本發(fā)明涉及水質(zhì)檢測領(lǐng)域，尤其涉及一種用于檢測養(yǎng)殖水體藻類濃度的檢測方法。

背景技術(shù)：

養(yǎng)殖區(qū)域的水質(zhì)對養(yǎng)殖水產(chǎn)品來說是非常重要的，我國一直有“養(yǎng)魚需先養(yǎng)水”的說法，而藻類濃度是水質(zhì)優(yōu)劣最重要的參數(shù)之一。由于藻類繁殖是細胞分裂方式，能夠在短時間內(nèi)爆發(fā)，嚴重影響?zhàn)B殖水體水質(zhì)，因此高頻率的實時監(jiān)測藻類濃度變得尤為重要。

現(xiàn)有針對水體藻類濃度快速檢測有三種方式：一是通過采水樣實驗的方式；二是通過熒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采樣點的點狀數(shù)據(jù)，后者得到的是一個區(qū)域的面狀的藻類濃度分布數(shù)據(jù)。采用光譜傳感器模型反演的方式更適用于在水產(chǎn)養(yǎng)殖過程中快速得到整個養(yǎng)殖場水體的藻類濃度。然而光譜反演方法和技術(shù)主要集中于利用衛(wèi)星遙感對湖泊河流等進行大尺度的估算，由于大尺度的方法和模型無法適用于小尺度的水產(chǎn)養(yǎng)殖，而且湖泊水質(zhì)與養(yǎng)殖塘口水質(zhì)有本質(zhì)區(qū)別，反演模型必須基于實測數(shù)據(jù)建立優(yōu)化。因此需要建立一種針對于水產(chǎn)養(yǎng)殖水體的藻類濃度實時檢測方法。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種用于檢測養(yǎng)殖水體藻類濃度的檢測方法。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：一種養(yǎng)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(fā)明將養(yǎng)殖水體進行了分類，并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(yǎng)殖水體所在地區(qū)的多處水體進行采樣，采樣數(shù)據(jù)包括多光譜數(shù)據(jù)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(yīng)光譜第一波段的波長，λ₁的取值范圍是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(xiàn)為波谷；

λ₂對應(yīng)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于其對第一波段光的吸收，懸浮物、黃色物質(zhì)的吸收在一二波段近似，所以R^-1(λ₁)-R^-1(λ₂)組合后只受藻類吸收和懸浮物后向散射影響

λ₃對應(yīng)光譜第三波段的波長，λ₃取值范圍是720-800nm；所有物質(zhì)對第三波段光的吸收都接近于0，而懸浮物的后向散射在波段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(zhì)對藻類在光譜響應(yīng)上的影響；

u、v為修正系數(shù)。

步驟(3)：計算每個樣本的光譜參數(shù)A₁和A₂，依據(jù)如下規(guī)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；

所述光譜數(shù)據(jù)包括遙感反射率/波長曲線，A₁是指波長630nm，670nm和720nm三點連線在670nm點處的夾角，670nm處光譜受藻類強吸收，因此用670nm處的夾角分離藻類主導型水體；

A2是指波長670nm，720nm和760nm三點連線在720nm處的夾角；后向散射隨波段增加呈指數(shù)下降，而720nm處光譜主要受懸浮物后向散射影響，懸浮物濃度越高其下降的幅度越大，因此720nm處的光譜夾角可以用來分離無機懸浮物主導型水體。

步驟(4)：利用所有屬于類型一水體的采樣數(shù)據(jù)擬合得到類型一水體的葉綠素a的反演模型的修正系數(shù)u₁和v₁，得到類型一水體的葉綠素a的反演模型；

利用所有屬于類型二水體的采樣數(shù)據(jù)擬合得到類型二水體的葉綠素a的反演模型的修正系數(shù)u₂和v₂，得到類型二水體的葉綠素a的反演模型；

利用所有屬于類型三水體的采樣數(shù)據(jù)擬合得到類型三水體的葉綠素a的反演模型的修正系數(shù)u₃和v₃，得到類型三水體的葉綠素a的反演模型。

步驟(5)：采集待檢測養(yǎng)殖水體的多光譜數(shù)據(jù)。

步驟(6)：依據(jù)步驟(3)的規(guī)則對待檢測養(yǎng)殖水體進行類型確認，依據(jù)待檢測養(yǎng)殖水體的類型選擇步驟(4)中的對應(yīng)模型反演待檢測養(yǎng)殖水體的葉綠素a濃度。

具體的，所述步驟(1)和步驟(5)采用Snap Shot多光譜相機作為光譜傳感器采集水體的多光譜數(shù)據(jù)。

具體的，所述步驟(1)中葉綠素濃度測定采用“熱乙醇法”。

前述的水體藻類濃度檢測方法要求事先采樣以確定反演模型的修正系數(shù)u和v，為了方便無法進行大量采樣實驗的用戶使用本方法，本發(fā)明依據(jù)自采樣的200多個樣本，擬合了修正系數(shù)，進而提供一種更為簡化的養(yǎng)殖水體藻類濃度檢測方法，具體包括如下步驟：

步驟(1)：采集待檢測養(yǎng)殖水體的多光譜數(shù)據(jù)；

步驟(2)：計算待檢測養(yǎng)殖水體的光譜參數(shù)A₁和A₂，依據(jù)如下規(guī)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；

所述光譜數(shù)據(jù)包括遙感反射率/波長曲線，A₁是指波長630nm，670nm和720nm三點連線在670nm點處的夾角，A2是指波長670nm，720nm和760nm三點連線在720nm處的夾角；

步驟(3)：依據(jù)待檢測養(yǎng)殖水體的類型，選擇如下三種葉綠素a濃度反演模型中的對應(yīng)模型反演待檢測養(yǎng)殖水體葉綠素a的濃度

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

有益效果：(1)本發(fā)明提供了一種可以實時檢測養(yǎng)殖水體藻類濃度的檢測方法，該方法利用多光譜傳感器采集水體光譜參數(shù)，再利用反演模型快速得到整個養(yǎng)殖場水體的藻類濃度，檢測速度快，幫助養(yǎng)殖人員及時發(fā)現(xiàn)水體的水質(zhì)問題。(2)本發(fā)明將養(yǎng)殖水體分為藻類主導型水體、混合型水體和無機懸浮物主導型水體，并分別對三種水體提供了三種不同的三波段反演模型，將水體藻類濃度的檢測誤差從未分類時的38.72％降到了10.50％(藻類主導型)、25.01％(混合型)和18.25％(無機懸浮物主導型)。

附圖說明

圖1是實施例1不同類型水體遙感反射率光譜均值圖。

圖2是實施例1水體分類流程圖。

圖3是實施例1未分類水體反演模型擬合圖。

圖4是實施例1類型一水體反演模型擬合圖。

圖5是實施例1類型二水體反演模型擬合圖。

圖6是實施例1類型三水體反演模型擬合圖。

具體實施方式

下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細說明。

實施例1

本實施例通過小型無人機搭載Snap Shot多光譜相機正射拍攝了257個養(yǎng)殖水體樣本，并對所有的水體樣本進行了水質(zhì)采樣。本實施例Snap Shot多光譜相機采集了所有水體樣本的遙感反射率/波長曲線，圖1是不同類型水體遙感反射率光譜均值圖。本實施例利用“熱乙醇法”測定了水體樣本中的葉綠素a濃度，利用常規(guī)的干燥、烘燒和稱重法測定了水體樣本中的總懸浮物濃度和有機、無機懸浮物濃度。本實施例將這257個水體樣本中的202個用作建模樣本，剩余的55個用作驗證驗本。

如圖2所示，本實施例計算了所有水體樣本的光譜參數(shù)A₁和A₂，依據(jù)如下規(guī)則對所有水體樣本進行分類：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是分類后所有水體樣本水質(zhì)參數(shù)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濃度的反演模型采用三波段模型：

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(yīng)光譜第一波段的波長，λ₁的取值范圍是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(xiàn)為波谷；

λ₂對應(yīng)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于其對第一波段光的吸收，懸浮物、黃色物質(zhì)的吸收在一二波段近似，所以R^-1(λ₁)-R^-1(λ₂)組合后只受藻類吸收和懸浮物后向散射影響

λ₃對應(yīng)光譜第三波段的波長，λ₃取值范圍是720-800nm；所有物質(zhì)對第三波段光的吸收都接近于0，而懸浮物的后向散射在波段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(zhì)對藻類在光譜響應(yīng)上的影響；

u、v為修正系數(shù)。

利用202個建模樣本擬合出分類前和分類后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

分類前和分類后的模型擬合圖如圖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(jié)果如表2所示：

表2

可以看出，在對水體進行分類之后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(fā)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(yīng)限定本發(fā)明的保護范圍。在不脫離本發(fā)明宗旨的范圍內(nèi)進行各種省略、置換和變更均應(yīng)包含在本發(fā)明的保護范圍內(nèi)。