前言：中文期刊网精心挑选了光谱技术论文范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
光谱技术论文范文1
论文关键词：IHS变换，HIS变换，图像融合
1 引言：
随着遥感技术的发展，现代遥感技术为对地观测提供了多空间、多光谱、多时相分辨率的海量遥感影像数据广泛的应用于各个领域。与单源遥感影像数据相比，多源遥感影像数据所提供的信息具有冗余性、互补性和合作性。[1]由此可见，多源遥感影像数据融合不仅是一种遥感影像数据处理技术，而且是一种遥感信息综合处理和分析技术，是目前遥感应用研究的重点之一。一般来讲，一般情况下计算机论文，多光谱图像的光谱分辨率较高，但空间分辨率比较低。全色图像具有高空间分辨率， 但光谱分辨率较低。 为了增加图像信息提取的精确性和可靠性， 提高图像的解译能力，可以将低空间分辨率的多光谱图像和高空间分辨率的全色图像进行融合， 使融合后的多光谱图像在保留光谱特性的同时具有较高的空间分辨率。而HIS变换是一种最常用的多源遥感影像数据融合的方法，融合的影像在空间分辨率和清晰度上比原多光谱影像都有了一定的提高，且较大程度上保留了多光谱影像的光谱特征，有利于提高制图精度。Haydn 等(1982)[2]首次将IHS 变换法应用于两种不同平台遥感数据源的融合 ，这种方法也被用于TM 和SPOT 全色图像数据以及SPOT 多光谱和全色波段数据的融合。 因此如何获得高清晰的图像已成为一个重要研究课题。本文提出了一种经过改进的HIS 变换法，从而获得更为清晰的图像。
2 研究区域和数据源
本文的研究区域为江西省抚州市市区。数据源为抚州市区2000年9月的ETM图像和SPOT图像cssci期刊目录。研究区域图像如下：ETM图像为Band 5、Band 4、Band 3波段合成。
图A 原始图像图B SPOT全色图像
3 试验方法与评价
3.1 传统的HIS变换
从RGB模型转换到IHS模型的变换就是IHS 变换。 而IHS 变换法的主要原理就是将多空间分辨率低的3波段图像经过HIS变换得到I（亮度） ， H（色度） ， S（饱和度） 三个分量， 然后将高分辨率的全色图像代替I 分量， 把它同H、S进行HIS 反变换得到具有高空间分辨率的多光谱图像。
3.3 低通滤波HIS变换
卷积运算进行图像平滑导致图像空间分辨率的降低, 是由于原始RGB 图像的空间信息与其它信息没有分离。如果在卷积运算前首先对原始RGB 图像进行HIS变换, 将空间分量I 分离, 只对色度H 和饱和度S 平滑,则不会引起图像空间分辨率的降低。因此钱永兰等提出一种改进的低通滤波变换[3] 。首先对原始多光谱图像进行IHS 变换,将包含空间信息的I
分量分离, 只对色度、饱和度分量H、S 进行低频卷积运算, 得到新的H′、S′分量, 将I、H′、S′做HIS 逆变换, 得到新的多光谱图像。
3.4 直方图匹配HIS变换
直方图匹配是一种对数字图像进行增强的处理方法。 直方图匹配时对图像查找表进行数学变换计算机论文，使一幅图像某个波段的直方图与另一幅图像对应波段类似，即以一幅图像的直方图作为参照对象,去调整另一幅图像的直方图, 使之尽可能与参照图像保持一致。伍娟、卢凌[4]提出不直接用全色图像代替TM 图像的I分量, 先将全色图像同TM 图像亮度图像( I 分量)进行直方图匹配, 生成与亮度分量具有相似直方图分布特征的图像I″,然后用I ″代替I 分量, 由I″,H , S 进行反变换得到融合图像。这种方法不仅可部分消除全色图像和TM 图像获取时光照条件差异和地形起伏的影响, 而且生成的图像与亮度图像相关性增大, 复合图像的光谱特征与原TM 图像的光谱特征接近。
3.5 改进的 HIS 变换
针对传统HIS变换法的清晰度不强的问题，本文提出一种改进方法，即不直接用高分辨率的全色图像代替多光谱的亮度（I）分量，而是用分辨率融合后的第一主成分代替亮度（I）分量。并进行高通滤波和直方图匹配。对H、S分量进行低通滤波后于第一主成分进行IHS反变换。具体步骤如下：
1.首先将高分辨率全色图像进行高通滤波，生成新图像SPOT′。
2.将原始图像进行主成分分析，生成PC1
3.将原始图像第一主成分PC1与新图像SPOT′进行直方图匹配得到PC1′
4.将原始TM图像进行IHS变换，提取H、S分量。
5.将H、S分量进行低通滤波生成H′、S′。
6.将PC1′、H′、S′进行IHS反变换，生成融合图像
4 试验结果与评价
下图中图C为传统HIS变换、图D为低通滤波HIS变换、图E为直方图匹配HIS变换、图F为本文提出的HIS变换。
图C 传统HIS变换图D 低通滤波HIS变换
图E 直方图匹配HIS变换图F 本文提出的HIS变换
图像融合结果的评价分为主观评价与客观评价。 主观评价是通过目视来比较分析； 客观评价是利用图像的统计特性参数来进行判定，下面简要介绍各种参数的定义及其物理含义。
1）图像均值 图像均值是像素的灰度平均值，对人眼反映为平均亮度。其定义为
式中：M，N 为像元的行列数。
2）标准差标准差(Standard Deviation) 也称均方差(meansquare error)标准差反映了图像灰度相对于灰度平均值的离散情况，若标准差大，则图像灰度级分布分散，图像的反差大计算机论文，可以看出更多的信息。标准差小，图像反差小，对比度不大，色调单一，看不出太多信息。
3）信息熵[5] 根据仙农(Shannon)信息论的原理，一幅8bit 表示的图像x的信息熵为：
式中： x 为输入的图像变量， Pi 为图像像元灰度值为i的概率cssci期刊目录。熵越大，图像所包含的信息量越丰富
4）平均梯度 平均梯度可敏感地反映图像对微小细节反差表达的能力，可用来评价图像的清晰程度，同时还可以反映出图像中微小细节反差和纹理变换特征。其计算公式为
图像评价参数结果下表：
方法
波段
最小值
最大值
平均值
标准差
熵（bit）
Band543
熵之和（bit）
平均梯度
原始TM图像
Band5
218
74.661
24.811
6.2726
17.5765
8.6366
Band4
100
63.589
15.519
5.6872
4.8941
Band3
181
63.738
18.245
5.6167
5.2615
传统HIS变换
Band5
255
227.355
2.743
3.2006
12.384
0.65117
Band4
255
71.384
12.298
5.4488
2.3645
Band3
255
15.010
3.906
3.7346
0.6966
低通滤波
Band5
255
85.715
28.323
6.4831
19.5576
9.3466
Band4
255
153.754
36.468
6.8617
9.952
Band3
255
89.276
25.058
6.2128
8.0971
直方图匹配
Band5
255
73.156
18.381
6.0857
19.5338
4.5971
Band4
255
132.423
27.471
6.6110
6.7384
Band3
255
125.977
32.808
6.8371
6.0906
自己方法
Band5
255
72.945
20.423
6.2020
19.523
12.503
Band4
255
121.641
27.210
6.3912
17.452
Band3
255
114.032
36.198
光谱技术论文范文2
光学之芒,灿烂辉煌。在光学的领域里,他头顶着太多的“光环”,却没有丝毫松懈,肩负着无限重任,但始终沉着、坚毅。他渊博宽厚,抱定赤子之心,十余载春秋献身中国光学领域,他就是首都师范大学物理系研究员、系科研副主任张岩。
九天揽月鸿鹄志 步步为营创辉煌
在通往科学高峰的路上,张教授一路前行,品尝着希望与困难,交融着荣耀与汗水,深造期间,他用不懈的努力换来了中国光学科技前沿领域的重大突破。读研期间,他同导师刘树田教授一起在国内率先开展光学分数傅立叶变换的研究。为利用光学分数傅立叶变换进行信息处理铺平了道路。在中科院物理所攻读博士学位期间,开拓了分数傅立叶变换在光学信息处理领域中的应用,被评价是国内在现代光学技术科学领域研究工作中的优秀成果具有国际先进水平。
1999-2001年,他获得日本学术振兴会博士后基金资助,在日本山形大学工学部从事生物成像研究,被应用在实际的仪器上。2001-2002年,他在香港理工大学电子工程系从事光纤气体传感器研究。其研究内容被收录在《光纤传感技术新进展》一书中,已出版发行。2002-2003年,他在德国洪堡基金的资助下在德国斯图加特大学应用光学研究所任洪堡研究员,从事数字全息重建算法的研究,提出了利用相位恢复算法来进行数字全息重建的新方案,引起了同行的重视和肯定。这部分内容作为美国Nova Science出版社的新书《New Developments in Lasers and Electro-Optics Research》中的一章,已经出版发行。
2003年,他进入首都师范大学物理系工作,先后获得了北京市科技新星计划,北京市留学人员择优资助等人才项目的资助。作为北京市“太赫兹波谱与成像”创新团队的核心成员,主要从事太赫兹波谱与成像,太赫兹波段表面等离子光学和微纳光电子器件设计研究。他提出的多波长成像方法得到了美国Rice大学太赫兹研究者Mittleman的认可,被评价为不仅可以有效地增加成像范围,还可以提高信噪比。多篇论文被太赫兹领域的虚拟期刊收录。并于2007年和2009年分别到美国伦斯特理工大学和德国康斯坦茨大学进行访问研究。
欢声震地 惊退万人赢战绩
光谱技术论文范文3
关键词：可见光技术；稻飞虱；穗颈瘟
中图分类号：S511 文献标识码：A 文章编号：1674-0432（2010）-12-0091-1
本文主要研究受稻飞虱和穗颈瘟而倒伏的水稻冠层做光谱研究，使用支持向量分类机针对倒伏和正常得水稻分别给与主分量光谱分析，以增加灾害评估、病虫害监测与遥感估测中可见光光谱技术的使用。
1 材料与方法
1.1 试验准备
仪器使用ASD公司观测仪器的高光谱辐射仪（FieldSpe Pro FRTM），在350-2500nm的波段范围中350-1000nm的波段宽(光谱采样间隔)为1.4nm，3nm的光谱分辨率；1000-2500nm的波段宽(光谱采样间隔)为2nm，10nm的光谱分辨率。
选取穗京4号水稻品种，其易感稻瘟病。2009年4月10日播种，5月12日移栽（机插），稻穗颈瘟自然发病较重，引起水稻植株倒伏，黄熟期光谱观测。
1.2 研究方法
在观测点于2009年8月20日上午10:00-11:00测定穗颈瘟危害倒伏水稻的冠层光谱，各样点采集3次光谱，测定10条光谱曲线，取其平均值作为该样点的光谱反射值，测定正常水稻光谱。
在View Spec Pro2.14（一种光谱分析软件）中，使用光谱平滑处理（五步滑动平均法）。在Matlab7.0中可以实现光谱数据分析，选用400-1800nm之间的波段进行分析，去掉1341-1450nm之间的吸收水汽的光谱带。
2 分析与结果
2.1 水稻田间冠层光谱特征分析
水稻因受穗颈瘟和稻飞虱的危害而倒伏，而改变了原有的群体结构，致使植株受光条件和各组分(如茎秆、稻穗等)对冠层光谱的贡献比例都发生变化。
图 1 正常和倒伏的水稻冠层光谱曲线
由图1可知，在可见光400-1800nm的谱段内，正常水稻和倒伏水稻的反射光谱有一定得的增加，在可见光400-690nm的普段内提高了2-10%。说明对倒伏与正常这不同生长状态的水稻可以使用冠层光谱进行识别。
2.2 C2 SVC对倒伏水稻的识别与验证
图2 前二个主成分分量
首先从观测点观测70个正常和倒伏的水稻中随机选取75%的样株，作为训练C2 SVC的数据，输入向量使用前两个主分量光谱，对正常与倒伏得水稻进行划分。由于LIBSVM 2.83有很多默认的参数，使用默认参数立即可以解决大量分类与回归问题，分别影响模型运行精度和速度的重要参数是核函数类型和交互检验阶数。长时间测试后发现，每当惩罚系数C为1、交互检验阶数是3、核函数使用径向基函数RBF并且保持其他参数不改变时，模型的平均精确度到达到100%，可训练数据中可以实现对正常和倒伏水稻完美识别。
在LIBSVM 2.83中，训练完成后的网络，它的参数权值总是恒定的，为了检测构建模型的普适性，使用黑龙江友谊农场的22个样株作为数据验证，测试水稻不同生长状态时的识别效果，利用C2 SVC对倒伏与正常水稻的生长状态进行识别时，倒伏水稻没有被错分为正常，反之亦然，精度是100%。
3 结论
本研究中观测点的水稻倒伏都是着地倒，并没有其他倒伏角度的情况。另外，本研究中的的光谱测试只有地面测试，没有其他高光谱影像数据。所以，结果能否用于其他研究，还需验证。
参考文献
[1] 刘良云,王纪华,宋晓宇,等.小麦倒伏的光谱特征及遥感监测[J].遥感学报,2007,9:323-327.
[2] 刘占宇.水稻主要病虫害胁迫遥感监测研究[A].浙江大学博士学位论文[D].2008,6:79-86.
光谱技术论文范文4
[关键词] AOTF近红外光谱；在线检测；羊藿
[中图分类号] R285.5 [文献标识码] A [文章编号] 1673-7210（2014）08（c）-0111-04
Detection of concentration from Epimedium brevicornum Maxim. in processing line with AOTF near-infrared spectroscopy
YANG Li LI Jing LIU Cuihong XU Dingzhou LI Yu ZHONG Ming
Guangzhou Hanfang Pharmaceutical Co.， Ltd.， Guangdong Province， Guangzhou 510240， China
[Abstract] Objective To achieve online detection of the Epimedium brevicornum Maxim. concentration process using the AOTF near infrared spectroscopy. Methods The near infrared spectroscopy of Epimedium brevicornum Maxim. in the concentration process was obtained with acousto-optic tunable filter （AOTF） near-infrared spectrometer. Meanwhile the real-time sample was measured using off-line UV spectrophotometer. The calibration models were built up by adopting the first-order differential equation and partial least-squares （PLS1） and the accuracy of the models was evaluated through external validation and internal validation. Results The near-infrared spectroscopy data and the off-line UV-detected data were correlated and the result was satisfactory. The correlation coefficient was 0.98. The relative deviation of the flavonoids concentration was 0.596 mg/mL via internal validation and 1.380 mg/mL via external validation using the established model， which satisfied the demands of the concentration progress. Conclusion AOTF near-infrared spectroscopy technology provides effective real-time monitoring on the product quality， solving the problems of hysteresis with off-line detection.
[Key words] AOTF near-infrared spectroscopy； Online detection； Epimedium brevicornum Maxim.
近红外光谱分析仪产生于20世纪50年代后期，经过50多年的发展，先后经历了滤光片、光栅扫描、傅立叶变换、多通道、声光可调滤光器（AOTF）五代技术。目前已广泛应用于农业[1-3]、石油化工[4]、食品工业和制药工业及临床医院[5-7]等领域。近红外技术在制药行业最初用于测定溶液中的胺和酰胺化合物的含量和氢键的研究[8]。1966年，Sinsheimer等[9]利用近红外光谱分析了压制药粒中活性组分铵盐的含量。1977年Zappala等[10]采用近红外光谱测定了药片、胶囊、注射液和悬浮液中眠尔通的含量[10]。1984年，马氏距离被应用于鉴别药品原材料的种类[11]。1986年，Whitfield[12]建立了测定兽药粒丸中林可霉素含量的方法，这是美国食品与药物管理局（FDA）认可的首个近红外方法[13]。1987年，Ciurczak[14]发表了近红外光谱法应用于鉴别药品原材料的种类。在国内，应用近红外定性定量方法，李睿等[15]研究了中国伞形科阿魏亚族植物的分类；何淑华等[16]对吉林人参进行定性分析；李国辉等[17]对栽培和野生中药材灯盏花进行鉴别；李彦周等[18]近红外光谱技术在中草药分析中的应用中对中草药定量和定性分析进行了综述。
本研究表明，近红外光谱技术可应用与中药生产浓缩环节的质量实时监控，为中药生产和质量控制提供新的方法和思路。
[参考文献]
[1] McCaig TN. Extending the use of visible/near-infrared reflectance spectrophotometers to measure of food and agriculture products [J]. Food Research International，2002，35（8）：731-736.
[2] 吉海彦，严衍禄.在国产近红外光谱仪实验样机上用偏最小二乘法定量分析大麦成分[J].分析化学，1998，26（5）：607-611.
[3] Delwiche SR，McKenzie KS，Webb BD. Quality characteristics in rice by near Infrared reflectance analysis of whole grain milled samples [J]. J Cereal Chem，1996（73）：257-263.
[4] 雷猛，冯新泸.二维近红外光谱定量分析内燃机油粘度指数性能的研究[J].石油炼制与化工，2009，40（4）：61-65.
[5] Shengtian P，Hoeil C，Mark A，et al. Near-infrared spectroscopy measurement of physio-logical glucose level in variable matrices of protein and triglycerides [J]. Anal Chem，1996，68（7）：1124-1135.
[6] 陈卫国，程，卢广，等.用近红外光拓扑图技术实时跟踪脑血流变化[J].生物物理学报，2000，16（3）：613-617.
[7] 柴金朝，金尚忠.近红外光谱技术在纺织品定性检测中的应用[J].纺织学报，2009，30（4）：55-58.
[8] 陆婉珍.陆婉珍论文集[M].北京：化学工业出版社，2004：9.
[9] Sinsheimer JE，Keuhnelian AM. Near-infrared spectroscopy of amine salts [J]. J Pharm Sci，1966，55（11）：1240-1244.
[10] Zappala AF，Post A. Rapid near-infrared spectrophotometric detamination of meprobamate in pharmaceutical preparations [J]. J Pharm Sci，1977，66（2）：292-293.
[11] Ciurczak EW. Proc Annu Symp NIRA [M]. New York：Technicon，1984.
[12] Whitfield RG. Near-infrared reflectance analysis of pharmaceutical products [J]. Pharm Manuf，1986，4：31-40.
[13] Ciurczak EW. Uses of near-infrared spectrosocopy in pharmaceutical analysis [J]. Appl Spectrosc Rev，1987，23（1-2）：147-163.
[14] Burns DA，Ciurczak EW. Handbook of near-infrared analysis [M]. New York：Marcel Deker Inc，1992.
[15] 李睿，李伟，白云飞，等.近红外光谱技术在中国伞形科阿魏亚族植物分类中的应用[J].西北植物学报，2000， 20（40）：666-670.
[16] 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）：96-98.
[17] 李国辉，张录达，杨建文，等.栽培和野生中药材灯盏花的近红外光谱鉴别模型[J].光谱学与光谱分析，2007， 27（10）：1959-1960.
[18] 李彦周，闵顺耕，刘霞.近红外光谱技术在中草药分析中的应用[J].光谱学与光谱分析，2008，28（7）：1549-1553.
[19] 林新，李文魁，肖培根.羊藿研究的新进展[J].中国药学杂志，1997，23（8）：449-452.
[20] 国家药典委员会.中国药典[S].一部.北京：中国医药科技出版社，2010：307.
光谱技术论文范文5
【关键词】红外光谱；大黄；真伪鉴别
大黄是常见中药材之一，乃蓼科大黄属植物，具泻下、利胆、护肝、活血等功效，其属种繁多，约60余种，然具药用价值的正品大黄仅为掌叶大黄、唐古特大黄及药用大黄3个品种的干燥根及根茎[1]，报道显示：混淆品大黄服用后容易引发腹痛[2]。因此，如何鉴定正品大黄以保证其临床疗效，是我们面临的难题之一。然，目前对其鉴定多以外部形态以及从性状、显微观察和理化分析等角度进行，这些方法对于块状大黄鉴别颇有成效，但对粉末状大黄的区分却难以进行区别[3]，近年来，随着现代分析检测技术的进步和计算机科学的日新月异，红外光谱法渐次应用到中药样品的相关监测之中[4]，从而为快速、准确鉴别正伪品提供了可能。本研究即采用红外光谱法对正伪大黄进行监测，报告如下：
1 研究对象与方法
1.1研究对象正品大黄：产于西宁的唐古特大黄。混淆品大黄：华北大黄。正伪品大黄的样品均由我市药品检验所提供并作生药学鉴定。将大黄样品充分粉碎均匀，过孔径筛后备用。
1.2研究方法Perkin-Elmer公司生产的Spectrum GX型红外光谱仪（光谱范围：4000~400 cm-1）；DTGS检测器（相关参数设置：分辨率为4 cm-1，扫描频次为16次，扫描时实时扣除水和二氧化碳的干扰，速度为0.2 cm-1/s）；温控范围在室温至110℃的可编程温度控制单元和变温池（直径38 mm，厚度为10 mm）。正伪品大黄样品分别与溴化钾粉末一起研磨压片，附着在变温附件样品架上，自50~110℃之间，每间隔10℃进行光谱图测定。
1.3数据处理测量若干次后将样品池取出摇动，使样品池中的样品得到填充，以便保证样品数据的代表性和准确性，每个样品扫描测量50次，然后取其平均值作为该样品的光谱。样品的扫描测量数据以ASCII码存储，而后采用另外一台计算机进行分析处理。
2结果
2.1正伪品大黄的红外光谱图比较如图所示，正伪品大黄的红外谱图比较接近，如用肉眼很难进行鉴别。通过相关数据分析可见，两者仅在波峰上存在差异。结果见图1。
图1真伪大黄的红外光谱图
2.2正伪品大黄红外光谱数据分析采用清华大学开发设计的二维相关红外软件，分别获得正品大黄和伪品大黄变温过程的二维相关分析谱(图2、3所示)。在1030~1170 cm-1区域内，正品大黄和伪品大黄的二维相关红外光谱中可见在图2中的对角线上，正品大黄出现了2个较强的自相关峰，而图3中的伪品大黄仅出现了1个自相关峰。其中正品大黄在1060和1080 cm-1处出现了所对应的基团振动峰的位置，而伪品大黄仅仅在1080 cm-1处出现自相关峰，其余未见。此种现象说明伪品大黄的相关谱中1060 cm-1对应的基团随着温度的升高没有发生相互作用。可见，正品与伪品大黄相比，无论从自相关和交叉相关，还是同步谱或异步谱都显示了较大的差别。
3小结
近年来，红外光谱技术是受到人们特别重视和发展相当迅速的光谱分析方法之一。通常在780~3 100 nm的近红外光谱区内，主要受到分子中CH， OH， NH基团的倍频和合频的吸收。
本研究采用清华大学研发的二维相关分析技术，通过变温过程中引起大黄的相关结构变化规律，取得高分辨的二维谱图，进行真伪大黄化学成分差异的分析来鉴别药材的真伪，该法通过相关软件进行研究，操作简单，结论准确，不失为鉴别药用植物的真伪的一种简单实用的新方法。
参考文献
［1］中华人民共和国卫生部药典委员会.中华人民共和国药典[M].北京： 化学工业出版社，2000：18~19
［2］孙素琴，周群，梁曦云，等.大黄的鉴别分析[J].光谱学与光谱分析，2002， 22(4)： 600.
［3］汤彦丰，张卓勇，范国强. 中草药大黄的近红外光谱和人工神经网络鉴别研究[J].光谱学与光谱分析，2004， 24(11)： 1348~1351
［4］周群，李静，刘军，等. 真伪大黄的二维相关红外光谱[J].分析化学，2003， 31(9)： 1058~1061
［5］汤彦丰，张卓勇，范国强，等.基于大黄的红外光谱的人工神经网络鉴别研究[J].光谱学与光谱分析，2005， 25(5)： 715~718
光谱技术论文范文6
2013年新入选 CODE 期刊名称
T016 高校化学工程学报
B003 高校应用数学学报
R037 高压电器
C056 高压物理学报
E005 高原气象
V021 给水排水
N105 工程爆破
E360 工程地质学报
S712 工程管理学报
N049 工程机械
V030 工程勘察
V033 工程抗震与加固改造
C002 工程力学
C073 工程热物理学报
N590 工程设计学报
B031 工程数学学报
T003 工程塑料应用
N064 工具技术
K018 工矿自动化
T563 工业催化
J057 工业工程
N110 工业工程与管理
P009 工业加热
V010 工业建筑
P005 工业炉
Z013 工业水处理
F030 工业微生物
G025 工业卫生与职业病
N037 工业仪表与自动化装置
Z032 工业用水与废水
G207 公共卫生与预防医学
X579 公路
X022 公路工程
X047 公路交通技术
N039 功能材料
M502 功能材料与器件学报
D503 功能高分子学报
E601 古地理学报
E304 古脊椎动物学报
E022 古生物学报
G478 骨科
R047 固体电子学研究与进展
Y013 固体火箭技术
C103 固体力学学报
W007 管理工程学报
W018 管理科学
W008 管理科学学报
W025 管理评论
W016 管理学报
H226 灌溉排水学报
R026 光电工程
R061 光电子•激光
R082 光电子技术
C091 光谱学与光谱分析
C097 光散射学报
R031 光通信技术
N015 光学技术
N033 光学精密工程
C050 光学学报
