热红外高光谱系统信号成分分析及处理
《红外光谱解析方法》课件
确定分子结构 鉴别化合物
反应机理研究 生物大分子研究
红外光谱能够提供分子中官能团 和化学键的信息，有助于确定分 子的结构。
红外光谱可以用于研究化学反应 机理，通过分析反应前后红外光 谱的变化可以推断出反应过程和 机理。
02
红外光谱解析方法分类
Chapter
基线校正法
基线校正法是一种常用的红外光谱解析方法，主要用 于消除基线漂移和噪声干扰，提高光谱的准确性和可
傅里叶变换法
傅里叶变换法是一种通过傅里 叶变换将时域信号转换为频域 信号，从而解析红外光谱的方
法。
傅里叶变换法能够将复杂的光 谱信号分解为多个简单的正弦 波和余弦波的叠加，便于解析
和识别各种成分的特征峰。
傅里叶变换法需要高精度的光 谱仪和计算机硬件，因此成本 较高。
傅里叶变换法的优点是能够准 确解析各种成分的特征峰，适 用于复杂混合物和生物样品的 分析。
《红外光谱解析方法》ppt课件
目录
• 红外光谱解析方法简介 • 红外光谱解析方法分类 • 红外光谱解析步骤 • 红外光谱解析实例 • 红外光谱解析的未来发展
01
红外光谱解析方法简介
Chapter
红外光谱的基本原理
红外光谱的产生
红外光谱是由于分子振动和转动能级跃迁而产生的 ，不同物质具有不同的能级分布，因此红外光谱具 有特征性。
生物大分子的红外光谱解析在研究其结构和功能方面具有 重要作用。通过分析生物大分子的红外光谱，可以了解其 分子结构和分子间的相互作用，进而研究其在生命过程中 的功能和作用机制。例如，在蛋白质的红外光谱中，可以 观察到蛋白质二级结构的信息，这对于研究蛋白质的结构 和功能具有重要意义。
05
红外光谱解析的未来发展
红外谱图解析ppt课件
(4) 碳骨架类型确定后, 再依据其他官能团, 如 C=O, O-H, C-N 等特征吸收来判定 化合物的官能团
(5) 解析时应注意把描述各官能团的相关峰联 系起来，以准确判定官能团的存在
如 2820，2720 和 1750~1700 cm1的三个峰 说明醛基的存在
4
5
6
7
8
例1 化合物C8H8O的红外谱图
§2.6 红外谱图解析 各官能团的特征吸收是解析谱图的基础 （1）首先依据谱图推出化合物碳架类型
（2）分析 3300 ~ 2800 cm1区域 C-H 伸缩振动吸收
1
以 3000 cm1为界: 高于 3000 cm1为不饱和碳 C-H 伸缩振动吸收
可能为烯, 炔, 芳香化合物 低于 3000 cm1 一般为饱和 C-H 伸缩振动吸收
3）1710 cm1，C=O，
2820，2720 cm1，醛基
1）不饱和度：(8228)2=5
大于4， 一般有苯环，C6H5
4）结合化合物的分子式 此化合物为间甲基苯甲醛
2）3000 cm1以上，不饱和 C-H 伸缩
CH3
可能为烯，炔，芳香化合物
1600，1580 cm1，含有苯环 指纹区780，690 cm1，间位取代苯
CHO
21
§2.7 拉曼光谱仪简介
拉曼光谱来源于电磁辐射（光）场与分子诱导偶极 的相互作用，是由具有对称分布的键的对称振动引 起的。
而红外光谱来源于分子偶极矩变化，是由分子的不 对称振动引起。
两种技术包含的信息通常是互补的。当原子间的某 个键产生一个很强的红外信号时，对应的拉曼信号 则较弱甚至没有, 反之亦然。
CH C CH2OH
10
例3 C7H8O 1) 不饱和度： (7228)2=4 可能含有苯环
红外与近红外光谱常用数据处理算法
一、数据预处理（1）中心化变换（2）归一化处理（3）正规化处理（4）标准正态变量校正（标准化处理）（Standard Normal Variate,SNV）（5）数字平滑与滤波（Smooth）（6）导数处理（Derivative）（7）多元散射校正（Multiplicative Scatter Correction,MSC）（8）正交信号校正（OSC）二、特征的提取与压缩（1）主成分分析（PCA）（2）马氏距离三、模式识别（定性分类）（1）基于fisher意义下的线性判别分析（LDA）（2）K-最邻近法（KNN）（3）模型分类方法（SIMCA）（4）支持向量机（SVM）（5）自适应boosting方法（Adaboost）四、回归分析（定量分析）（1）主成分回归（PCR）（2）偏最小二乘法回归（PLS）（3）支持向量机回归（SVR）一、数据预处理 （1） 中心化变换中心化变换的目的是在于改变数据相对于坐标轴的位置。
一般都是希望数据集的均值与坐标轴的原点重合。
若x ik 表示第i 个样本的第k 个测量数据，很明显这个数据处在数据矩阵中的第i 行第k 列。
中心化变换就是从数据矩阵中的每一个元素中减去该元素所在元素所在列的均值的运算：u ik k x x x =- ，其中k x 是n 个样本的均值。
(2) 归一化处理归一化处理的目的是是数据集中各数据向量具有相同的长度，一般为单位长度。
其公式为：'ik x =归一化处理能有效去除由于测量值大小不同所导致的数据集的方差，但是也可能会丢失重要的方差。
（3）正规化处理正规化处理是数据点布满数据空间，常用的正规化处理为区间正规化处理。
其处理方法是以原始数据集中的各元素减去所在列的最小值，再除以该列的极差。
min()'max()min()ik ik k k x xk x x x -=-该方法可以将量纲不同，范围不同的各种变量表达为值均在0~1范围内的数据。
专题高光谱数据的处理与分析
的结果 • 分类后处理
5.4 向导式目标识别——沙漏分析工具
• 向导式波谱分析工具 - 影像亮度值定标为反射率 - 最小噪声分离（MNF） - 纯净像元指数（PPI） - N维散度分析 - 选择终端单元 - 地物制图（地物识别）
• 林木健康分析工具 - 创建整个森林区域健康程度的空间分布图 - 用于检测病虫害以及枯萎病的发生情况，也可以用于评估某 地区的木材收获量 - 绿度：表面绿色植被的分布； - 叶绿素：标识类胡萝卜素以及花青素的含量； - 冠层水分含量：标识水分含量； - 光使用效率：标识森林生长率；
6.2 植被分析（五、植被抑制）
6.2 植被分析（二、农作物胁迫分析）
• 农作物胁迫Agricultural Stress - 创建农作物胁迫的空间分布图 - 判断出适合农作物生长的区域，可用于精确农业分析； - 绿度：来标识闲置农田、虚弱的植被、健康的作物； - 光利用效率：标识植被生长率； - 冠层氮含量：用于估计相关的氮等级； - 叶绿素：突出植被胁迫； - 冠层水分含量：标识水胁迫的层次。
Apparent Reflectance
MNF PPI n-D ID
流程化操作进行地物识别
Map Distribution and Abundance
6、植被分析
6.1 植被指数计算器
• 提供了6类 27种植被指数的计算 - 绿度 Greenness - 光利用率 Light Use Efficiency -氮 - 干旱或炭衰减Dry or Senescent Carbon - Stress Pigments - 冠层水分含量Canopy Water Content
红外高光谱成像原理及数据处理
红外高光谱成像原理及数据处理
红外高光谱成像是一种结合了光谱技术和成像技术的
高级遥感方法，其原理主要基于不同物质在特定波长范围内的红外辐射特性。
具体过程如下：
1. 红外辐射与物质相互作用：
物质吸收、发射和散射红外光时，会根据其分子结构和化学成分呈现出特征性的光谱响应。
这种光谱响应可以在红外波段内形成独特的“指纹”信息，从而反映物质的类型和状态。
2. 高光谱成像采集：
红外高光谱成像系统通过分光元件将接收到的红外辐
射分解为多个窄波段，并在每个波段上获取一幅图像。
由此获得的数据集包含了目标区域每个像素点的光谱
数据，形成了所谓的高光谱立方体（Hyperspectral Cube），即三维数据集（两个空间维度加一个光谱维度）。
3. 数据处理与分析：
原始数据通常需要经过一系列预处理步骤，如噪声去除、
大气校正、几何校正等，以提高数据质量和适用性。
利用各种光谱分析技术（如连续窗函数分析、主成分分析、匹配滤波器、混合像元分解等）提取和识别出图像中各部分的光谱特征，进而对地物进行分类和识别。
在环境监测、地质矿物勘探、农业资源调查等领域，可通过高光谱数据解析植被生长状况、土壤成分、环境污染程度等信息。
总之，红外高光谱成像通过记录并分析地物在众多连续且精细的红外波段上的反射或发射特性，实现对地表物质的精确探测和定量分析。
热红外高光谱技术在地质找矿中的应用综述
量的。经过 多 年 的 开 发 利 用，共 有 ４００ 余 条 波 谱。 波谱涵盖范围延伸 为 １５０μｍ，即 远 红 外 区。 该 波 谱 库下设有实验室波 谱 库、地 面 波 谱 库 和 高 光 谱 遥 感
近 年 来 ，短 波 红 外 技 术 被 广 泛 应 用 于 斑 岩 型 、浅 成低 温 热 液 型、火 山 岩 型 块 状 硫 化 物 （ＶＨＭＳ）、
ＩＯＣＧ（ＩｒｏｎＯｘｉｄｅＣｏｐｐｅｒＧｏｌｄ）型 等 矿 床 勘 查 研 究 中，取 得 了 良 好 的 应 用 效 果 （Ｔｈｏｍｐｓｏｎ ｅｔａｌ．， ２００９；Ｃｈａｎｇｅｔａｌ．，２０１１；ＹａｎｇＺｈｉｍｉｎｇｅｔａｌ．， ２０１２；Ｔａｐｐｅｒｔｅｔａｌ．，２０１３；Ｃａｒｒｉｎｏｅｔａｌ．，２０１５； Ｄｕｕｒｉｎｇｅｔａｌ．，２０１６；Ｎｅａｌｅｔａｌ．，２０１８）。 短 波 红 外光谱技术不仅能够识别与成矿作用密切相关的热 液 蚀 变 矿 物 （如 白 云 母 族 矿 物 、绿 泥 石 、明 矾 石 、葡 萄 石 、蒙 脱 石 、高 岭 石 等 ），而 且 根 据 其 特 征 波 长 吸 收 峰 位的变化规律，可以 鉴 定 矿 物 组 分 的 变 化 与 分 析 成 矿环境，进而圈定热液中心，指导找矿 勘查（Ｙａｎｇｅｔ ａｌ．，２０１１；ＤａＣｒｕｚｅｔａｌ．，２０１６；Ｇｕｏ Ｎａｅｔａｌ．， ２０１７；ＸｕＣｈａｏｅｔａｌ．，２０１７；Ｌｙｐａｃｚｅｗｓｋｉｅｔａｌ．， ２０１８；Ｍａｙｄａｇáｎｅｔａｌ．，２０１８）。 但 是 短 波 红 外 技 术对石榴子石、辉 石 等 矽 卡 岩 矿 物、石 英、长 石 等 造 岩矿物及黑云母、角 闪 石 等 暗 色 矿 物 探 测 效 果 不 理 想；热红外 技 术 （ＴＩＲ）可 以 弥 补 这 一 缺 陷，对 含 有
红外光谱样品调制及图谱解析技巧
如：化合物 υC=O/cm-1
CH3-CO-CH3 1715
CH3-CH=CH-CO-CH3 1677
Ph-CO-Ph 1665
(3) 振动偶合与费米（Feimi）共振
如果一个分子内邻近的两个基团位置很靠近， 它们的振动频率几乎相同，并有相同的对称性， 就会偶合产生两个吸收带，这叫振动偶合。在 许多化合物中都可以发生这种现象。（6种情 况） • 一个碳原子上含有两个或三个甲基，则在1385 －1350cm-1出现两个吸收带。 • 酸酐上两个羰基互相偶合产生两个吸收带
在双原子分子中，基团的吸收不是固定在某一个频率 上，而在一定范围内波动。
如：C-H的伸缩振动频率受到与这个碳原子邻接方式的影响
C-C-H：
3000－2850cm-1
C=C-H:
3100－3000cm-1
C≡C-H:
3300 cm-1附近
外部条件对吸收的影响有：物态效应、晶体状态和溶剂效应。
主要讨论分子结构的影响因素有以下7个方面：
C
CH3
O
υC=O/cm-1 1663
C
CH3
O
CH3
H3C
CH3 C
O
CH3
CH3
1686
1693
(7) 互变异构的影响
显示：各种异构体的吸收带。如乙酰乙酸乙 酯有酮式和烯醇式结构，可以看到烯醇式的羰基 吸收较酮式的弱,说明烯醇式较少.
CH3-CO-CH2-COO-C2H5→CH2-C(OH)=CH-COO-C2H5
１０００ ９００
＜５００
指 纹
氢
Ｃ－Ｎ－Ｏ Ｈ－Ｃ＝Ｃ－Ｈ Ｒ － Ａ r－ Ｈ
热红外光谱的原理及其应用
热红外光谱的原理及其应用近年来，热红外光谱技术应用越来越广泛，成为了一个快速、敏感、无损、高效的分析技术。
那么，热红外光谱技术的原理是什么？它具有哪些应用呢？一、热红外光谱的原理热红外光谱技术是通过样品内部有机分子振动或转动激发热能，产生的辐射能谱，来分析样品成分的一种方法。
这种振转激发的热辐射能与被测样品分子的振动能量和转动能量有关，也受样品相对于传感器的温度和热辐射能谱的波长范围的影响。
在样品被加热或冷却时，样品分子会通过振转、伸缩或扭转等方式发生运动。
当样品被辐射前，该样品与空气或真空完全隔绝以避免被干扰。
此时，激发样品内部有机分子振动或转动的功率将被测量，产生的热辐射能谱将可用来判断样品中有哪些成分。
二、热红外光谱技术的应用1、材料成分分析热红外光谱技术可用来分析材料中的成分及其含量。
例如，用于选材的物理性能测试中，我们可以使用该技术来快速、无损、非接触地检测材料的组成、热导系数、硬度和柔性等参数，从而快速评估和选择最适合的材料。
2、医学检测热红外光谱技术能够结合人体发热情况，识别并跟踪疾病的进展情况。
其原理是把病人的皮肤表面视为一种材料，利用该技术来测量样品表面的温度分布，以达到疾病检测的目的。
在某些情况下，应用于检测肿瘤、感染和脱水等医学领域的疾病。
3、环境保护热红外光谱技术可用来鉴别地面污染物、水中污染物和空气中的溶解气体等化学物质。
例如，可通过测量不同物质所辐射出的不同波长分布，识别温室气体的来源，以帮助开展环境治理和减轻全球暖化的影响。
4、食品检测热红外光谱技术可用来检测食品的成分，因为各种食品中都含有不同的有机物、蛋白质和碳水化合物等。
使用该技术可以准确检测出食品的成分和质量，可以广泛应用于食品生产、检验和质量控制等领域。
综上所述，热红外光谱技术具有广泛的应用前景，可以应用于医学、环保、新材料、食品等多个领域。
尽管该技术只是最近兴起的一门技术，但其相对较低的成本、快速、非接触性、准确和高度敏感的分析技术将为许多领域的研究者提供重要的工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｈｙｐｅ ｓ ｃ ｒ ｙｓｅ ｒ ｐｅ ｔ ａｌｓ ｔ ｍ
Ｌ Ｎ Ｙｉｇ ＸＵ Ｗ ｅ — ｉ ｇ ＹＵ ｉ ｉ Ｗ ＡＮＧ Ｊａ — ｕ Ｉ ｎ ， ｔ ｎ ， ＡＮ Ｌ — ｎ， ｕ ｒ ｙ ｉｎ ｙ （ｎ ｔｕｅｏ Ｔ ｃ ｎ ａ Ｐ ｙ ｉ ， ｈｎ ｓ ｃｄ ห้องสมุดไป่ตู้ ｆ ｃｅ ｃｓ Ｓ ａ ｇ ａ ２ ０ ８ ， ｈｎ ） Ｉ ｓ ｔ ｆ ｅｈ ｉ ｌ ｈ ｓ ｓ Ｃ ｉ ｅＡ ａ ｅ ｙｏ Ｓ ｉ ｅ ， ｈ ｎ ｈ ｉ ０ ０ ３ Ｃ ｉ ｉｔ ｃ ｃ ｅ ｎ ａ
第４ ０卷 第 ｌ ２期
２１ ０ ０年 １ ２月
激 光 与 红 外
ＬＡＳ ＥＲ ＆ Ｉ ＮＦＲＡＲＥＤ
Ｖｏ ． ０， ．１ １ ４ Ｎｏ ２
Ｄｅ ｅ ｅ ２ ０ ｃ ｍｂ ｒ，０ｌ
文 章 编 号 ：０ １ ０ ８ ２ １ ） ２１２ － １０ － ７ （０ ０ １—３４０ ５ ６
关键 词 ： 热红 外； 光谱 ； 高 杂散 光 ； 成分 分析
中图分类 号 ： Ｎ ４ ． Ｔ ７４ １ 文献标 识码 ： Ａ
Ｓ ｇ ａ ｏ ｐ ｎ ｎ ｎ ｌ ｓｓ ａ ｄ ｐ ｏ ｅ ｓ ｆ ｒ ｔ ｅ ｍ ａ ｎ ｒ ｒ ｄ ｉ ｎ ｌｃ ｍ ｏ ｅ ｔａ ａ ｙ ｉ ｎ ｒ ｃ ｓ ｏ ｈ ｒ ｌｉ ｆ ａ ｅ
ｄ ｖ ｌｐ ｎ ｎ ａ ｔｃ ｌｔ ｆＣｈｉｅ ｅ ｔｅ ｍａ ｎ ａ ｅ ｙ ｒｐ ｃｒ ｌｓ ｓｅ ． ｅ ｅｏ ｍｅ ｔａ ｄ ｐｒｃ ｉａｉｙ ｏ ｎ ｓ ｈ ｒ ｌｉｆ ｒ ｄ ｈ ｐｅｓ ｅ ｔａ ｙ ｔｍ ｒ Ｋｅ ｙ ｗｏｒ ｄｓ：ｈｅ ｍａ ｎ ｒ ｒｄ； ｙ ｒ ｐ ｃｒ ｌｓｒ ｙ ｌｇ ｔ ｃ ｍｐ ｎ ｎ ｎ ｌ ｓｓ ｔ ｒ ｌｉｆａｅ ｈ ｐｅｓ ｅ ｔａ ； ｔａ ｉ ｈ ； ｏ ｏ ｅ ｔａ ａｙ ｉ
Ａｂ ｔ ｃ ： ｈ ｉｎ ｌｏＮ ｉ ａ ｏ Ｓ Ｒ ｏ ｔ ｒ ａ ｉｆ ｒｄｈ ｐ ｒ ｅ ｔ ｌ ｙｔ ｒ ｔ ｆ ｅ ｃｄ ｂ ｔ ｙｌ ｈ ｓｒ ｔＴ ｅＳｇ ａ ｔ ｏ ｅＲ ｔ （ Ｎ ） ｆ ｈ ｍ ｌ ｎ ａｅ ｙ ｅｓ ｃｒ ｓ ｍ ｉ ｇｅ ｌ ｉ ｕ ｎ ｅ ｙ ｒ ｇ ｔ ａ ｓ ｉ ｅ ｒ ｐ ａ ｓ ｅ ｓ ａｙｎ ｌ ｓａ ｉ
号 的影响 变得突 出。对 热红外高 光谱 系统的信 号成 分进 行理 论 分析 ， 探测 器 输 出信 号分 为 将
四个部分 ， 并对各 部分进行 测量 ， 到 常温和低 温制冷条 件下各 信号 成分 以及 等效 噪声温 差的 得
变化规律 ， 找到影 响 系统 性 能的关键 因素 ， 并给 出提 高 系统信 噪 比的方 案 ， 为我 国热 红 外高 光 谱 系统 的进 一 步发 展 与实用化提供 参考 。
Ｔｅ ｅａｕｅＤｉｅｅ ｃ Ｎ Ｔ ａ ｏｍａ ａ ｄ ｌｗ ｔｍｐ ｒｔｒ． ｕｔｅｍｏｅ，ｒ ｉａ ａ ｔｒ ｎ ｕ ｎ ｅ ｙ ｔｍ ｅ— ｍｐ ｒｔｒ ｆ ｒｎ ｅ（ Ｅ Ｄ） ｔｎ ｒ ｌ ｎ ｏ ｅ ｅａｕｅ Ｆ ｒ ｒ ｒ ｃｉｃ ｌｆｃｏｓｉｆ ｅ ｃ ｄ ｓｓｅ ｐ ｒ ｆ ｈ ｔ ｌ
热 红外 高光 谱 系统 信号 成 分 分析 及 处理
林 颖， 徐卫 明， 袁立银 ， 王建 宇
（ 国科 学 院 上海 技 术 物 理研 究 所 ， 海 ２０ ８ ） 中 上 ０ ０ ３
摘 要 ： 学 系统 自身热辐 射产 生的杂散 光 以及分 光后信 号 能量的下 降 ， 大影响着 热红 外高 光 极 光谱 系统 的信噪 比。光 学系统制冷 可大 大减少 系统 杂散 光 ， 低 温 下探 测器 暗 电流 对 有效 信 但
ｗｈｃ ｍｉ ｒ ｍ ｐｔ ａ ｙ ｔ ｍ ｎ ｉ ｎ ｌｄ ｃ ｅ ｓ ｆｅ ｅ ｎ ｆｒ ｃ．Ｃｏ ｌｎｇｏ ｈ ｎｔ ｅ ｏ ｔｃ ｌｓ ｓｅ ｃ ｎ ｈ ｇ ｙ ｉｈ ｅ ｔ ｆｏ ｏ ｉ ｌｓ ｓｅ ａ ｄ ｓｇ ａ ｅ ｒａ ｅａｔ ｒｂ ｉ ｇｄｉｆａ ｔ ｓ ｃ ｏｉ ｆｔ ｅｅ ｉ ｐｉａ ｙ ｔｍ ａ ｉｈｌ ｒ ｒ ｄｕ ｅｓ ｓｅ ｓｒ ｙ ｌ ｈ ， ｖ ｒｈｅｅ ｓｔ ｅ ｉ ｅ ｃ ｙ ｔｍ ｔａ ｉ ｔ ｎｅ ｅ ｔ ｌ ｓ ｈ ｍｐａ ｔｏ ａ ｋ ｃ ｒｅ ｔｂ ｃ ｍｅ ｏ ｖｏ ｔｌｗ ｅ ｅ ａｕ ｅ． ｇ ｃ ｆｄ ｒ ｕ ｒ ｎ ｅ ｏ ｂ ｉｕｓａ ｏ ｔｍｐ ｒ ｔｒ Ｔｈｅ ｒｔｃ ｌａ ａ ｏｅ ｉａ ｎ — ｌ ｚ ｄ ｓｇ ａ ｏ ｏ ｎｔｏ ｈ ｒ ｌ ｎ ｒｒ ｄ ｈｙ ｅ ｓ ｅ ｔａ ｓ ｓｅ ， ｖｄ ｄ ａ ｒ ｕｔｕｔｓｇ ａ ｉｔ ｆｕ ｐ ｒｓ ｎ ｙ ｅ ｉｎ ｌｃ ｍｐ ｎｅ ｆｔ ｅ ｍａ ｉｆａ ｅ ｐ ｒｐ ｃｒ ｌ ｙ ｔｍ ｄｉｉｅ ｃ ｍｅａ ｏ ｐ ｉｎ ｌ ｎ ｏ ｏ ｒ ａｔ ａ ｄ ｍｅ ｓ ｒ ｄ ｅ ｃ ｒ ｆｔ ｅ ｓｇ ａ Ｏ ａ ｏｇ ｔｐｅｃ ｎ ａ ｅ ｖ ｒａｉｎ ｏ ａ ｈ ｐａ ｆｓｇ ａ ｎ ｒ ｎ ｆＮｏｓ ｕ ｖ ｌ ｎ ａ ｕ ｅ ａ ｈ ｐａｔｏ ｈ ｉｎ ｌＳ ｓｔ ｅ ｒ ｅ ｔｇ ａｉ ｔ ｆｅ ｃ ｒ ｏ ｉ ｎ ｌａ ｄ ｔｅ ｄ ｏ ｉｅＥｑ ｉａ ｅ ｔ ｏ ｔ