一種養殖水體藻類濃度檢測方法與流程
2023-10-07 01:11:29
本發明涉及水質檢測領域，尤其涉及一種用於檢測養殖水體藻類濃度的檢測方法。
背景技術：
養殖區域的水質對養殖水產品來說是非常重要的，我國一直有「養魚需先養水」的說法，而藻類濃度是水質優劣最重要的參數之一。由於藻類繁殖是細胞分裂方式，能夠在短時間內爆發，嚴重影響養殖水體水質，因此高頻率的實時監測藻類濃度變得尤為重要。
現有針對水體藻類濃度快速檢測有三種方式：一是通過採水樣實驗的方式；二是通過螢光傳感器放入水中測量得到；三是通過光譜傳感器進行模型估算反演得到。前兩種方法得到的是單個採樣點的點狀數據，後者得到的是一個區域的面狀的藻類濃度分布數據。採用光譜傳感器模型反演的方式更適用於在水產養殖過程中快速得到整個養殖場水體的藻類濃度。然而光譜反演方法和技術主要集中於利用衛星遙感對湖泊河流等進行大尺度的估算，由於大尺度的方法和模型無法適用於小尺度的水產養殖，而且湖泊水質與養殖塘口水質有本質區別，反演模型必須基於實測數據建立優化。因此需要建立一種針對於水產養殖水體的藻類濃度實時檢測方法。
技術實現要素：
本發明要解決的技術問題是提供一種用於檢測養殖水體藻類濃度的檢測方法。
為解決上述技術問題，本發明採用的技術方案為：一種養殖水體藻類濃度檢測方法，該方法利用光譜反演的方式快速檢測水體藻類濃度。為了提高反演的精度，本發明將養殖水體進行了分類，並且對每一類水體各提供了一種反演模型。具體包括如下步驟：
步驟(1)：對待檢測養殖水體所在地區的多處水體進行採樣，採樣數據包括多光譜數據和葉綠素a的濃度。
步驟(2)：建立葉綠素a濃度的反演模型
Chla＝u×[R-1(λ1)-R-1(λ2)]×R(λ3)+v
其中Chla為葉綠素a的濃度；
λ1、λ2和λ3為三波段光波的波長；
λ1對應光譜第一波段的波長，λ1的取值範圍是660nm-690nm，第一波段是藻類中葉綠素a色素吸收最強的波段，在光譜曲線中表現為波谷；
λ2對應光譜第二波段的波長，λ2取值700nm，葉綠素a對第二波段光的吸收遠小於其對第一波段光的吸收，懸浮物、黃色物質的吸收在一二波段近似，所以R-1(λ1)-R-1(λ2)組合後只受藻類吸收和懸浮物後向散射影響
λ3對應光譜第三波段的波長，λ3取值範圍是720-800nm；所有物質對第三波段光的吸收都接近於0，而懸浮物的後向散射在波段2和波段3處近似相等，通過三個波段的組合最大程度的減少了水體其他物質對藻類在光譜響應上的影響；
u、v為修正係數。
步驟(3)：計算每個樣本的光譜參數A1和A2，依據如下規則對該水體進行分類；a、如果A1>180且A2<180，則將該水體判定為藻類主導型水體，簡稱類型一水體；b、如果A1≤180且A2180且A2<180，則將該水體判定為藻類主導型水體，簡稱類型一水體；b、如果A1≤180且A2180且A2<180，則將該水體判定為藻類主導型水體，簡稱類型一水體；b、如果A1≤180且A2<180，則將該水體判定為混合型水體，簡稱類型二水體；c、如果A2≥180，則將該水體判定為無機懸浮物主導型水體，簡稱類型三水體；A1是指遙感反射率/波長曲線中波長630nm，670nm和720nm三點連線在670nm點處的夾角，A2是指遙感反射率/波長曲線中波長670nm，720nm和760nm三點連線在720nm處的夾角。
表1是分類後所有水體樣本水質參數匯總表，其中TSM表示總懸浮物濃度，OSM表示有機懸浮物濃度，ISM表示無機懸浮物濃度，Chla表示葉綠素a。
表1
葉綠素a濃度的反演模型採用三波段模型：
Chla＝u×[R-1(λ1)-R-1(λ2)]×R(λ3)+v
其中Chla為葉綠素a的濃度；
λ1、λ2和λ3為三波段光波的波長；
λ1對應光譜第一波段的波長，λ1的取值範圍是660nm-690nm，第一波段是藻類中葉綠素a色素吸收最強的波段，在光譜曲線中表現為波谷；
λ2對應光譜第二波段的波長，λ2取值700nm，葉綠素a對第二波段光的吸收遠小於其對第一波段光的吸收，懸浮物、黃色物質的吸收在一二波段近似，所以R-1(λ1)-R-1(λ2)組合後只受藻類吸收和懸浮物後向散射影響
λ3對應光譜第三波段的波長，λ3取值範圍是720-800nm；所有物質對第三波段光的吸收都接近於0，而懸浮物的後向散射在波段2和波段3處近似相等，通過三個波段的組合最大程度的減少了水體其他物質對藻類在光譜響應上的影響；
u、v為修正係數。
利用202個建模樣本擬合出分類前和分類後的水體藻類濃度反演模型：
未分類：Chla＝87.13×[R-1(670)-R-1(700)]*R(720)+11.70
類型一：Chla＝74.37×[R-1(670)-R-1(700)]*R(720)+15.60
類型二：Chla＝130.5×[R-1(670)-R-1(700)]*R(760)+10.23
類型三：Chla＝86.27×[R-1(670)-R-1(700)]*R(780)+10.45
分類前和分類後的模型擬合圖如圖3至圖6所示。
用55個水體樣本對上述的反演模型進行驗證，結果如表2所示：
表2
可以看出，在對水體進行分類之後再使用三波段模型進行葉綠素a濃度的反演，其精度明顯提高。
雖然說明書中對本發明的實施方式進行了說明，但這些實施方式只是作為提示，不應限定本發明的保護範圍。在不脫離本發明宗旨的範圍內進行各種省略、置換和變更均應包含在本發明的保護範圍內。