下，光谱噪声对测温精度的影响更大，在实际测量过程中获得信噪比较好的吸收信号可减小光谱噪声带来的影响。

可见光和近红外（Vis-NIR）光谱仪是一种实用的工具，可用于替代土壤物理和化学分析以评估土壤性质。最佳波段组合算法是一种通过考虑波段之间的相互作用信息来提取光谱变量的有效方法，但是对于实验室Vis-NIR光谱数据，该方法易受“维数灾难”的影响。提出一种适当地降低光谱配置（减少光谱带的数量和粗化光谱分辨率），以提高计算效率且不会显著影响预测精度的方法。首先，构建了6个光谱配置，即光谱波段的数量从2001个减小到19个，光谱分辨率从3 nm增加至100 nm，并且光谱采样间隔等于光谱分辨率（均匀间隔采样）。然后，通过偏最小二乘回归结合最佳波段组合算法预测不同光谱配置下土壤有机质（SOM）和电导率（EC）的最佳光谱参数。结果表明：直到光谱分辨率为60 nm时（每个光谱32个波长），最佳波段组合算法与全波段光谱数据相比，可以提高预测精度。最佳波段组合算法在1~20 nm光谱分辨率下，预测精度没有显著差异（约为2%）；SOM［（决定系数Rv2等于0.77，均方根误差（RMSE_P）等于0.325％，性能四分位数范围的比率（RPIQ_v）等于3］和EC（Rv2等于0.70，RMSE_P等于6.88 dS·m^-1，RPIQ_v等于2.21）分别在20 nm和10 nm的光谱分辨率下获得了最佳预测性能。

气体分子吸收谱线的光谱参数是影响吸收光谱测量精度的重要因素, 分子光谱数据库中收录的光谱参数大都具有较大的不确定度, 用以测量气体温度等参数时会产生较大的测量误差。 为了获得可用于燃烧场诊断的H2O谱线的光谱参数, 采用时分复用技术, 在温度、 压强和H2O组分浓度可控的环境中对1.4 μm附近的吸收光谱开展了研究。 对7 185.60和7 454.45 cm-1两条H2O谱线的线强度、 展宽系数及其温度指数等光谱参数进行测量, 实验结果表明, 两条谱线的线强度测量值与数据库中的值偏差分别小于2.61%和4.65%, 不确定度都小于4%。

水体受石油污染日趋广泛, 给人类及生态环境带来严重威胁。 快速、 准确和可靠地监测水体石油污染状况, 对于理解其环境行为和评估人体暴露风险至关重要。 石油类组分往往具备较好的光谱响应, 然而基于光谱技术快速监测实际石油烃污染水体却鲜有报道。 该研究以典型石油污染场地的地下水和地表水为对象, 在全面分析水质电导率、 总有机碳, Cl-, NO-3, SO2-4, Na+, K+, Mg2+, Ca2+, NH+4, 挥发性有机物和石油烃C6-C9, C10-C14, C15-C28, C29-C40浓度基础上, 对水体样品进行紫外-可见光光谱、 同步荧光光谱、 三维荧光光谱表征, 采用多元数据分析手段评估光谱技术在石油污染场地快速识别应用的可能性。 结果表明: ①紫外-可见光光谱和同步荧光光谱参数表明, 污染的地下水中含有大量芳香族化合物, 且有机物分子结构复杂, 含有大量的羟基、 羰基、 羧基和酯类等取代基, 三维荧光光谱参数表明污染水体中有机物经过了长时间的生物转化, 说明污染地下水中有机物稳定性强, 降解性差; ②三维荧光光谱图表现出Ⅰ和Ⅳ区明显的荧光峰, Ⅴ区存在肩峰的水体主要是苯系物污染, 而三维荧光光谱图表现出Ⅱ和Ⅳ区明显的荧光峰, Ⅰ区存在肩峰的水体主要是萘系物污染, 三维荧光光谱图表现出Ⅱ区最高荧光峰, Ⅰ, Ⅲ, Ⅳ和Ⅴ都存在肩峰的水体主要是萘系物和菲系物污染; ③石油烃C6-C9组分浓度可采用紫外-可见光光谱参数S308～363, SUVA254和三维荧光光谱中Ⅰ区体积快速指示, 石油烃C10-C14组分和总石油烃(TPH)浓度可采用三维荧光光谱中Ⅳ区体积快速指示, 石油烃C15-C28和C29-C40组分浓度可采用三维荧光光谱中Ⅰ区体积快速指示。 研究证实利用光谱参数结合多元数据分析可对石油污染水体进行快速识别, 为地下水石油污染监测和修复提供了一种全新的快速在线监测分析方法。

分子光谱参数是红外辐射计算的基础数据,目前国内还没有类似HITRAN数据库的气体光谱数据库,在国家数值风洞工程的支持下,本文开发了高温空气光谱参数计算代码,目的是为目标红外辐射计算提供支持。NO是高超声速飞行器高温空气流场中的主要化学反应产物之一,其振转能级跃迁产生的辐射处于红外探测器的典型波段。本文基于ab initio计算的NO分子分裂后的分子势和永久偶极矩,计算了NO分子的线强度(温度达到了8000 K);在300 K和3000 K温度下,目前的理论计算结果与HITRAN数据库中的数据符合得非常好;本文还采用窄带模型计算了296 K和2000 K温度下NO分子X 2Π1/2态的吸收系数。目前所用方法可以不借助实验光谱常数,使低振动态和高振动态都得到比HITRAN数据库更多的线位置,可为国家数值风洞目标辐射特性计算提供NO分子高温光谱数据。

基于高分辨率可调谐二极管激光吸收光谱仪(TDLAS)和长程怀特吸收池搭建了一套高分辨率、光程可调吸收光谱测量系统,采用直接吸收光谱技术测量了1.51 μm 波段(6608～6624.3 cm-1) 水分子室温下的吸收光谱。利用非线性拟合程序,获得了57条水分子吸收谱线的线位置、线强和自展宽系数,并与HITRAN 2016数据库中的相应数据进行了比较,结果表明整体实验数据与HITRAN 2016符合较好,证明该光谱测量系统适用于水分子吸收谱线参数研究。

对马铃薯关键生育期的高光谱遥感图像进行特征提取和分析, 提出了一种快速区分不同马铃薯品种的方法。 以两个早熟和中熟马铃薯品种为研究对象, 采集其块茎形成期、 块茎膨大期和淀粉积累期的冠层反射光谱曲线, 对实测反射光谱曲线进行Savitzky-Golay滤波平滑和一阶微分处理, 以高光谱位置参数、 振幅参数、 面积参数、 宽度参数和反射率参数为研究指标, 根据21个高光谱特征参数的贡献率大小, 评价了其区分不同马铃薯品种的优劣。 结果表明: (1)同一类高光谱特征参数在不同生育期区分马铃薯品种的能力不同: 高光谱位置参数、 宽度参数和反射率参数在块茎膨大期区分不同马铃薯品种的能力最强, 淀粉积累期次之; 高光谱振幅参数和面积参数在淀粉积累期的区分能力最强, 块茎膨大期次之, 五类高光谱特征参数在块茎形成期的区分能力均最差。 (2)同一生育期5类高光谱特征参数区分马铃薯品种的能力也存在差异。 在块茎形成期, 五类高光谱特征参数的区分能力从强到弱依次为: 反射率参数>振幅参数>面积参数>宽度参数>位置参数; 在块茎膨大期和淀粉积累期, 从强到弱依次为: 面积参数>振幅参数>反射率参数>宽度参数>位置参数。 综合能力从强到弱依次为: 面积参数>振幅参数>反射率参数>宽度参数>位置参数。

采用顶部籽晶提拉法(TSSG)生长了钬铥双掺钨酸镱钾(KHo0.04Tm0.06Yb0.9(WO4)2)激光晶体。测试了该晶体的吸收及荧光光谱, 计算了其光谱参数。实验结果表明: 该晶体在890~1 000 nm范围吸收带较宽, 半峰宽为90 nm, 计算了主峰1 000 nm处吸收截面为16.92×10-20 cm2; Tm3+在1 690~1 812 nm范围存在较宽的吸收带, 半峰宽为118 nm, 易于实现Yb→Ho、Yb→Tm、Tm→Ho的能量传递。根据Judd-Ofelt理论, 计算了该晶体的光谱强度参数。根据Tm3+、Ho3+、Yb3+离子能级图, 讨论了产生1 750~2 200 nm荧光发射的3种能量传递方式。最后计算了主峰2 030 nm处受激发射截面为3.47×10-20 cm2, 表明该晶体可作为2 μm波段优异的激光增益介质。

通过静电纺丝技术获得直径约为700 nm, 均匀且随机取向的亚微米级Eu(DBM)3Phen/PMMA纤维。在紫外光辐射下, 亚微米级荧光纤维发出明亮的红色荧光。其激发光谱表明, 荧光纤维有效激发波长范围为200～400 nm。利用积分球配以CCD 探测器, 在367 nm长波紫外LED激发下对荧光纤维开展绝对光谱功率测试。当LED泵浦功率为535.76 μW时, 厚度80 μm的Eu(DBM)3Phen/PMMA纤维薄层对紫外辐射的吸收率高达89%, 350～850 nm范围内发射的总绝对光谱功率、总光子数和总荧光量子产率分别为36.56 μW、11.46×1013 cps和12.94%。亚微米级Eu(DBM)3Phen/PMMA纤维薄层中, Eu3+较高的跃迁发射几率及较大的发射截面使得纤维可以高效吸收紫外辐射并转变为可见光, 在提高太阳能电池光电转换效率方面具有潜在应用价值。

在华北潮土上种植不同绿肥, 于绿肥翻压前原位采集其地上部及土壤样品, 进行56d的绿肥翻压模拟试验。 设毛叶苕子(Vicia villosa Roth.)、 二月兰(Orychophragmus Violaceus L.)、 黑麦(Secale cereale L.)三个绿肥处理和无绿肥对照处理, 分析培养过程中土壤可溶性有机物（DOM）组分及其紫外-可见光谱参数的变化, 以探究绿肥对土壤DOM的影响。 种植和翻压绿肥增加土壤可溶性有机碳（DOC）、 总有机酸碳（TOAs）和总碳水化合物碳（TCs）含量, 三者的变化趋势一致, 各处理均在培养第1 d上升至峰值后迅速下降。 毛叶苕子提高DOC和TOAs的效果最好, 最高比对照增加114.01%（培养第1d）和109.10%（培养第14 d）。 黑麦提高TCs的效果最好, 最高比对照增加323.18%（培养第42 d）。 种植和翻压绿肥增加土壤可溶性有机氮（DON）含量, 与DOC变化趋势不同, 各处理在培养第1 d上升后迅速下降一段时间后又迅速上升。 毛叶苕子提高DON的效果最好, 最高比对照增加305.83%（培养第42d）。 绿肥增加了SUVA254, SUVA260, SUVA272, SUVA280, SAUC240-400, 降低了A250/A365和A240/A420。 紫外-可见光谱参数的主成分分析显示SUVA254, SUVA260, SUVA272, SUVA280间有很高正相关性, A250/A365和A240/A420间亦有很高正相关性, SAUC240-400是这些参数中表征DOM性质的关键因子。 综上结果表明, 种植翻压绿肥增加了土壤DOM含量, 提高了土壤DOM的芳香性、 疏水性、 腐殖化程度、 平均分子量, 增加了土壤DOM的稳定性。