光谱学与光谱学分析范文1
本文介绍了拉曼光谱和利用化学计量学方法处理拉曼光谱的过程，简述了拉曼光谱应用于纺织纤维检测的可行性，最后介绍了本单位在应用拉曼光谱和化学计量学进行纤维检测方向的初期研究成果。
关键词：拉曼光谱；化学计量学；纤维检测
1 拉曼光谱的简介
印度物理学家C.V.Raman于1928年发现拉曼光谱并因此荣获诺贝尔物理奖。自此以后，拉曼光谱作为一种分子级别的物质结构分析手段被广泛应用。特别是在20世纪60年代后，随着高通量激光光源的产生、微弱信号检测技术的提高、化学计量学的高速发展和计算机的普及，拉曼光谱分析技术在很多领域得到了大力发展[1]。
拉曼散射是光照射到物质上发生的非弹性散射所产生的。单色光的入射光子与分子相互作用时可发生弹性碰撞和非弹性碰撞。弹性碰撞中，光子与分子之间没有能量交换，碰撞的发生只改变了光子的方向而不改变光子的频率，这种碰撞方式也称为瑞利散射。而非弹性碰撞过程中，光子不仅仅改变运动方向，同时光子的一部分能量传递给分子，或者分子的振动、转动能量传递给光子，从而改变了光子的频率，这种散射过程称为拉曼散射[2]。拉曼散射光和瑞利光的频率之差值称为拉曼位移。拉曼位移就是分子振动或转动频率，与入射频率无关，而与分子结构有关。拉曼光谱与红外光谱类似，同属于散射光谱中的一种，其信号来源于分子的振动与转动。但红外光谱与分子振动时的偶极矩变化相关，而拉曼散射则是分子极化率变化的结果。分子结构分析中，拉曼光谱与红外光谱是相互补充的[2， 3]。
拉曼光谱是一种振动光谱，与物质自身的结构相关，拉曼光谱技术对样品无接触、无损伤，测试前无须特殊前处理过程，可提供快速、简便无损伤的定性定量分析。在分析研究领域，拉曼光谱与其他分析方法相比，还具有以下的突出优点[4-6]：
（1）无损、快速、无污染。拉曼光谱是一种纯粹的光学检测方法，其分析过程无须制样、不破坏样品、不产生污染；分析过程快速，重现性好。
（2）检测灵敏度较高。新开发的激光拉曼分析技术和多种联用拉曼光谱技术，如显微拉曼光谱技术、表面增强拉曼光谱技术等，大大提高了拉曼光谱的探测灵敏度。
（3）不受水的影响。由于水的拉曼散射很微弱，适合含水样品的测试，对含水样品来说是非常理想的分析工具。
（4）高分辨率。拉曼光谱谱峰清晰尖锐，适合定量研究、数据库搜索以及运用差异分析进行定性研究。在化学结构分析中，独立的拉曼区间的强度可以和功能集团的数量相关。
2 国内外拉曼光谱技术发展状况及其在纺织纤维检测中的应用
随着拉曼光谱技术的迅速发展以及与化学计量学的紧密结合，拉曼光谱越来越多地被应用于过程监控、反应机理研究、材料分析等方面[7]。拉曼光谱技术除了应用于众多的科研项目外，还被广泛应用于医药、环境、食品、宝石鉴定等快速分析检测领域。康颐璞等[8]利用电解法制备银膜，使用在氯霉素拉曼光谱中，可快速检测出食品中残留的对人体骨髓有重大伤害的氯霉素。陶家友等[9]直接测量居室环境中的甲醛分子产生的拉曼光谱，快速测定了密闭环境中的甲醛浓度，为挥发性有机物的快速、准确检测提供了一种新方法。马寒露等[10]使用便携式拉曼光谱仪，结合化学计量学的方法，较好地鉴别了苹果汁中掺入梨汁的造假行为，建立了鉴别方法，为其他掺伪问题的解决提供了借鉴。
除了上述的分析检测领域，纺织品纤维成分定性鉴别和定量分析也是拉曼光谱分析技术应用的另一热点。棉、麻、毛、丝等大多数天然纤维及再生纤维素纤维等都具有较显著的吸湿性能，一小部分合成纤维的吸湿性能也较显著，若应用红外光谱法进行检测，须进行一定的前处理才能得到较好的结果，而由于拉曼光谱对水分子不敏感，且拥有上述优点，拉曼光谱不需要繁琐的前处理过程，被视为未来纺织纤维材料检测的一种新手段。乔西娅等[11]通过直接测取织物、纱线或纤维的激光拉曼光谱，结合光谱预处理技术与特征峰提取、匹配识别方法定性鉴别了涤纶、腈纶、锦纶、粘胶等纤维，并利用94份测试样品验证了其算法的有效性。吴俭俭[12]等针对当前纤维定性鉴别方法存在的缺点，开发拉曼光谱定性鉴别方法，通过对纺织纤维原始拉曼谱图的特性分析、光谱预处理等得到了信噪比更高的标准拉曼谱图，建立了拉曼谱图特征表数据库，初步验证了拉曼光谱定性分析纤维纺织材料的可行性。
3 化学计量学在拉曼光谱中的应用
拉曼光谱技术引入分析化学领域以来，以其独特的优势吸引了分析化学家的注意。拉曼光谱虽从实验中较易得到，但其反映的分子振动信息是以一种复杂的形式加和在一起，因此给拉曼光谱的解析带来了很大困难。随着化学计量学的引入，大大地降低了提取物质相关信息的难度，使拉曼光谱分析技术的应用范围得到了拓宽。为了得到有效的拉曼光谱，使所建的模型稳健可靠，有足够的预见性，在进行数据分析前须对实验所得到的拉曼光谱进行预处理，预处理过程包括信号平滑和背景扣除两部分。
3.1 拉曼光谱的信号平滑算法
拉曼光谱获取的过程中，由于拉曼散射效应信号微弱、仪器自身设计和操作者水平等原因，采集得到的拉曼光谱或多或少都会存在噪声。噪声是无用信息，还会对有效信息造成干扰。噪声可分为三类：第一类是没有规律的，与测量技术和环境影响相关，多次测量叠加后取平均值时噪声没有线性增加，可通过增加测量次数提高信噪比；第二类是有规律的，随着测量次数的增加，噪声也增加；第三类是前两种的结合，即无规律噪声。拉曼光谱中某些样品的光谱漂移就是第三类情况。化学计量学上常用信号平滑来消除随机噪声，提高信噪比。信号平滑算法主要有窗口移动多项式最小二乘拟合[13-16]、窗口移动中位数[17， 18]、快速傅里叶变换、惩罚最小二乘[19]、小波系数收缩[20]等算法。
3.2 拉曼光谱的背景扣除算法
对拉曼光谱影响最大的背景，就是荧光响应，为了有效地提取数据信息进行多变量定性定量分析，在预处理时要先将无用的背景扣除。扣除背景分为硬扣除和软扣除两种。硬扣除指的是改进实验仪器性能或操作条件，如更换波长更大的激发光源、对不同的样品采取不同的试验条件等；软扣除指的是利用化学计量学方法扣除拉曼光谱的荧光背景，常用于扣除背景的算法有手动线性背景拟合法[21]、不对称最小二乘法[22]、全自动背景扣除算法[23]和自适应迭代重加权惩罚最小二乘算法[24]等。
3.3 聚类与分类算法（定性鉴别）
在光谱预处理完成后，就对数据进行分类，也就是常说的定性鉴别，在化学计量学上称这种方法为聚类与分类法。聚类是研究样品分类问题的一种统计分析方法。拉曼光谱数据通过化学计量学方法进行聚类或者分类分析建立模型，对新测定的样品数据进行已知类样本模型比对，以预测位置样品的类归属。聚类与分类算法常有以下几种算法：主成分分析[25]、偏最小二乘线性判别式分析、偏最小二乘判别分析[26]等。
3.4 回归分析（定量分析）
在定性鉴别完成后，可以进一步对样品进行定量分析。化学计量学常用回归分析算法进行定量计算，就是根据聚类与分类的结果，对数据信号进行深入处理，建立一个数据回归规律模型，以对其他未知数据进行定量分析，概括来讲就是用一个函数来表示应变量和自变量之间的关系。回归分析按照其自变量的多少，可以分为一元回归分析和多元线性回归分析；按照自变量和应变量的关系可以分为线性回归和非线性回归。不论是何种回归分析，基本都包含以下步骤：回归模型的建立、模型参数的求解、模型的评价、能很好模拟实测数据的模型选择、根据自变量对新样品的进一步预测。常用的回归算法有主成分回归[27， 28]、偏最小二乘回归[29]和支持向量回归[30]。
4 应用前景及研究进展
当前，分析测试技术受到越来越多的关注与重视，随着各种新型材料的出现，传统的检测手段在一定程度上难以适应新的要求。目前行业内常用的纤维鉴别方法有显微镜观察法、燃烧法、化学溶解法等，但这些方法耗时长，不适宜现场快速鉴定。而拉曼光谱是反映分子极化率变化与振动信息的一种散射光谱，不同的纺织纤维具有不同的拉曼光谱特征，可以利用这些特征结合其他定性鉴别的方法区分纤维种类。
本单位以开发床上用品纤维成分现场检验鉴定技术为目的，利用美国必达泰克公司（B&W Tek， Inc.）的便携式拉曼光谱仪i-Raman EX对超过1000个纯棉、纯涤样品进行测试。全部样品谱图通过Matlab进行信号平滑和背景扣除的数据预处理。通过对各种预处理方法的比较，我们认为运用自适应迭代重加权惩罚最小二乘算法对样品数据进行预处理可以得到最大限度保留样本光谱有效信息的数据，棉和涤纶的拉曼光谱图如图1和图2所示。
图1 预处理前（左）后（右）纯棉样品拉曼谱图
图2 预处理前（左）后（右）涤纶样品拉曼谱图
预处理之后的光谱包含有织物的特征信息，我们将大量的数据混合后通过主成分分析、偏最小二乘线性判别式分析、偏最小二乘判别分析等聚类与分类计算，尝试将它们分类，也就是我们常说的纤维成分定性。我们发现运用主成分分析法能很好地将纯棉和纯涤的混合光谱聚类分离，如图3所示，红色表示纯棉样品，黑色表示纯涤样品。结果表明，运用主成分分析方法，能将光谱的有效信息充分区分，并直观显示出来。主成分分析非常适合用对纺织纤维进行定性分析。
图3 300个纯棉、纯涤混合样品主成分分析图
化学计量学方法是拉曼光谱检测技术应用发展的重要推动力量，其与拉曼光谱检测技术的结合对纺织纤维的快速、无损检测有着至关重要的作用。随着数据分析的进一步深入，拉曼光谱技术将从纺织纤维的定性鉴别应用阶段跨入定量检测应用阶段，估计在不久的将来，以拉曼光谱为核心技术的纺织纤维定性定量分析标准将会诞生。
参考文献：
[1]朱自莹， 顾仁敖，陆天虹.中国拉曼光谱研究十年（1981～1991）[J].光谱学与光谱分析， 1993，（01）：49-84.
[2]田国辉， 陈亚杰，冯清茂.拉曼光谱的发展及应用[J].化学工程师， 2008：（01）： 34-36.
[3]乔西娅. 拉曼光谱特征提取方法在定性分析中的应用[D].杭州：浙江大学，2010.
[4]程光煦.拉曼、布里渊散射： 原理及应用[M].北京： 科学出版社，2001：120.
[5]白利涛， 张丽萍，赵国文.拉曼光谱的应用及进展[J].福建分析测试， 2011，（02）： 27-30.
[6]宫衍香， 吕刚，马传涛.拉曼光谱及其在现代科技中的应用[J].现代物理知识， 2006，（01）： 24-28.
[7] 黄海平， 田英芬， 何尚锦， 等. 拉曼光谱在高分子中的应用新进展[J]. 热固性树脂， 2001， （02）： 38-44.
[8]康颐璞， 司民真，刘仁明.氯霉素在电解法制备纳米银膜上的表面增强拉曼光谱的研究[J].光散射学报， 2009，（01）： 25-28.
[9] 陶家友， 黄鹰， 廖高华，等. 甲醛浓度的激光拉曼光谱检测研究[J]. 光散射学报， 2008， （04）： 346-349.
[10] 马寒露， 董英， 张孝芳， 等. 拉曼光谱法快速检测掺入梨汁的浓缩苹果汁[J]. 分析测试学报， 2009， （05）： 535-538.
[11]乔西娅， 戴连奎，吴俭俭.拉曼光谱特征提取在化学纤维定性鉴别中的应用[J].光谱学与光谱分析， 2010，（04）： 975-978.
[12] 吴俭俭， 孙国君， 戴连奎， 等. 纺织纤维拉曼光谱定性分析法[J]. 纺织学报， 2011， （06）： 28-33.
[13]Gorry， P.A. General least-squares smoothing and differentiation by the convolution （Savitzky-Golay） method[J]. Analytical Chemistry， 1990， 62（6）： 570-573.
[14]Madden， ments on the Savitzky-Golay convolution method for least-squares-fit smoothing and differentiation of digital data[J]. Analytical Chemistry， 1978， 50（9）： 1383-1386.
[15]Savitzky， A. and M.J.E. Golay.Smoothing and Differentiation of Data by Simplified Least Squares Procedures[J]. Analytical Chemistry， 1964，36（8）： 1627-1639.
[16]Steinier， J.， Y. Termonia， and J. Deltour， Smoothing and differentiation of data by simplified least square procedure[J]. Analytical Chemistry， 1972，44（11）： 1906-1909.
[17]尼珍， 胡昌勤，冯芳.近红外光谱分析中光谱预处理方法的作用及其发展[J].药物分析杂志， 2008，（05）： 824-829.
[18] 夏俊芳， 李培武， 李小昱，等. 不同预处理对近红外光谱检测脐橙VC含量的影响[J]. 农业机械学报， 2007， （06）： 107-111.
[19]Eilers， P.H.C.. A Perfect Smoother[J]. Analytical Chemistry， 2003，75（14）： 3631-3636.
[20] Daubechies， I.Ten lectures on wavelets[M]. SIAM， 1992.
[21]陈珊. 拉曼光谱背景扣除算法及其应用研究[D]. 长沙： 中南大学， 2011.
[22]Eilers， P.H.， H.F. Boelens. Baseline correction with asymmetric least squares smoothing[J]. Leiden University Medical Centre Report， 2005.
[23]Carlos Cobas， J.， et al.， A new general-purpose fully automatic baseline-correction procedure for 1D and 2D NMR data[J]. Journal of Magnetic Resonance， 2006，183（1）： 145-151.
[24]Zhang， Z.-M.， S. Chen， Y.-Z. Liang. Baseline correction using adaptive iteratively reweighted penalized least squares[J]. Analyst， 2010， 135（5）： 1138-1146.
[25]Wold， S.， K. Esbensen， P. Geladi.Principal component analysis[J]. Chemometrics and Intelligent Laboratory Systems， 1987，2（1–3）： 37-52.
[26]Geladi， P.， B.R. Kowalski. Partial least-squares regression： a tutorial[J]. Analytica Chimica Acta， 1986. 185（0）： 1-17.
[27]罗文海， 万巧云，高永.主成分回归分析与多元线性回归的对比研究[J].数理医药学杂志， 2003，（02）： 140-143.
[28]Jolliffe， I.T. Principal Components in Regression Analysis[J]. Principal Component Analysis， 2002： 167-198.
[29]秦浩， 林志娟， 陈景武.偏最小二乘回归原理、分析步骤及程序[J].数理医药学杂志， 2007（04）： 450-451.
光谱学与光谱学分析范文2
摘要：综述了红外光谱鉴别中药材的前处理方法、利用化学模式识别和直观判断对红外光谱谱图进行分析的方法以及近红外光谱和拉曼光谱在中药鉴别中的应用。表明红外光谱鉴别中药材具有特征性强、取样量小、简便迅速等特点，对中药材的鉴别具有重要意义。
关键词：中药鉴别；谱学，近红外线；光谱分析，拉曼；红外光谱分析
红外光谱分析是一门历史悠久并且还在不断发展着的实用技术科学，由于红外光谱具有特征性强、取样量小、简便迅速、准确等特点，各国药典都将红外光谱作为法定的药物鉴别的主要方法。中药材组成十分复杂，其红外光谱是其中多个组分红外光谱的叠加，光谱的吸收峰强度与峰形是相同或不同的官能团互相作用的结果。中药中各种化学成分只要在质和量方面相对稳定，并且样品处理方法按统一要求进行，中药材的红外光谱就应该具有一定的客观性和可重复性［2］。因此，近年来红外光谱也越来越多地应用于中药材的鉴别研究。
1 红外光谱鉴别中药材的前处理方法
11 粉末直接压片法
闫景芳等［5］采用中药粉末溴化钾直接压片法测定丹参和栽培丹参粉末的红外光谱，结果表明各种不同中药的图谱都有自身明显的差异性，尤其是在1750～1000cm－1处特征性明显。华文俊等［6］采用中药粉末溴化钾直接压片法对常用中药石斛、天竺黄、牛蒡子与伪品进行红外光谱鉴别，结果表明，3种中药与伪品的图谱都有明显的差异性，尤其是在1750～1000cm－1处特征性明显。周红涛等［7］采用药材粉末直接压片法利用傅立叶变换红外光谱仪测定不同产地的赤芍样品，结果赤芍野生品与栽培品的红外吸收频率、吸收峰的相对强度都存在比较大的差异。孙静芸等［8］采用中药粉末溴化钾直接压片法对不同来源的10个省20批商品药材，16批家种或野生药材和6个混淆品种的桑白皮进行了红外光谱分析，归纳其特征。结果表明，利用红外线指纹谱特征和相对透射率的大小较容易鉴别正品与混淆品，从而建立了简便、可靠、专属性强的红外光谱指纹图谱。王永金［9］等用溴化钾压片法测定红外光谱，对熊胆进行了鉴定。
12 溶剂提取法
溶剂提取法就是选择几种极性不同的溶剂，在适当的实验条件下，把真伪品或易混淆品药材中的化学物质按不同的极性提取出来。药材的极性一般都会在某一种或几种溶剂浸出物中出现，从而反映到红外光谱上，对药材作出鉴别。姜大成等［10］用体积分数为50％乙醇、丙酮、氯仿、石油醚4种溶剂和直接粉末压片5种处理方法对16组54种动物进行处理，实验结果表明16组药材的5种处理条件下的样品，80％的红外光谱比较都有鉴别意义，并且每组药材至少有一种条件可以达到鉴别的目的。何淑华等［4］应用50％乙醇、丙酮、氯仿处理了126种中药材，其中118种的红外光谱都有明显的差异。田进国等［11］应用石油醚、乙醚和水提取灵芝、苦地丁等30种药材样品，并分别测定其提取物的红外光谱。结果表明其红外光谱具有较高的鉴别价值。后又用同样的方法鉴别了平贝母、浙贝母、湖北贝母、伊贝母、川贝母5种贝母，苍耳子与东北苍耳子，功劳木及同属6种药用植物，北五味子野生和栽培品种，南五味子和北五味子，人参和西洋参，不同产地、品种的当归，不同产地的赤芍和白芍，延胡索和全叶延胡索［12-20］。
张文惠等［21］利用溴化钾压片法和涂膜法对南、北葶苈子的粉末及甲醇、丙酮、正己烷的浸提物分别进行了红外光谱鉴别，实验结果表明，甲醇和丙酮浸提物的红外光谱在3344、2285、2038、1515、870、792、581、460cm－1处峰形不同。因此可利用葶苈子粉末溴化钾压片法及其以丙酮、甲醇为溶剂浸提物的涂膜法配合红外光谱作为葶苈子的鉴别依据。
13 借助OMNI采样器直接测定
借助OMNI采样器直接测定药材的红外光谱，可以排除萃取法和红外制样时的不确定因素。程存归等［22］采用傅立叶变换红外光谱法，借助OMNI采样器直接测定了中药材威灵仙及其伪品华东菝葜、山木通和毛柱铁线莲的红外光谱，结果表明威灵仙及其伪品的红外光谱的特征吸收峰的差别较大，说明他们之间的主要化学成分不同，特别在指纹区，可以作为红外光谱区别鉴定的依据。程存归［23］利用此方法对艾、野艾及细叶艾进行了红外光谱测定，结果艾、野艾及细叶艾的红外光谱吸收差别较大，从而进行鉴别；对川贝母、珠贝和小东贝也进行了鉴别［24］。金文英等采用傅立叶变换红外光谱法［25］，借助OMNI采样器直接测定了中药材地骨皮及其伪品鹅绒藤和黑果枸杞的红外光谱，结果发现正伪品的红外光谱差别较大。
2 红外光谱分析
21 直观判断红外光谱的异同
主要根据红外光谱的峰数、峰位、峰形和峰的强度，以及某一波数吸收峰的有无，指纹区的面貌等进行判断。总的原则是比较红外光谱的全貌，而不是对吸收峰进行归类。曹先兰等［26］对95种矿物药280多个样品进行红外光谱的测定，结果表明，应用红外光谱法可鉴别不同种的矿物药及矿物炮制品，还可鉴别矿物药的真伪。邱泽雨等［27］对不同产地的珍珠、蟾蜍、蛤蟆油、冬虫夏草和五灵脂的红外光谱进行比较，结果表明不同产地的样品的红外光谱一致性很好，重现性也好，在特征区均有明显的宽峰吸收。对冬虫夏草和其伪品地蚕、五灵脂和其伪品泥灵脂、熊胆和其伪品以及麝香和掺假麝香的红外光谱进行比较，结果表明根据其特征区特征吸收峰可判断中药的真伪。由于牛黄制剂的增加，牛黄的需求量越来越大，而天然牛黄来源紧缺，因此，市场上不断出现假冒的天然牛黄。张汉明等［28］对猪胆结石、人胆结石、假牛黄(大黄、黄芩、黄连和黄柏制成)进行红外光谱测定，可以看出红外光谱能有效地将天然牛黄与人工牛黄、猪胆结石和人体胆结石区分开；以大黄等植物药材掺入少量面粉制成的伪品牛黄的红外光谱与天然牛黄相比更有明显的区别。王永刚等［29］利用红外光谱法鉴别羚羊角、山羊角及绵羊角。它们在1500～1000cm－1的峰形与峰位具有很大的相似性，羚羊角在1411cm-1左右有一比较尖锐的峰，而山羊角、绵羊角的红外光谱在该处无峰显示，在1384cm-1处则有一共同峰，可以准确地将羚羊角与其他两者加以鉴别。曾明等［30］对不同产地10个野葛、3个粉葛、2个食用葛及2个苦葛进行了测试，结果表明，不同产地的同种植物的红外光谱特征几乎一致，具有良好的重现性。陈黎等［31］采用红外光谱法对何首乌及其混伪品的氯仿和乙醇提取液分别进行鉴别，实验表明，在与药材对照品相同的实验条件下，红外光谱中吸收峰的位置、峰形、峰强度等特征具较强的种属特异性，可作为鉴别何首乌与混伪品的依据。
22 化学模式识别法
中药的化学成分十分复杂，每一种中药材的质量又受产地、采收期、生长年限等诸多因素的影响，所以单凭经验或专业知识来定性的分类远远不够的，随着数学与电子计算机在中药中的应用日益广泛，化学模式识别法逐步成为了中药研究中不可缺少的手段。
董彬等［32］利用聚类分析法对野生、栽培和不同产地的赤芍进行了快速的分类研究。结果表明，对赤芍的红外指纹图谱进行聚类分析，可以对野生、栽培和不同产地的赤芍进行快速鉴别。
张亮等［33］将人工神经网络用于中药材雷公藤和昆明山海棠的分类识别研究。应用误差反向传播学习算法可以对中药材雷公藤和昆明山海棠浸出物的红外光谱进行分类识别。
徐永群等［34］借助红外光谱的指纹谱特性，用主成分分析法对主产区的赤芍进行了产区聚类，用径向基函数人工神经网络法预测了赤芍的产区。结果表明，聚类结果与地理位置和气候条件有一定的相关性，与传统中医对赤芍质量的经验评价一致，说明所分产区有一定的合理性，产区预测结果较理想。
二维相关光谱可以提高分辨率，简化含有许多重叠峰的复杂光谱，是研究功能基团动态结构变化和分子内、分子间的相互作用的一种强有力手段。曹峰等［35］采用红外光谱法结合二维相关分析技术，利用真伪天麻化学成分的差异研究在热微扰过程中所引起药用植物结构变化的规律，凭借高分辨的二维谱图，用来鉴别药材的真伪，揭示两者相应各官能团的变化规律。在正品天麻和伪品芭蕉芋880～1500cm－1区域的二维相关红外谱同步谱中，正品天麻在对角线上出现了2个较强的自相关峰，它们所对应的基团振动峰的位置分别是在1237cm－1和1415cm－1处，说明这些吸收峰所对应的基团随着温度的升高变化较明显。同时，正品天麻在对角线上出现2个正交叉峰，1415cm－1处的吸收峰和1237cm－1处的吸收峰正相关。而伪品芭蕉芋则在对角线上出现了4个较强的和1个次强的自相关峰，它们所对应的基团振动峰的位置分别是在1024、1055、1194、1225、1162cm－1处，说明这些吸收峰对应的基团随着温度的升高变化较明显。伪品芭蕉芋与正品天麻不同，在对角线两边出现了许多较弱的正交叉峰。
根据中药材粉末快速鉴别的需要，徐永群等［36］提出了阵列相关系数比对法，并设计了比对程序，将其与红外光谱数据库结合起来，以增强谱图比对的置信度，用于药材的快速鉴别。他们对桔梗和白术的红外光谱进行了比对，将4000～400cm－1的红外光谱分为10段，分别计算各段吸光度的相关系数和总体相关系数，这样在两光谱的一次性比对中，既可获得整体相关系数的信息，又可获得各波段相关系数的信息，可较好地显示不同药材之间的差异，为药材的鉴别提供了一个数字化的具有可比性差异的依据，凭借这些差异就可以进行药材的鉴别和分类。
3 近红外光谱在中药鉴别中的应用
近红外光谱(NIRS)是近年迅速发展起来的一种有效简便的分析方法，其波长范围为780～2526nm(波数范围为12820～3959cm－1)，该谱区主要是含氢基团(CH、NH、OH)的倍频与合频吸收，其吸收强度低，不需对样品作任何化学处理，可直接进行分析，而漫反射技术可直接测定固体样品，无需破坏样品及制样，操作简便、快速。何淑华等［38］将近红外光谱技术与计算机结合，采用漫反射光学检测方法，对吉林省产的西洋参、人参及其炮制品红参进行分析，应用系统聚类法获得分类结果，结果令人满意。刘国林等［37］利用近红外光谱结合非线性映射技术对不同种和不同产地的蛇床子进行鉴别，显示出不同地域的蛇床子在近红外光谱上也存在一定的差异性。刘荔荔等［39］用近红外漫反射光谱法对部分羊蹄类生药进行鉴别，采用聚类分析和判别分析，分析结果与传统植物分类学结果基本一致。白芷类中药具有很高的药用、经济价值，但其鉴别比较困难，吴拥军等［40］选用8种白芷及其近缘植物的叶进行近红外光谱测定，并结合聚类分析和非线性映射技术对其进行分类。结果两种分类方法获得了相同的分类结果，与植物学分类和实际应用情况相符。刘福强［41］等用人工神经网络――近红外光谱法非破坏监测芦丁药品的质量，成功地分出合格药品和不合格药品。 转贴于 4 红外光谱与拉曼光谱配合鉴别中药
红外光谱与拉曼光谱可给出互补的信息。红外光谱检测的是分子振动时产生的偶极矩变化，因此它对极性基团较为灵敏，而拉曼光谱则对分子的形态以及极化度变化较为敏感，因此它对于非极性基团是一个很好的探头，两者结合对于中药鉴别将是非常有效的。同时，红外光谱无法测定水溶液的光谱，水在中红外区有许多吸收，严重干扰试样的测定，拉曼光谱则不受限制，以玻璃或石英为容器的水溶液试样同样可以得到满意的结果。孙素琴等［42］利用傅立叶变换近红外光谱和变换近红外傅立叶拉曼光谱对大黄(西宁大黄)与伪品大黄(华北大黄、山大黄、水根大黄)进行了无损快速鉴别。结果表明，尽管正品大黄与伪品大黄差别较小，大部分的化学成分有很大的相似之处，但在红外、拉曼谱图中各自的特征峰较突出，根据谱峰的强度和位置可将它们区别开来。
综上所述，中药红外光谱鉴别法是一种专属性强的鉴别方法，现已应用于植物药、动物药、矿物药的鉴别研究中。但是中药材是一个复杂的混合物体系，所含各化合物吸收强度的叠加，使其具有难以解析的复杂性，又因大多数药材的主体成分相似，故谱图又具有一定的相似性，如何区分这些相似而又复杂的谱图，这是方法学研究中一个关键的技术难点［36］。因此，各种解析复杂红外光谱的软件，例如化学计量学软件、比对软件等的开发和推广将会极大地推进红外光谱在中药鉴别中的应用。与此同时，正如国家药典委员会委员王健所讲，国家药典委员会最好能组织有关专家制定出一套规范的实验方法，选定合适的品种，进行系统深入的研究，使这一鉴别技术更加成熟，最终为各地药学工作者利用红外光谱进行中药质量控制提供依据。
总之，随着计算机和化学计量学在中药研究中的广泛应用，红外光谱法必将成为中药鉴别的主要方法。
参考文献：
［1］张淑良，易大年，吴天明．红外光谱分析与新技术［M］．北京：中国医药科技出版社，1993．10．
［2］姜大成，何淑华，张洁．红外光谱鉴定中药材的原理与方法［J］．中药材，1993，16(7)：42．
［3］白雁．红外光谱在中药研究中的应用［J］．山东中医药杂志，1997，16(9)：413．
［4］何淑华，张洁，曲连颖，等．中药材红外光谱鉴定方法［J］．吉林大学自然科学学报，1999，4(10)：103．
［5］闫景芳，周传昌．红外光谱法鉴别丹参的实验研究［J］．枣庄师专学报，2000，17(5)：53．
［6］华文俊，周洪雷，孙勇，等．石斛、天竺黄、牛蒡子与伪品的红外光谱比较［J］．中医药研究，2000，16(2)：53．
［7］周红涛，胡世林，冯学锋，等．不同产地赤芍的FTIR指纹图谱对比分析［J］．中草药，2002，33(9)：834．
［8］孙静芸．桑白皮与易混淆品种红外光谱指纹谱的分析［J］．中草药，2002，33(4)：355．
［9］王永金，杨泽民．红外光谱鉴定熊胆的研究［J］．沈阳药学院学报，1989，6(3)：157．
［10］姜大成，张洁．16组54种动物药材的红外光谱鉴别研究［J］．中草药，1999，30(2)：137．
［11］田进国，娄红祥，任健，等．三十种药材对照品红外光谱的研究［J］．中国药科大学学报，1996，27(1)：24．
［12］田进国，任键，娄红祥，等．五种贝母药材的红外光谱鉴别［J］．中药材，1996，19(6)：292．
［13］田进国，任键，娄红祥，等．苍耳子与东北苍耳子的红外光谱鉴别［J］．中药材，1997，20(8)：393．
［14］田进国，任键，娄红祥，等．功劳木及同属6种药用植物的红外光谱研究［J］．中国中药杂志，1998，23(5)：263．
［15］田进国，任键，娄红祥，等．北五味子野生和栽培品种的红外光谱鉴别［J］．中药材，1996，19(8)：396．
［16］田进国，娄红祥，任键，等．南、北五味子的红外光谱鉴别［J］．中药材，1995，18(6)：284．
［17］田进国，娄红祥，任键，等．人参和西洋参的红外光谱鉴别［J］．中药材，1996，19(2)：70．
［18］田进国，娄红祥，任键，等．不同产地、品种当归的红外光谱鉴别［J］．中药材，1995，18(9)：451．
［19］田进国，娄红祥，任键，等．不同产地白芍和赤芍的红外光谱鉴别［J］．中药材，1995，18(4)：176．
［20］田进国，陈永林，任键，等．延胡索与全叶延胡索的红外光谱鉴别［J］．中国中药杂志，1999，24(6)：327．
［21］张文惠，汪国华，吴毅，等．葶苈子的红外光谱鉴别［J］．江西中医学院学报，2001，13(2)：68．
［22］程存归，韩涛，腾云龙，等．威灵仙及其伪品的FTIR法直接鉴定［J］．光谱实验室，2002，19(2)：177．
［23］程存归，刘鹏，陈宗良，等．艾、野艾及细叶艾的FTIR直接鉴别［J］．中药材，2002，25(5)：315．
［24］程存归，郭水良，陈宗良，等．FTIR直接测定法对川贝母和珠贝、小东贝的区别鉴定［J］．中草药，2002，33(3)：262．
［25］金文英，程存归，吴兰菊，等．FTIR直接鉴别地骨皮及其伪品的研究［J］．四川中医，2003，21(2)：21．
［26］曹先兰，李维贤，李非，等．矿物中药鉴定的新方法［J］．中成药，1990，12(10)：11．
［27］邱泽雨，郭允珍．中药红外光谱鉴别方法的研究［J］．中成药，1989，11(8)：16．
［28］张汉明，李松林，王勇，等．真伪牛黄的红外光谱鉴别［J］．第二军医大学学报，1991，12(4)：376．
［29］王永刚，张文惠，吴毅．红外光谱法鉴别羚羊角、山羊角及绵羊角［J］．中药材，2001，24(9)：639．
［30］曾明，张汉明，郑水庆，等．葛根及同属植物根的红外光谱鉴定［J］．中药材，1998，21(8)：392．
［31］陈黎，陈吉炎，何建国，等．何首乌及其混伪品的红外光谱鉴别［J］．中药材，1999，22(4)：182．
［32］董彬，孙素琴，周红涛，等．红外光谱和聚类分析法无损快速鉴别赤芍［J］．光谱学与光谱分析，2002，22(2)：232．
［33］张亮，蓝要武，韩英，等．人工神经网络用于中药材雷公藤和昆明山海棠的分类识别研究［J］．药学学报，1995，30(2)：127．
［34］徐永群，英昊，周群，等．红外指纹图谱和聚类分析法在赤芍产域分类鉴别中的应用［J］．分析化学，2003，31(1)：5．
［35］曹峰，周群，孙素琴．真伪天麻二维相关红外光谱法的鉴别研究［J］．现代仪器，2002，4：19．
［36］徐永群，诸建，秦竹，等．中药材红外光谱阵列相关系数比对程度的设计与检验［J］．计算机与应用化学，2002，19(3)：223．
［37］何淑华，孙瑞岩，任玉秋，等．近红外漫反射光谱法对吉林人参的分类探讨［J］．吉林大学自然科学学报，2001，1：96．
［38］刘国林，蔡金娜，李伟，等．近红外光谱技术在中药蛇床子分类中的应用［J］．计算机与应用化学，2000，17(2)：109．
［39］刘荔荔，原源，陈万生，等．近红外漫反射光谱法在羊蹄类生药分类中的应用［J］．中草药，2001，32(11)：1024．
［40］吴拥军，李伟，相秉仁，等．近红外光谱技术用于白芷类中药的鉴定研究［J］．中药材，2001，24(1)：26．
光谱学与光谱学分析范文3
关键词：光谱分析法；原理；特点；土壤污染监测
一、光谱分析的基本原理
光是一种电磁波，具有波粒二相性。光的干涉、衍射与偏振等现象显示它的波动性，而光电效应、康普顿效应和黑体辐射等则显示它的粒子性。光的波动性常用三个基本参量，即波长（λ）、频率（ν）和光速（c）来描述，三者的关系是：λν= c，c 为光在真空中的传播速率。整个电磁波包括无线电波、微波、红外光、可见光、紫外光、X 射线、γ射线等，各种电磁波谱的波长和频率以及所具有的能量各不相同，而且产生各种谱域电磁波谱的机理也不相同，由此就产生了不同的光谱分析方法。光谱的波长、强度和谱型是光谱分析的三要素，根据特征谱线的波长可进行定性分析，利用光谱的强度与浓度的定量关系可进行定量分析，而根据谱型可了解主要量子跃迁类型和光谱产生的内在规律。
二、光谱分析法的分类和特点
根据电磁波与物质的相互作用不同，光谱法可以分为三种基本类型：吸收光谱法、发射光谱法和散射光谱法。
吸收光谱是物质吸收相应的辐射能而产生的信息，其产生的必要条件是所提供的辐射能量恰好满足该吸收物质两能级间跃迁所需的能量。具有较大能量的γ射线可被原子核吸收，X 射线可被原子内层电子吸收，紫外和可见光可以被原子和分子的外层电子吸收，红外光可产生分子的振动光谱，微波和射频可产生转动光谱。所以，根据物质对不同波长的辐射能的吸收，可以建立各种吸收光谱法。总的来说，根据其所在光谱区不同，吸收光谱法可以分为穆斯堡尔谱法、紫外和可见分光光度法、原子吸收光谱分析法、红外分光光度法、顺磁共振法、核磁共振法等。发射光谱可分为三种类型：光致发光、以及化学（生物）发光有关以上发射光谱的特点总结于表 1 中：
三、光谱分析法在土壤污染监测中的应用
1.光谱分析法用于分析监测土壤中的重金属污染物
测定土壤中镉和锌等重金属通常的方法包括火焰原子吸收光谱法（FAAS），电热原子吸收光谱法（ETAAS），电感耦合等离子体原子发射光谱法（ICP-OES）和电感耦合等离子体质谱法（ICP-MS）。在这些方法中，ICP 和ETAAS 技术是最灵敏的方法，FAAS 是最常用的方法之一，因为相对来说，它的分析成本更低。通常的样品消解方法主要是干灰化或者湿法酸加热。有很多加热体系都可以用于样品消解，比如说沙浴、电热板加热和微波加热等。在样品分析中，像湿法消解和干灰化等消解程序是最耗时的步骤。这些程序既费时又耗力，而且很容易引入其它污染物质。采用密闭微波消解时，分析时间大大缩短，试剂用量减少，引入污染的风险减小，而且能够很好地避免挥发性待测物的损失。
值得注意的是土壤的化学和物理结构极其复杂，所以测定其中的痕量元素比较困难。土壤中各种高含量的难溶硅酸盐物质给溶样和随后的测定工作带来很大的不便。用 FAAS 和 ICP-OES 分析土样最大的困难就是溶样问题。很多种酸都有被尝试用来消解土壤样品，比如说 HNO3、HClO4、HF、HCl 等，消解时间通常很长，有时甚至需要 30 个小时之多。幸运的是，土壤中的很多元素（比如锌、铅、锰等）没有与硅酸盐结合在一起或是结合力很弱，这样的话只要普通的酸（不需要 HF）就足以将这些元素从土壤中萃取出来。通常萃取过程需要超声]或者微波辅助。同时也需要指出，消解土壤的方法并不是一成不变的，对于不同元素的测定可以采用不同的消解方法，甚至并不需要将样品完全溶解。
2.光谱分析法用于分析监测土壤中的有机污染物
有机污染物作为土壤污染物的重要组成部分，对其进行实时监测正越来越受到人们的关注。近年来，随着光谱分析技术的提高以及一些联用技术的不断成熟与进步，将大大拓展光谱分析法在土壤中有机污染物分析监测中的应用研究，许多科研工作者已做了相关研究，取得了一定的成果。特别是杨仁杰等提出了快速直接对土壤中 PAHs 污染物进行荧光检测的方法-激光诱导荧光光谱技术，以多环芳烃蒽为研究对象，实验证明利用激光诱导荧光光谱技术快速检测土壤中蒽污染物具有可行性。采用 AvaSpec- 2048TEC型热电制冷式光纤光谱仪对土壤中的蒽进行直接测量，研究结果表明：当土壤中蒽浓度在一定范围内时，其诱导荧光强度与蒽的浓度呈线性关系（其相关系数 R 为 0.929），这就表明了激光诱导荧光光谱技术直接对土壤中多环芳烃污染物测量是可行的。该光谱分析技术可无需对样品进行复杂预处理即可进行测试，这对实现土壤中PAH污染物实时、在线、现场测量具有重要的意义。
参考文献：
[1] 高焱.杨海霞.于卫荣. 氢化物发生原子荧光光谱法同时测定海洋沉积物中的砷和汞. 海洋水产研究. 26（4）. 2005. 53-58
[2] 刘希光.于华华.赵增芹等.微波消解-氢化物发生-原子荧光法测定海蜇中的痕量砷和硒.光谱学与光谱分析. 25（6）. 2005. 964-967
光谱学与光谱学分析范文4
关键词：激光诱导击穿光谱；实时分析；分析软件
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）37-0086-02
激光诱导击穿光谱（Laser-induced breakdown spectroscopy，LIBS）技术是通过探测等离子体中原子或离子光谱来分析样品中的元素种类和含量，以便实现对物质元素成分的定性及定量分析。作为一种定性与定量分析工具，LIBS具有对样品破坏性小、无需复杂的样品预处理、能同时对多种元素进行分析及能实时在线分析等优点，因此非常适合于固体、液体及气体元素成分的实时检测。目前，LIBS已被广泛地应用于环境污染监控、地质土壤检测、冶金分析、艺术品鉴定、材料分析与生物医学化验等领域。
在LIBS技术的操作过程中，通常是先用光谱仪自带的软件观察光谱波形，然后进行保存，之后再用origin等作图软件进行分析，这显然不能满足实时分析的要求。本文基于Ocean Optics公司的HR4000的高分辨光谱仪，采用C#语言编程，研发了基于高分辨光谱仪的激光诱导击穿光谱实时分析软件，该软件在显示波形的同时，可以对数据进行处理，能够满足实时分析系统的要求。
一、软件的设计
基于高分辨光谱仪的激光诱导击穿光谱实时分析软件用C#完成设计。该软件能实时采集LIBS谱线和显示，能同时抓取三个特定峰来进行观察，并且可以计算这三个峰的强度以及两峰之间的强度比，根据强度比的变化来进行定性与定量分析。
1.实时读取光谱仪中采集的数据。导入Ocean Optics公司提供的光谱仪API函数，根据提供的手册说明，调用数据读取以及数据设置的类和函数，其中CCoWrapperClass类是最重要的。依次调用openAllSpectrometers、setIntegrationTime、getSpectrum和getWavelengths函数，就把光谱仪中的数据读到了内存中。setIntegrationTime函数中的参数可以通过“积分时间框”来进行设定。因为激光的频率选定为10Hz，所以积分时间设定为200ms。其中定时器的时间设定为250ms，多出的50ms是让程序有时间做一些数学计算。
2.多次读取光谱仪中的数据，求平均值，减少误差。平均数据是这样得来的：设定“平均次数”的值，程序会持续读取光谱仪的数据，求出平均值。因为在实际观察中，有时会出现光谱仪中的数据为空（与在关闭激光时采集的光谱相似，等于没有把等离子体的特征光谱读进来）。
3.抓取特定峰，进行观察。自带的软件只实现了显示，但是无法观察特定的峰值。比如，想同时观察在相同电压下Fe I峰和Fe Ⅱ峰值，自带软件无法实现。本文的软件做了这方面的改进，能观察200nm～1100nm内的任意峰值，并且是实时的。
4.更好地确定等离子体温度以及元素的浓度。在LIBS技术中，实验的可重复性是比较差的。但是当环境有所变化时，放大电压可能需要调整。通过对玻尔兹曼公式的推导，可以观察等离子体的温度，通过观察强度比值变化，来适当调整电压，实现实验的可重复性。
二、初步应用
激光源为ZKLASER公司生产的MQV-2000-10型的Nd-YAG激光器，该仪器可发射波长为1064nm、532nm、355nm以及266nm的脉冲激光。激光能量在放大电压0～1000V的调节范围内能产生最高2000mJ的脉冲激光。脉冲激光的持续时间为20ns，脉冲激光频率可选择外控，也可选择内置的1Hz、5Hz以及10Hz。光谱仪为Ocean Optics公司的HR4000型高分辨光谱仪。该光谱仪可分辨波段为200nm～1100nm，最高可辨识强度为17000cps，波长间隔为0.27nm，扫描时间最低为3.8ms，并可多次扫描。
本实验装置波长选择1064nm，激光频率设置为10Hz。激光通过石英凸镜，聚焦于样品（放置于样品台上）表面，从而产生出等离子体。与样品成45°聚光镜收集这些等离子体特征光谱，然后通过光谱仪连接到PC上显示和存储收集到的频谱。本实验是在大气环境下进行的。通过实验可以观察到等离子体的温度比较稳定以及Ti元素的含量值的误差比较小。图1为AlⅡ/AlⅠ和TiⅠ/AlⅠ的比值。如图所示，可以观察到等离子体的温度比较稳定以及Ti元素的含量值的误差比较小。
三、小结与展望
通过初步应用表明，该软件运行稳定、可靠，能够完成已设计的功能。通过对Al2O3及SiO2等样品的LIBS数据进行分析表明，基于高分辨光谱仪的激光诱导击穿光谱实时分析软件的设计是可行的，能较好的对样品进行定性、定量分析。其中对等离子体温度的计算以及对于元素的定量分析，大大改善了LIBS技术的实时分析应用。在整个程序设计过程中，充分利用了C#方便、直观的数据处理功能来对LIBS谱线进行处理与分析。在今后进一步的研究中可将其功能更加完善，以实现更加良好的用户界面及灵活的使用方式。
参考文献：
[1]胡志裕.等.基于LabVIEW的激光诱导击穿光谱谱线识别软件研究[J].光谱学与光谱分析，2012，（3）：602-605.
[2]A.Bertolini，etc.Anal.Bioanal.Chem，2006，（385）：240-247.
[3]D.Santos Jr.，etc. Appl.Spectrosc，2008，（62）：1137-1143.
[4]季振国，等.激光诱导击穿光谱及其在元素分析中的应用[J].材料科学与工程学报，2011，29（3）：455-460.
[5]Z.G.Ji，J.H.Xi and Q.N.Mao.J.Inorg.Mater，2010，（25）：893-896.
光谱学与光谱学分析范文5
关键词：冬小麦；冠层光谱曲线；环境因子；河南省
中图分类号：S512.1+1；TP79 文献标识码：A 文章编号：0439-8114（2014）02-0268-04
Environmental Impact Factors of Winter Wheat Canopy Reflectance in Henan Province
WU Guo-xi，SHEN Huai-fei，ZHANG Peng-fei
（School of Urban & Rural Planning and Landscape Architecture， Xuchang University， Xuchang 461000，Henan，China）
Abstract： The winter wheat spectral data of portable spectroradiometer made by ASD company in the Dong-cheng district of Xuchang city was collected. ASD View Spec Pro software and Microsoft Office Excel were used to process data. The average of the surface features multi-spectral data was classified. The winter wheat canopy Normalized Difference Vegetation Index was calculated. The winter canopy spectral characteristic curves in different times and different conditions were made. By comparatively analysing the curves of the winter wheat canopy， the environmental factors of winter wheat canopy reflectance at growing period in henan province were analyzed. The results showed that when the sun elevation angle increased， the wheat spectral reflectance increased. When the sunlight is direct on the wheat， the received radiation is the biggest. The wheat plating density and dust in the air had great impact on the winter canopy spectral curves.
Key words： winter wheat； spectral curves of the canopy； environmental factors； Henan province
20世纪80年代，国外开展了对植被冠层的二向性反射特性研究，观测了多种农作物、草地及森林冠层的双向反射分布函数（Bidirectional reflection distribution function，BRDF），发现了多角度反射率的“热点效应”和镜面反射等典型特征[1]。此后，中国也开展了对冬小麦冠层的光谱分析。张雪红等[2，3]于2006年初步分析了冬小麦冠层反射率光谱及红边参数特征，发现存在较强的各向异性特征；2010年又通过采用各向异性因子和各向异性指数定量分析了冬小麦冠层窄波段二向性反射率及NDVI的方向性特征。赵春江等[4]用多角度光谱信息反演冬小麦叶绿素含量的垂直分布。袁慧等[5]分析了不同发育阶段、播种垄向及土壤背景对冠层光谱反射的影响。王静等[6]研究了甘肃省庆阳市西峰区冬小麦主要生育期冠层反射光谱与反映长势的指标覆盖度及叶面积指数间的关系。宋晓宇等[7]利用遥感影像数据对冬小麦长势空间变异进行了研究。冯伟等[8]利用高光谱遥感对小麦冠层叶片色素密度进行监测，研究了小麦叶片色素密度与冠层高光谱参数的定量关系。以上文献多数是对冬小麦某一生长阶段不同生长条件下光谱反射率、光谱动态变化及红边参数特征的研究，对不同发育阶段、播种垄向及土壤背景与冠层光谱反射关系的探讨；且大多以研究小麦光谱特征为手段，以研究其理化特性为目的，或者用多角度光谱信息反演冬小麦叶绿素含量垂直分布。而对随着太阳高度角的增加小麦冠层光谱的反射率状况，冬小麦种植密度、滞尘量等因素对冬小麦冠层光谱影响的研究较少。因此，本研究以河南省许昌市东城区为例，通过采集有效光谱数据，并对这些光谱数据进行分析，以探讨外界因素对小麦冠层光谱的影响，对保证河南省冬小麦正常生长有着重要的意义。
1 研究区概况
2 数据来源及处理
2.1 冬小麦光谱数据的获取
2.2 光谱数据的预处理
利用光谱仪后处理软件ASD View Spec Pro对采集的光谱数据以DAT的格式导出并在Microsoft Office Excel 2003中生成曲线，剔除其中无效数据，对地物多条光谱数据求平均值，对实测波谱数据归类合并，最后计算出冬小麦冠层的归一化植被指数。从每次采集的15个数据中筛选3个作为样本数据，对样本光谱数据求均值，所得曲线即为冬小麦冠层光谱曲线。利用预处理后的冬小麦冠层光谱特征数据比较同一生长期同一因素不同情况下冬小麦冠层光谱曲线，找出单一因素（太阳高度角、样地种植密度和冬小麦冠层滞尘量）对冬小麦冠层光谱曲线影响的相应波段。
3 各因素对冬小麦冠层光谱曲线的影响
3.1 太阳高度角对冬小麦冠层光谱曲线的影响
在1 d内对10个不同时间段的冬小麦冠层光谱进行采集并绘制光谱曲线图，结果如图3所示。从图3可知，冬小麦冠层光谱曲线的大致趋势为：从早上7：20随着太阳高度角的增长，其各个波段的反射率均呈上升趋势，在11：20太阳高度角最大时反射率达到最大，接着随太阳高度角的减小，冬小麦各个波段的反射率呈下降趋势。太阳高度角直接影响小麦光谱的反射率，当太阳越趋近于直射的时候，小麦冠层所接受到的太阳辐射量就越大，反射率就越大，由此可以得出在11：00左右采集小麦冠层光谱数据为最佳时段。
3.2 滞尘量对冬小麦冠层光谱曲线的影响
在距离公路5、10、20 m处选取A、B、C 3块小麦田，分别采集11：20和12：20时的冬小麦冠层光谱数据，经过数据处理后，得到小麦冠层光谱曲线如图4所示。距离公路远近不同的3块麦田的滞尘量不同，其冬小麦的冠层光谱曲线也不同，在排除操作误差的影响下，在波峰处A地反射率始终为最大，而B、C两地的区别较小，且均小于A地的反射率，未能将距公路距离即滞尘量作为单一变量分离出来，具体原因在于此3块麦田的冬小麦冠层光谱还受到了灌溉、施肥等其他因素的影响，造成未能发现滞尘量对冬小麦冠层光谱的影响。
3.3 种植密度对冬小麦冠层光谱曲线的影响
4 结论
通过野外地物光谱仪对试验区的冬小麦测量，获得冬小麦的冠层光谱反射率，分析冬小麦生长期的光谱特征，并描绘出了冬小麦的冠层光谱曲线。将实测小麦的光谱数据进行了定性和定量的分析，总结出外界因素对于冬小麦光谱曲线的影响。
1）从早上7：20随着太阳高度角的增大，冬小麦各个波段的反射率均呈上升趋势，在11：20太阳高度角最大，反射率也达到最大，之后随太阳高度角的减小，各个波段的反射率呈下降趋势。
2）冬小麦冠层滞尘量和种植密度对冬小麦冠层光谱曲线均有影响，但是由于条件限制和外界因素影响，未能准确地发现这2种因素对于冬小麦冠层光谱曲线的影响特征。
在研究过程中，由于时间的限制而未能将冬小麦生长期的各个阶段的光谱采集完整，造成部分数据缺失；另外在研究单一因素对冬小麦冠层光谱特征的影响时无法完全排除其他因素的影响，只能相对减少其他因素的影响，这些问题均可能会造成分析结果的误差，尚需进一步研究。
参考文献：
[1] ROSS J K， MARSHAK A L. Calculation of canopy bidirectional reflectance using the Monte Carlo method[J]. Remote Sending Environ，1988，24：213-225.
[2] 张雪红，赵 峰，刘绍民，等.冬小麦红边参数各向异性特征分析[J].农业工程学报，2006，22（6）：7-11.
[3] 张雪红，田庆久，沈润平.冬小麦冠层光谱的方向性特征分析[J].光谱学与光谱分析，2010，30（6）：1600-1605.
[4] 赵春江，黄文江，王纪华，等.用多角度光谱信息反演冬小麦叶绿素含量垂直分布[J].农业工程学报，2006，22（6）：104-109.
[5] 袁 慧，李 爽，孔云峰.开封市郊冬小麦冠层反射光谱特征分析[J].地理空间信息，2009，7（4）：63-66.
[6] 王 静，郭 铌，王小平，等.半湿润雨养农业区冬小麦冠层反射光谱与长势的相关性分析[J].资源科学，2008，30（8）：1261-1267.
光谱学与光谱学分析范文6
1拉曼光谱在医学检验中的应用
1．1在病原微生物检测中的应用
微生物细胞膜表面有大量已知的生化成分可以看作是微生物的特征性标志，因而可以作为菌种快速识别和鉴定的判断标准。利用拉曼光谱可以在不依赖培养基的情况下直接对患者体内分离下来的或实验室中保存的单一菌种或混合菌群进行快速鉴别及分析［8］。美国华盛顿州的研究人员利用拉曼光谱对从临床患者和医院环境中分离得到的7株副溶血弧菌进行了分析，结果发现7株菌株都有其各自不同于其他菌株的特征峰。他们还将其中2株副溶血弧菌菌株分别按照1∶2、1∶1和2∶1的比例混匀后分别利用拉曼光谱检测，结果显示可以通过2株细菌各自的特征峰将两者明确区别开来，其中一株副溶血弧菌的特征峰出现在了1002cm－1、1177cm－1和1532cm－1处，而另一株副溶血弧菌的特征峰却分别出现在了525cm－1、738cm－1、1319cm－1和1639cm－1处，证明拉曼光谱无论在单一菌种标本还是混合菌群标本中均具有良好的分析鉴定能力［9］。另有研究发现结合使用拉曼光谱和化学计量法可以鉴别微生物的种类及各自血清型，已有实验利用银纳米颗粒作为基底对绿豆芽中的李斯特菌、霍乱弧菌、金黄色葡萄球菌等6种食物源性致病菌进行了拉曼光谱的鉴定和区分［10］。有研究报道对日常生活中主要的食物源性致病菌进行了拉曼光谱分析，从而对细菌进行等级划分，第一级便是区分革兰阳性菌和革兰阴性菌，另外通过各自特征峰区别不同细菌菌属，结果显示各级的识别结果准确度均在91％以上［11］。利用拉曼光谱技术与微流控芯片相结合的办法，毛丽华等人设计并建立了拉曼光谱－微流控芯片自动化检测系统，检测并统计了珠蛋白生成贫血型红细胞与健康人红细胞的拉曼光谱值，通过在1004cm－1、1130cm－1、1450cm－1等拉曼光谱特征峰的数据对比，发现了珠蛋白生成障碍性贫血型红细胞的血红蛋白宽度较健康人红细胞广，并以此发现了新的快速、便捷的检测珠蛋白生成障碍性贫血的检验医学技术。另有研究者也利用拉曼光谱技术与微流控芯片相结合的办法从十多种细菌混合的菌群中对耐甲氧西林金黄色葡萄球菌进行了快速分析研究。结果表明耐甲氧西林金黄色葡萄球菌较其他细菌有其独特的拉曼波峰，并且整个检测过程用时只需20s时间，在检验精度上也与传统PCR技术、免疫学检测技术所得到的结果相似［12］。该方法简便快速，安全可靠，非常适合用于卫生稽查部门的快速检验。
1．2在肿瘤检验中的应用
目前在全世界范围内依然没有很好的针对肿瘤的治疗手段，肿瘤的分期对预后起着决定性的影响，那么对肿瘤的早发现、早诊断、早治疗就摆在了尤为突出的地位［13］。在肿瘤组织中，在细胞发生病理学手段可观测到的形态恶变之前，其实已经存在由细胞增殖分裂分化或一些信号蛋白的产生等引起的细胞中遗传物质、蛋白质和脂类的结构和含量改变，而这些细微的改变可以及时通过拉曼光谱检测反映出来［14］。因而在肿瘤检验中拉曼光谱技术具有传统病理学检测所无法替代的功能用途，对肿瘤的早期诊断有巨大帮助。实验证明拉曼光谱可用于癌变组织与正常组织的鉴别。早在1991年就有人率先对拉曼光谱的肿瘤检验学价值进行了报道。他们发现正常乳腺组织与肿瘤组织甚至良性肿瘤与恶性肿瘤的拉曼光谱在700～1900cm－1存在着明显差别，且对应的各自拉曼峰相对强度也存在显著差异［15］。从此掀开了拉曼光谱应用于早期肿瘤诊断的新时代。Gawinkowski等［16］对拉曼光谱技术进行改进设计了快速近红外拉曼光谱检测系统，进一步提高了检测效率，可在5s内快速测得活体皮肤的拉曼光谱。随即该科研团队利用此系统对肺癌组织进行拉曼光谱检测，结果显示肺癌组织的拉曼光谱特征与正常肺组织之间存在明显差别。此后，该科研小组又成功获得了亚洲人种皮肤黑色素组织的拉曼光谱数据。在对胃癌的在体拉曼检测中研究人员将拉曼光谱技术与微型摄像机、图像分光仪、双极管激光发生器等结合建立了新型拉曼内镜系统，也推动了内镜技术的发展［17］。有学者利用激光作为拉曼光谱的激发光源，对15例手术切除且经病理确诊为基底细胞癌的组织标本进行拉曼照射，同时与正常皮肤组织进行对比分析，结果显示通过拉曼光谱检测可以实现对基底细胞癌的高灵敏度诊断［18］。在对鼻咽癌组织和正常鼻咽组织的拉曼光谱比较中也有相似发现，它们在1290～1320cm－1，1420～1470cm－1和1530～1580cm－1这3处波段区间均存在明显特征差异，可以作为鉴别要点。另有研究人员选用830nm波长激光对甲状旁腺腺瘤组织标本及增生组织标本中的结节区域进行拉曼照射，重复了四十多次试验，比较发现二者的拉曼光谱比较相似，但在蛋白质、脂质等某些特定波段仍存在可区别的差异，建立线性分析的数学模型可以很好地将二者区别开来［19］。对人体多处肿瘤组织的拉曼检测均得到了较好的鉴别指标，预示着拉曼光谱在肿瘤学检验中将有宽广的发展空间。
1．3在药物分析检测中的应用
拉曼光谱较早即应用于药物检验领域。早期便有科研人员用共聚焦拉曼光谱仪对盐酸曲马多进行了检测，所获得的拉曼谱带显示图谱峰形良好，峰强明显，可以较准确地反映出盐酸曲马多的化学结构信息［20］。研究人员分析了倍他米松磷酸钠和地塞米松磷酸钠这两种差向异构体的化学结构差异，分别对其固态及水溶饱和态进行了常规拉曼光谱检测，并进一步对以银胶为基底的这两种药物进行了增强拉曼光谱检测分析，成功建立了这两种差向异构体的拉曼区分系统，可以实现其快速区分鉴别的目的［21］。科研人员采用傅里叶变换拉曼光谱法对不同产地且不同采集时间的野生及人工种植黄芩进行了分析研究，结果显示利用该方法对中药材的质量鉴定较传统鉴别方法更快速简便且不会对受检样品造成破坏，值得推广。有学者在前人基础上开创性地将拉曼光谱技术与光纤传感技术相结合，实现了甲硝唑片的快速无损鉴别，尤其适合于药品监管部门对药品快速检验。
1．4在眼部疾病检验中的应用
晶状体是一具有高浓度蛋白质的双凸面透明组织，其内蛋白变化对晶状体功能改变具有决定性作用，对人眼屈光调节也有重要意义。利用拉曼光谱对晶状体蛋白质的亚结构例如：氨基酸亚基、二硫键、羧基、巯基等的分析可以帮助人们更好地认识晶状体及其调节模式。拉曼光谱技术引入眼部疾病的研究首先是测定了牛晶状体中α、β和γ蛋白的拉曼图谱，结果显示α蛋白主要集中于核部而β蛋白主要集中于皮质部［22］。Short等［23］测试了紫外线诱导下的兔白内障晶状体拉曼光谱，结果显示氨基酸残基中的羟基谱线强度显著增加，无法与水形成氢键，从而科学地解释了白内障晶状体中水分的缺失。与此同时，研究中发现了多肽水解物的组成成分邻氨基苯甲酸，暗示着光化学反应可以造成色氨酸残基的下降。综合现有发现，他们提出了紫外线诱导白内障发生的热损伤学说。研究人员测试了诱发哺乳动物白内障的致病性光谱，以6月龄家兔为阴性对照组，以7月龄糖尿病家兔为糖尿病组，对比发现在900～1700cm－1，并无明显差异，而在800～850cm－1两组差异明显［24］。分析后认为诱发晶状体混浊的主要原因是α、β和γ晶体蛋白的不良聚合反应。
1．5在骨科疾病检测中的应用
绝大部分生物样本都有自体荧光，而荧光的强背景会对拉曼光谱造成很大的干扰，从而影响拉曼光谱的准确性。虽然关于引起骨组织光谱背景的物质尚不明确，但很有可能是一些有机基质中的某些非胶原蛋白分子［25］。如果在未处理的情况下，利用拉曼光谱对骨组织的检测很不准确。随后熊义等［26］发现了通过双氧水法降低骨组织光谱背景的方法，从而为拉曼光谱在骨组织中的研究打开了大门。骨组织在发育成熟后其密度与硬度即随生物力学环境的改变而改变，称为骨重建。在人体整个生命进程中，骨质会伴随着有所改变，利用拉曼光谱可以对这一过程进行深入研究。一旦吸收与沉积的动态平衡被打破，则会造成不同类型的骨科疾病。Oshokoya等［27］建立了以拉曼光谱为研究手段的外力作用下的颅缝早闭模型，研究内容涉及颅骨成分、骨质及基质的相对含量和分布。颅缝早闭症是一种由多病因造成的颅缝发育异常综合征，在婴幼儿属于常见疾病，由于颅缝过早闭合，限制了颅腔的容积，不利于智力的发展。结果显示在非轴向压力的作用下成骨区的前端矿物含量相比无压力的状态下有所下降，其原因可能是矿物沉积不完全［28］。在成骨不全症的研究中，有学者利用拉曼光谱证实了成骨不全症小鼠在6月龄后的骨强度增长不是由于骨形态改变引起的，而是由于骨基质的改进而达成的［29］。
2展望
