论文部分内容阅读
我国淡水水域富营养化程度日趋严重,导致浮游藻类过度繁殖,藻类水华现象频繁发生,严重危害人类健康和经济可持续发展。藻类水华危害严重但现阶段还缺少有效的治理手段,因此藻类水华的预警至关重要。淡水水体中的优势藻的门类和生物量,与该水体是否有可能爆发水华及水华的严重程度密切相关,需要对其中的优势藻的门类和浓度进行重点监测。优势藻的门类组成和浓度受到季节、水温等的影响,是一个动态变化的过程,同一水体在不同季节的优势藻门类具有显著的差异,且同一季节不同水域和不同深度的水体中优势藻的门类和密度也具有明显的差异。因此,需要对被测水域不同位置和不同深度的水体进行长期的连续测量。然而,目前尚缺少这种可应用于现场优势藻在线识别和浓度测量的方法和装置。针对上述问题,在对浮游藻类荧光测量法和浮游藻类光合色素特性研究的基础上,本文提出了基于荧光比值特征的优势藻门类在线识别方法和基于多元线性回归的优势藻浓度测量方法。同时,结合四个特征波长的高亮LED的激发光源,研制了基于上述识别方法和测量方法的船载式藻类荧光参数在线检测装置。本文对基于藻类荧光比值特征的纯种藻门类识别方法进行了公式推导。四个特征波长光激发下,纯种藻荧光强度的六个比值特征反映的是其所含光合色素成分的荧光效率、摩尔吸收系数和含量的特征。相同门类藻的光合色素成分是相似的,而不同门类藻的光合色素成分具有明显的差异,因此可通过纯种藻的荧光比值特征来反映其所属门类的荧光比值特征,进而对被测藻种进行门类识别。混合藻的荧光比值特征主要反映的是优势藻的光合色素特征,但非优势藻的荧光强度带来的影响不能忽略,因此本文提出了基于支持向量机的混合藻中优势藻的门类在线识别方法。在识别出优势藻门类的基础上,提出了藻类浓度分类测量的方法,能通过多元散射校正方法对水体中散射效应和吸收效应带来的影响进行校正。本文选用了小球藻、铜绿微囊藻、三角褐指藻、螺旋藻、鱼腥藻和铁杆藻等纯种藻,通过快速荧光光谱仪进行了实验测试,对基于SVM的测试集识别准确率进行了分析,与K近邻算法进行了比较;通过训练集样品得出基于K近邻算法和支持向量机的分类模型,并通过测试集样品对识别效果和浓度测量误差进行了讨论。实验结果表明,测试集126个样品,K近邻算法的识别正确率为97.6%,SVM的识别正确率为99.2%;SVM识别准确率高于K近邻算法。本文研制了基于荧光比值特征的藻类在线检测装置,该装置基于四个特征波长高亮LED和荧光检测探头模块,可置于移动式水上设备中,实现对被测水域的动态测量。实验测试结果表明,装置的光源模块和检测模块性能稳定,对实地采集的12个样品的识别结果均正确,实地采集的自然水体中优势藻浓度测量结果平均误差约为10.86%。