荧光光谱学在象牙与猛犸象牙鉴定上的应用

利用红外光谱仪及荧光分光光度计对象牙和猛犸象牙样品进行测试,通过对测试结果的比对、分析,总结二者的谱图特点,旨在探索更准确的象牙与猛犸象牙的检测方法.猛犸象牙内部由于受石化作用小,其红外光谱与象牙的没有本质区别,因此红外光谱仪在象牙饰品与猛犸象牙饰品的检测上难以提供准确信息.荧光光谱的测试结果显示,在280 nm波长光的激发下,由于象牙和猛犸象牙中的氨基酸在微环境及其质量分数不同,象牙的发射光谱峰值在307 nm处,猛犸象牙的发射光谱峰值在315 nm处,且象牙的荧光强度高于猛犸象牙.同步荧光光谱测试中△λ分别取15,60 nm,分别测试样品中的酪氨酸、色氨酸,测试结果显示两类牙质测试图谱谱形一致但强度差异明显,即荧光分光光度计在象牙和猛犸象牙的检测上可提供有效的信息.     

一种仿海蓝宝石（染色石英岩）的特征分析

近期,北京北大宝石鉴定中心在日常检验中陆续收到了一些自称是“海蓝宝石”的样品,尤以素面,刻面手串常见.采用常规仪器对该样品的折射率,密度,硬度等参数进行检测.结果表明,该送检样品的折射率约为1.54,相对密度为2.66,摩氏硬度为7.虽然样品的颜色,外观,密度,硬度都与海蓝宝石的接近,但其放大观察特征与海蓝宝石的略有不同.为了确定其真伪,采用傅里叶变换红外光谱仪对样品进行了测试分析.结果表明,该样品是由石英组成,为染色石英岩.该仿制品虽然在外观上与海蓝宝石很相似,常规宝石学参数也相似,但是其放大观察特征与海蓝宝石有所区别.建议检验机构在对海蓝宝石的鉴定中应重点观察其放大特征及偏光镜下特征,如果发现疑点,应引起警惕,采取其它手段进一步测试.     

昌化田黄的矿物学特征及其与田黄的区别

对昌化田黄和田黄进行了红外光谱（IR）、X射线粉末衍射（XRD）、扫描电子显微镜（SEM）和激光剥蚀等离子质谱（LA-ICP-MS）测试,以获得两者的矿物学和地球化学特征,并对比研究它们之间的差别.研究表明,昌化田黄主要由地开石或者高岭石组成,而田黄主要由地开石、珍珠陶石或者伊利石组成.田黄和昌化田黄样品中均可含有少量的硫磷铝锶矿.有的昌化田黄中存在微量明矾石,其石皮中含有微量石英.昌化田黄中的地开石晶体颗粒为自形半自形结构,集合体呈书本状叠置排列;田黄中的地开石大多为他形结构,晶体颗粒在三维空间无序堆叠.田黄中P,V,Cr,Ga和Sr元素的质量分数低于昌化田黄,而Rb元素的质量分数明显高于昌化田黄.V-Rb,Cr-Rb,Ga-Rb元素投点图可区分昌化田黄和田黄品种.另外,昌化田黄石皮中Mg,Cr,Fe和Sn元素的质量分数高于其石肉.昌化田黄和田黄皆为轻稀土富集,重稀土亏损.昌化田黄比田黄的REE富集程度高.当所测主要矿物组成为非地开石,如珍珠陶石或者伊利石时,可能为田黄;如为高岭石时,可能为昌化田黄.当所测主要矿物组成为地开石时,两者皆有可能.矿物组成测试结合微量元素的质量分数和微形貌特征可对田黄和昌化田黄进行产地鉴别.     

基于线性光谱模型的混合像元分解高性能计算研究

混合像元分解是遥感技术向定量化、精细化发展的重要技术,是关系到地物精细分类的重要操作环节,而线性光谱模型确实是目前解决混合像元问题的有效策略.针对高光谱遥感影像数据量大,混合像元分解计算耗时长的问题,提出了一种基于CUDA的高光谱遥感端元投影向量法实现方法.在分析高光谱图像端元投影向量法串行算法的基础上,建立了在CUDA架构下以像元点为基准产生相应的进程数,每个进程负责一单位像元点的计算方式.实验结果表明,将该方法应用于实际的高光谱遥感影像的混合像元中,可极大地提高传统中央处理器(CPU)的运算效率.     

黄河景电灌区土壤盐渍化反演的多模型对比北大核心CSCD

位于中国西北干旱区东部的景电灌区是黄河景泰川电力提灌二期工程覆盖的重要地区。不合理的水资源利用和区内排水不畅导致该区成为次生盐渍化发生的重点区域。为更好地预测景电灌区的土壤盐渍化问题,服务盐渍化防治和盐渍土改良的国家需求,基于地表实测高光谱反射率和土壤电导率数据,从模型稳定性、噪声问题、共线性问题和准确度4个方面对比分析了深度神经网络(Deep neural network,DNN)、分布式随机森林(Distributed random forest,DRF)和梯度提升机(Gradient boosting machine,GBM)3个模型在景电灌区土壤盐分预测方面的适用性。结果表明:(1)实测高光谱反射率数据与土壤电导率之间存在较强的相关性,高光谱数据为土壤盐分预测研究提供了便利;(2)DNN模型的稳定性高,对噪声和共线性问题的处理能力更强,模拟准确度相对较高,而DRF和GBM模型模拟结果差别较小。DNN模型更适于景电灌区土壤盐分预测研究,这在模型适用性方面为该区域的土壤盐渍化研究提供了参考。     

基于机载高光谱影像的农田尺度土壤有机碳密度制图

准确监测土壤有机碳密度SOCD(Soil Organic Carbon Density)对调控土壤碳汇、合理利用土壤资源具有重要意义。机载高光谱影像为精细化SOCD制图提供了重要数据源。由于机载高光谱在数据收集过程中易受到外部因素的影响,光谱中存在噪声影响SOCD的估算精度。因此,本研究旨在探究基于机载高光谱影像估算SOCD的技术流程。对原始光谱进行预处理,包括一阶微分FD(First Derivative)和包络线去除CR(Continuum Removal)变换。采用遗传算法GA(Genetic Algorithm)选择特征波段,并结合不同回归方法,如偏最小二乘回归PLSR(Partial Least Square Regression)、多元线性回归MLR(Multiple Linear Regression)、支持向量机SVM(Support Vector Machine)和人工神经网络ANN(Artificial Neural Network)估算SOCD。结果表明,在经过GA特征波段选择后,原始光谱、FD光谱和CR光谱预测SOCD的精度均有所提高。使用原始光谱特征波段,PL...     

基于多方向自适应感知网络的高光谱遥感图像分类

高光谱遥感能够同步获取目标场景的光谱数据和空间图像,满足对目标物体成分组成和形貌特征的探测需求,已被广泛应用于精准农业、地质勘察、环境监测和生物医学等领域。近几年,得益于优秀的空谱信息表征能力,基于卷积神经网络的高光谱图像分类方法取得了优于传统方法的分类精度。然而,基于一定规则和固定方形窗口的卷积运算无法满足不同对象、不同分布的空谱特征提取需求,当像素位于类别边缘时该模式无法避免其他类别的无关信息,导致类别间的信息扩散以及跨类别像素的误分和错分。针对上述问题,本文提出了一种基于多方向自适应感知的高光谱图像空谱联合分类方法,并通过联合不同邻域范围的空谱上下文信息来改善模型的局部空谱建模能力。具体研究过程如下：首先,将常规卷积网络的全窗口滤波器拆分为不同方向的半窗滤波器,从而设计出侧窗卷积以捕捉具有方向性的空谱特征;然后,在此基础上进一步将不同方向的侧窗滤波核整合到统一的卷积架构中构造空谱分离多方向卷积,并设计方向自适应感知模块,以密集连接构建基于高光谱图像的多方向自适应感知分类网络,赋予模型自适应学习多种空谱结构特征的能力,弥补常规卷积和侧窗卷积只能建模单一方向空谱关系的不足,提升模型对...     

陡坡路堤土工格栅加筋机制与合理铺设参数研究

土工格栅加筋作用机理复杂,测试难度大,结合土工格栅加筋陡坡路堤工程,开展了现场变形监测,并针对土工格栅特点,用非线性有限元方法进行了数值计算。试验和计算分析表明：铺设土工格栅能有效地限制路堤沉降与坡脚水平位移,保证路堤的稳定性。数值计算结果与现场监测结果吻合较好,据此分析了土工格栅长度、弹性模量及铺设间距与路堤变形的关系,土工格栅弹性模量越大,加筋效果越好。有效而经济的土工格栅长度是6.5 m,铺设间距是0.6 m。     

浆固碎石桩成桩注浆影响范围现场试验研究

浆固碎石桩作为一种新型桩基技术,不仅具有一般刚性桩的桩体置换作用,而且能改善桩周土的力学性质,从而可有效地提高复合地基的承载力及减小沉降变形。通过现场进行成桩前后的桩周土性质研究,验证了注浆对桩周土性质的改善作用,得出成桩时注浆影响范围及分布规律。针对黏性土中浆固碎石桩浆液挤密作用,按平面轴对称问题分析了塑性区边界条件及内部单元体的平衡条件,提出浆固碎石桩浆液影响范围的计算公式。理论公式计算结果与原位测试结果较为符合,从而验证了计算方法的合理性,这对浆固碎石桩的注浆加固具有一定的指导意义。     

基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究

以塔里木盆地北缘绿洲--渭干河-库车河三角洲绿洲为例,借助ENVI遥感软件,利用ETM+数据,探讨了该绿洲土壤盐渍化信息提取的方法.传统的遥感图像分类方法多数在解决问题上存在精度不高、分类效率较低、不确定性强的缺陷,所以,选择好的分类方法对于提取盐渍化信息是至关重要的.近年来,将SVM应用于遥感图像分类已成为新的发展趋势.文章提出了基于纹理特征的支持向量机(Support Vector Machine,SVM)的分类方法,得出以下结论:分别结合3×3,5×5,7×7,9×9,11×11,13×13窗口纹理特征和光谱的SVM分类精度都很高,达到93%以上.并且在验证分类精度时,发现结合光谱和9×9窗口纹理信息的SVM分类的结果更符合实际情况.所以说加入纹理特征后使得光谱信息比较接近的3类地物(重度、中度、轻度盐渍地)的区分性增大,从而使精度提高.因此,基于纹理特征的SVM分类方法更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径.