CN112881353B - 一种测定水体中溶解性有机碳浓度的方法和装置 - Google Patents
一种测定水体中溶解性有机碳浓度的方法和装置 Download PDFInfo
- Publication number
- CN112881353B CN112881353B CN202110030492.9A CN202110030492A CN112881353B CN 112881353 B CN112881353 B CN 112881353B CN 202110030492 A CN202110030492 A CN 202110030492A CN 112881353 B CN112881353 B CN 112881353B
- Authority
- CN
- China
- Prior art keywords
- doc
- predetermined wavelength
- humoid
- concentration
- soluble organic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 133
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 59
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000007637 random forest analysis Methods 0.000 claims abstract description 65
- 230000003287 optical effect Effects 0.000 claims abstract description 51
- 238000002835 absorbance Methods 0.000 claims abstract description 41
- 230000031700 light absorption Effects 0.000 claims abstract description 41
- 238000002189 fluorescence spectrum Methods 0.000 claims abstract description 27
- 239000000203 mixture Substances 0.000 claims abstract description 26
- 239000005416 organic matter Substances 0.000 claims abstract description 24
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 22
- 238000001228 spectrum Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000010521 absorption reaction Methods 0.000 claims abstract description 4
- 230000000813 microbial effect Effects 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 25
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 239000003864 humus Substances 0.000 description 8
- 239000007788 liquid Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004177 carbon cycle Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000005281 excited state Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000005283 ground state Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010353 tongjiang Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1734—Sequential different kinds of measurements; Combining two or more methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
- G01N2021/6419—Excitation at two or more wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
- G01N2021/6421—Measuring at two or more wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6491—Measuring fluorescence and transmission; Correcting inner filter effect
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本说明书实施例公开了一种测定水体中溶解性有机碳浓度的方法和装置,该方案包括:测定待测水体中有色可溶性有机物CDOM的光吸收光谱;基于所述光吸收光谱计算所述CDOM在第一预定波长处的光吸收系数a第一预定波长、在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M;测定所述待测水体中CDOM的三维荧光光谱;解析所述三维荧光光谱中各荧光组成的相对含量及所述各荧光组成之间的比值;基于所述光吸收系数a第一预定波长、所述在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M、所述各荧光组成的相对含量和所述各荧光组成之间的比值,利用训练后的随机森林回归模型计算所述待测水体中DOC的浓度。本发明技术方案能够解决时空跨度大的水体中DOC浓度计算问题,并且计算效率高。
Description
技术领域
本申请涉及水体环境监测和评价技术领域,尤其涉及一种测定水体中溶解性有机碳浓度的方法和装置。
背景技术
溶解性有机碳DOC代表了海洋中第二大生物活性碳,虽然DOC存储量在内陆水体中具有不确定性,但其在区域性尺度上对气候变化和人类的影响不可小觑。了解DOC的库存量及其迁移转化有助于更好地研究全球碳循环以及气候变化,而这需要大尺度和长时间序列的DOC数据。现有技术中,目前常规的DOC测定方法多限于室内仪器测定分析,这种测定方法在测定分析过程中会产生废弃水体,从而造成环境污染,并且这种试验分析方法只能得到数量有限且离散分布的数据,不能获取长时间序列和大尺度空间上的DOC含量数据。
因此,如何提供一种能够适用于时空跨度大的水体中DOC浓度计算且计算效率高的方法,是需要解决的技术问题。
发明内容
本说明书实施例提供一种测定水体中溶解性有机碳浓度的方法,以能够解决时空跨度大的水体中DOC浓度的计算问题。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种测定水体中溶解性有机碳浓度的方法,包括:
测定待测水体中有色可溶性有机物CDOM的光吸收光谱;
基于所述CDOM的光吸收光谱计算所述有色可溶性有机物CDOM在第一预定波长处的光吸收系数a第一预定波长、在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M;
测定所述待测水体中有色可溶性有机物的三维荧光光谱;
解析所述三维荧光光谱中各荧光组成的相对含量及所述各荧光组成之间的比值;
基于所述光吸收系数a第一预定波长、所述在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M、所述各荧光组成的相对含量和所述各荧光组成之间的比值,利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度。
优选的,所述三维荧光光谱中各荧光组成的相对含量包括:陆源性类腐殖质的相对丰度C1r、微生物作用类腐殖质相对丰度C2r和类蛋白物质的相对丰度C3r;
所述各荧光组成之间的比值包括:所述陆源性类腐殖质荧光强度C1与所述微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与所述类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3。
优选的,所述训练后的随机森林回归模型f为:
DOC浓度=f(C1r、C2r、C3r、C1/C2、C2/C3、C1/C3、a第一预定波长、M)。
优选的,所述利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度,之前还包括:
在典型水文季节采集若干份水体样本;
测定所述水体样本的CDOM的多个光学参数和所述溶解性有机碳DOC的浓度实测值;
所述多个光学参数包括水体样本中的陆源性类腐殖质的所述相对丰度C1r、所述微生物作用类腐殖质相对丰度C2r、所述类蛋白物质的相对丰度C3r、所述陆源性类腐殖质荧光强度C1与所述微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与所述类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3、光吸收系数a第一预定波长、吸光度的比值M;
将所述已知DOC的浓度实测值的所述若干份水体样本按预设比例划分为训练样本和测试样本;
采用所述训练样本的所述多个光学参数和DOC的浓度实测值对初始的随机森林回归模型进行训练,得到训练后的随机森林回归模型;
将所述测试样本的所述多个光学参数输入所述训练后的随机森林回归模型,得到预测的DOC的浓度值,将所述预测的DOC的浓度值与所述测试样本的DOC的浓度实测值进行比较,得到准确率;
根据所述准确率调整所述训练后的随机森林回归模型对应的训练参数,直至所述准确率满足预设准确率为止,得到训练后的随机森林回归模型。
优选的,所述典型水文季节包括:枯水期、涨水期、退水期和丰水期。本发明所用到的随机森林模型本质上属于一种机器学习模型,采集典型水文季节的水体样本,能够使本发明所用到的随机森林模型更精准地学习到待测水体中CDOM的光学多参数与DOC之间存在的关系,从而使最后得到的随机森林模型能够更加准确地预测待测水体的DOC浓度。
优选的,基于峰值挑选法或平行因子法解析所述三维荧光光谱中各荧光组成的相对含量。
优选的,所述第一预定波长处的光吸收系数是基于在所述第一预定波长处测得的吸光度的数值经过散射校正后计算得到的。
同时本发明还提供一种测定湖泊水体中溶解性有机碳浓度的装置,包括:
光吸收光谱测定模块,用于测定待测水体的有色可溶性有机物CDOM的光吸收光谱;
光吸收系数和吸光度测定模块,用于基于所述CDOM的光吸收光谱计算所述有色可溶性有机物CDOM在第一预定波长处的光吸收系数、在第二预定波长处的吸光度和在第三预定波长处的吸光度;
三维荧光光谱测定模块,用于测定所述待测水体中有色可溶性有机物的三维荧光光谱;
解析模块,解析所述三维荧光光谱中各荧光组成的相对含量及所述各荧光组成之间的比值;
溶解性有机碳DOC的浓度测定模块,用于基于所述光吸收系数、所述在第二预定波长处的吸光度、所述在第三预定波长处的吸光度、所述各荧光组成的相对含量和所述各荧光组成之间的比值,利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度。
优选的,还包括:随机森林回归模型训练模块,用于在典型水文季节采集若干份水体样本;测定所述水体样本的CDOM的多个光学参数和所述溶解性有机碳DOC的浓度实测值;所述多个光学参数包括水体样本中的陆源性类腐殖质的所述相对丰度C1r、所述微生物作用类腐殖质相对丰度C2r、所述类蛋白物质的相对丰度C3r、所述陆源性类腐殖质荧光强度C1与所述微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与所述类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3、光吸收系数a第一预定波长、吸光度的比值M;
将所述已知DOC的浓度实测值的所述若干份水体样本按预设比例划分为训练样本和测试样本;
采用所述训练样本的所述多个光学参数和DOC的浓度实测值对初始的随机森林回归模型进行训练,得到训练后的随机森林回归模型;
将所述测试样本的所述多个光学参数输入所述训练后的随机森林回归模型,得到预测的DOC的浓度值,将所述预测的DOC的浓度值与所述测试样本的DOC的浓度实测值进行比较,得到准确率;
根据所述准确率调整所述训练后的随机森林回归模型对应的训练参数,直至所述准确率满足预设准确率为止,得到训练后的随机森林回归模型。
优选的,还包括:荧光组成相对含量计算模块,用于基于峰值挑选法或平行因子法解析所述三维荧光光谱中各荧光组成的相对含量。
本说明书中提供的至少一个实施例能够达到以下有益效果:
1)与传统的DOC测试分析相比,本发明方法不需要添加任何化学试剂,不会产生任何废液,环境友好。
2)本发明技术方案中CDOM的光吸收光谱和荧光光谱的测定预处理仅需要简单的过滤即可,测定简单,且成本很低;选入随机森林模型的CDOM光学多参数测定容易集成市场上销售的传感器进行测定,因而可以实现实时在线监测获得大量数据集,由于获得的数据集中数据较多,可以更好地对随机森林模型进行训练,从而可以得出更精准的水体DOC估算方法,有利于深化内陆碳循环的基础理论研究。
3)本发明技术方案基于随机森林回归模型,利用待测水体中有色溶解性有机物CDOM的多个光学参数来估算溶解性有机碳DOC的浓度,其中有色溶解性有机物CDOM作为溶解性有机碳DOC的重要光学物质组成部分,其光学特性可在野外在线监测或者使用卫星遥感数据反演得出,具有快捷高效、环境友好的优点。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种测定水体中溶解性有机碳浓度的方法的流程示意图;
图2为本说明书实施例提供的对应于图1的一种测定水体中溶解性有机碳浓度的装置的结构示意图;
图3为本说明书实施例中不同水文季节下鄱阳湖的采样点分布示意图;
图4为本说明书实施例中基于平行因子分析解析CDOM三维荧光光谱得到3个荧光组分C1、C2和C3的示意图;
图5为依据本发明方法计算出来的DOC浓度值与DOC实测值的对比关系示意图。
具体实施方式
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书一个或多个实施例保护的范围。
湖泊是地球上最重要的淡水资源库之一,其作为陆表系统各个要素相互作用的关键节点,紧密参与着全球变化过程,是全球变化区域响应的一个敏感记录器,在记录区域环境变化、调节区域气候、维持区域生态平衡和繁衍生物多样性等方面发挥着重要的作用。近年来,在自然和人为因素的共同影响下,我国湖泊特别是长江中下游湖泊的水环境面临诸多问题,如水质恶化、生态功能退化、洪水调蓄能力下降等,严重影响着湖泊流域社会经济的可持续发展,已经越来越成为政府和公众关注的焦点。随着湖泊生态环境问题的日益突出和全球碳循环研究的深入,迫切需要了解内陆水体中有机碳的储量和规律。
如前文背景技术部分记载的,溶解性有机碳DOC代表了海洋中第二大生物活性碳,虽然DOC储存量在内陆水体中具有不确定性,但其在区域性尺度上对气候变化和人类的影响不可小觑。了解DOC的库存量以及迁移转化有助于更好地研究全球碳循环以及气候变化,这需要大尺度和长时间序列的DOC数据。现有技术中,目前常规DOC测定方法,有的限于室内仪器测定分析,这种测定方法在测定分析过程中会产生废弃水体,从而造成环境污染,并且这种试验分析方法只能得到数量有限且离散分布的数据,从而不能获取长时间序列和大尺度空间上的DOC含量数据。有的DOC浓度估算方法,基于待测水体中实测的水体盐度和DOC浓度之间的相关性,采用待测水体盐度值来间接估算待测水体的DOC浓度,然而这种方法只适用于盐度变化范围较大的湖泊水体,对于盐度相对较为稳定的湖泊局部水体,或者DOC浓度随季节性变化而发生变化的范围较为明显时,这种基于待测水体盐度间接估算待测水体DOC浓度的方法就不合适。
考虑到DOC在水体中与具有光衰减作用的有色溶解性有机物CDOM有着紧密的联系,本说明书实施例提供了一种普适性强的测定水体中溶解性有机碳浓度的方法,基于随机森林模型,利用实际测量的有色溶解性有机物CDOM的多个光学参数来估算水体中DOC的浓度,能够适用于时空变化较大,且浑浊度分布不一的高水位变幅湖泊的DOC浓度估算问题。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的一种测定水体中溶解性有机碳浓度的方法的流程示意图。从程序的执行角度而言,流程的执行主体可以为搭载于应用服务器的程序或应用客户端。
如图1所示,该流程可以包括以下步骤:
步骤102:测定待测水体中有色可溶性有机物CDOM的光吸收光谱。
在本实施例中,采集待测水体后,可以先将待测水体经过滤膜过滤处理得到滤后液,然后将所述滤后液按预定比例分为第一滤后液和第二滤后液;然后使用紫外可见分光光度计测定第一滤后液中有色可溶性有机物CDOM的光吸收光谱。
步骤104:基于所述CDOM的光吸收光谱计算所述有色可溶性有机物CDOM在第一预定波长处的光吸收系数a第一预定波长、在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M。
本发明基于待测水体中CDOM的多个光学参数来测定水体中溶解性有机碳DOC的浓度。具体地,所述多个光学参数部分包括基于步骤102中得到的CDOM的光吸收光谱,计算得到的CDOM在预设第一波长处的光吸收系数a第一预定波长、在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M,比值M可以反映CDOM在相对分子量方面的信息。
步骤106:测定所述待测水体中有色可溶性有机物的三维荧光光谱。
本步骤中使用荧光光度计对步骤102中得到的第二滤后液进行测定,从而得到所述待测水体中有色可溶性有机物的三维荧光光谱,与传统分析方法相比,三维荧光光谱灵敏度高,比一般分析方法高出2~3个数量级,选择性较好,同时样品消耗量小且不会破坏样品结构。
步骤108:解析所述三维荧光光谱中各荧光组成的相对含量及所述各荧光组成之间的比值。
溶解性有机碳DOC是溶解性有机质DOM的一种,腐殖质是溶解性有机碳DOC的主要组成部分。本实施例采样光谱技术对待测水体中溶解性有机碳DOC进行分析。其中三维荧光光谱技术机理是:光在照射的过程中被溶解性有机碳DOC吸收,入射光的能量传递给有机物分子,当有机物分子被激发后,原子核周围的一些电子会从较低能级的轨道跃迁至较高能级的轨道,即从基态跃迁至激发态,整个过程约10-15秒,而两个能级间的能量差就是它所吸收的能量。由于激发态是不稳定的,会通过辐射跃迁(发射荧光)或非辐射跃迁(振动弛豫、内转换和系间窜越)恢复至基态,这样当电子从激发态恢复到基态时,伴随着能量以电磁辐射的形式释放,即产生荧光,这就是三维荧光光谱技术能够分析溶解性有机碳DOC的机理。
在溶解性有机碳DOC中包括若干种腐殖质,本步骤108中分析这些腐殖质的相对丰度,以及各相对丰度之间的比值。
步骤110:基于所述光吸收系数a第一预定波长、所述在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M、所述各荧光组成的相对含量和所述各荧光组成之间的比值,利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度。
由于本发明原理是基于待测水体中CDOM的多个光学参数来测定水体中溶解性有机碳DOC的浓度,在前面步骤得到了待测水体中CDOM的多个光学参数后,就可以基于训练后的随机森林回归模型,利用这些多个光学参数计算待测水体中溶解性有机碳DOC的浓度。其中,由于随机森林模型可以用来进行回归分析,所述回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,回归分析方法按照涉及的变量的多少可以分为一元回归和多元回归分析,本步骤中的随机森林回归模型是一种多元回归分析方法,可以指预先测定已知溶解性有机碳DOC的浓度的水体中CDOM的多个光学参数,根据建立的随机森林模型对此多个光学参数和有机碳DOC的浓度的数值之间的关系进行拟合,得到训练后的随机森林回归模型。其中,测定水体中CDOM的多个光学参数应确保是和前文步骤102至步骤108中,相同测量条件(包括相同的第一预定波长、第二预定波长和第三预定波长)下测量得到的参数,其中,可以使用总有机碳分析仪测定溶解性有机碳DOC的浓度。
基于图1的方法,本说明书实施例还提供了该方法的一些具体实施方式,下面进行说明。
可选的,步骤108中所述三维荧光光谱中各荧光组成的相对含量包括:陆源性类腐殖质的相对丰度C1r、微生物作用类腐殖质相对丰度C2r和类蛋白物质的相对丰度C3r。
所述各荧光组成之间的比值包括:所述陆源性类腐殖质荧光强度C1与所述微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与所述类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3。
可选的,步骤110中所述训练后的随机森林回归模型f为:
DOC浓度=f(C1r、C2r、C3r、C1/C2、C2/C3、C1/C3、a第一波长、M)。
其中,由于本实施例技术方案是基于待测水体中CDOM的多个光学参数,利用训练后的随机森林回归模型来计算所述待测水体中溶解性有机碳DOC的浓度,所以在此之前还应对用到的随机森林模型进行训练,具体包括:
在典型水文季节采集若干份水体样本;其中,典型的水文季节包括:枯水期、涨水期、退水期和丰水期。
测定所述水体样本的CDOM的多个光学参数和所述溶解性有机碳DOC的浓度实测值;
所述多个光学参数包括水体样本中的陆源性类腐殖质的所述相对丰度C1r、所述微生物作用类腐殖质相对丰度C2r、所述类蛋白物质的相对丰度C3r、所述陆源性类腐殖质荧光强度C1与所述微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与所述类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3、光吸收系数a第一预定波长、吸光度的比值M;
将所述已知DOC的浓度实测值的所述若干份水体样本按预设比例划分为训练样本和测试样本;
采用所述训练样本的所述多个光学参数和DOC的浓度实测值对初始的随机森林回归模型进行训练,得到训练后的随机森林回归模型;
将所述测试样本的所述多个光学参数输入所述训练后的随机森林回归模型,得到预测的DOC的浓度值,将所述预测的DOC的浓度值与所述测试样本的DOC的浓度实测值进行比较,得到准确率;
根据所述准确率调整所述训练后的随机森林回归模型对应的训练参数,直至所述准确率满足预设准确率为止,得到训练后的随机森林回归模型。
其中在采集水体样本时,可以采集待测水体不同位置处的水体样本,这样得到的水体样本更加具有代表性,从而使最终得到的随机森林模型的泛化能力强,从而在实际测量时,对于不同位置的待测样本,都能够准确地估算DOC的浓度值。
具体的,基于峰值挑选法或平行因子法解析所述三维荧光光谱中各荧光组成的相对含量。
具体的,所述第一预定波长处的光吸收系数是基于在所述第一预定波长处测得的吸光度的数值经过散射校正后计算得到的。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图2为本说明书实施例提供的对应于图1的一种测定水体中溶解性有机碳浓度的装置的结构示意图。如图2所示,该装置可以包括:
光吸收光谱测定模块,用于测定待测水体的有色可溶性有机物CDOM的光吸收光谱;
光吸收系数和吸光度测定模块,用于基于所述CDOM的光吸收光谱计算所述有色可溶性有机物CDOM在第一预定波长处的光吸收系数、在第二预定波长处的吸光度和在第三预定波长处的吸光度;
三维荧光光谱测定模块,用于测定所述待测水体中有色可溶性有机物的三维荧光光谱;
解析模块,解析所述三维荧光光谱中各荧光组成的相对含量及所述各荧光组成之间的比值;
溶解性有机碳DOC的浓度测定模块,用于基于所述光吸收系数、所述在第二预定波长处的吸光度、所述在第三预定波长处的吸光度、所述各荧光组成的相对含量和所述各荧光组成之间的比值,利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度。
与传统的DOC测试分析相比,本发明方法不需要添加任何化学试剂,不会产生任何废液,环境友好。同时由于本发明技术方案中CDOM的光吸收光谱和荧光光谱的测定预处理仅需要简单的过滤即可,测定简单,且成本很低;选入随机森林模型的CDOM光学多参数测定往往容易集成市场上销售的传感器进行测定,因而可以实现实时在线监测获得大量数据集,由于获得的数据集中数据较多,可以更好地对随机森林模型进行训练,从而可以得出更精准的水体DOC估算方法,有利于深化内陆碳循环的基础理论研究。同时,本发明技术方案基于随机森林回归模型,利用待测水体中有色溶解性有机物CDOM的多个光学参数来估算溶解性有机碳DOC的浓度,其中有色溶解性有机物CDOM作为溶解性有机碳DOC的重要光学物质组成部分,其光学特性可在野外在线监测或者使用卫星遥感数据反演得出,具有快捷高效、环境友好的优点。
以下结合具体实例对本发明技术方案进行说明。
预先于四个典型水文季节(包括枯水期、涨水期、退水期和丰水期)对我国最大的淡水湖泊鄱阳湖的表层水下0.5米处的水体进行水样采集,采样点的具体分布图如图3所示,由于丰水期水域面积剧增,增加了采样点个数,采样点个数总共为117个。
采用0.2微米的滤膜对采集的水样进行过滤,得到滤后液,之后使用紫外可见分光光度计测定水样中CDOM样品的光吸收光谱,并使用荧光光度计测定水样中CDOM样品的三维荧光光谱。然后基于平行因子分析法对所述三维荧光光谱进行解析,如附图4所示,获得鄱阳湖水体有色可溶性有机物CDOM的三个荧光组分,其中组分C1为陆源类腐殖质物质,C2为微生物作用类腐殖质,C3为类蛋白物质,并且参数Ex表示激发波长,参数Em表示发射波长。同时使用总有机碳分析仪测定采样点水体中溶解性有机碳DOC的浓度,利用这些采样点中的水体的CDOM的多个光学参数(即前文提到的DOC浓度=f(C1r、C2r、C3r、C1/C2、C2/C3、C1/C3、a第一波长、M)模型中的光学参数)和实测的采样点水体中溶解性有机碳DOC的浓度对随机森林模型进行训练,得到训练后的随机森林模型。
在得到训练后的随机森林模型后,如果需要对鄱阳湖某点处水体中的DOC的浓度进行测定,就可以将此采样点水体中的CDOM的多个光学参数输入训练后的随机森林模型,就可以估算得到采样点水体处的溶解性有机碳DOC的浓度。其中所述多个光学参数即前文提到的DOC浓度=f(C1r、C2r、C3r、C1/C2、C2/C3、C1/C3、a第一预定波长、M)模型中的CDOM的多个光学参数。
具体地,在本实施例中第一预定波长为254nm,第二预定波长为250nm,第三预定波长为365nm。
本实施例中虽然仅仅使用了鄱阳湖一百多个采样点进行随机森林训练,但是这些数据覆盖了湖泊的典型水文季节,即枯水期、涨水期、丰水期和退水期。鄱阳湖作为我国第一大淡水湖,广阔的水域内部差异较大,且由于是中国第一大的典型通江湖泊,具有“丰水一片、枯水一线”特征,同时包含不同的水体类型。因此,该类水体能够较好地代表长江中下游湖泊水体CDOM光学属性,保证开发的模型具有较好的适用性。
如图5所示,将依据发明方法估算出来的DOC浓度值和实测的DOC值进行拟合分析,二者之间的线性拟合确定系数R2高达0.75,均方根误差RMSE为0.23mg/L,平均相对误差MRE为8.26%,这可以充分说明本发明方法能够准确地对待测水体中溶解性有机碳的浓度进行估算。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种测定水体中溶解性有机碳浓度的方法,其特征在于,包括:
测定待测水体中有色可溶性有机物CDOM的光吸收光谱;
基于所述CDOM的光吸收光谱计算所述有色可溶性有机物CDOM在第一预定波长处的光吸收系数a第一预定波长、在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M;
测定所述待测水体中所述CDOM的三维荧光光谱;
解析所述三维荧光光谱中各荧光组成的相对含量及所述各荧光组成之间的比值;
基于所述光吸收系数a第一预定波长、所述在第二预定波长处的吸光度与在第三预定波长处的吸光度的比值M、所述各荧光组成的相对含量和所述各荧光组成之间的比值,利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度;
所述三维荧光光谱中各荧光组成的相对含量包括:陆源性类腐殖质的相对丰度C1r、微生物作用类腐殖质的相对丰度C2r和类蛋白物质的相对丰度C3r;
所述各荧光组成之间的比值包括:陆源性类腐殖质荧光强度C1与微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3。
2.根据权利要求1所述的方法,其特征在于,所述训练后的随机森林回归模型f为:
DOC浓度=f(C1r、C2r、C3r、C1/C2、C2/C3、C1/C3、a第一预定波长、M)。
3.根据权利要求2所述的方法,所述利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度,之前还包括:
在典型水文季节采集若干份水体样本;
测定所述水体样本的CDOM的多个光学参数和所述溶解性有机碳DOC的浓度实测值;
所述多个光学参数包括水体样本中的所述陆源性类腐殖质的相对丰度C1r、所述微生物作用类腐殖质的相对丰度C2r、所述类蛋白物质的相对丰度C3r、所述陆源性类腐殖质荧光强度C1与所述微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与所述类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3、所述光吸收系数a第一预定波长和所述吸光度的比值M;
将已知DOC浓度实测值的所述若干份水体样本按预设比例划分为训练样本和测试样本;
采用所述训练样本的所述多个光学参数和所述DOC浓度实测值对初始的随机森林回归模型进行训练,得到训练后的随机森林回归模型;
将所述测试样本的所述多个光学参数输入所述训练后的随机森林回归模型,得到预测的DOC的浓度值,将所述预测的DOC的浓度值与所述测试样本的DOC浓度实测值进行比较,得到准确率;
根据所述准确率调整所述训练后的随机森林回归模型对应的训练参数,直至所述准确率满足预设准确率为止,得到训练后的随机森林回归模型。
4.根据权利要求3所述的方法,其特征在于,所述典型水文季节包括:枯水期、涨水期、退水期和丰水期。
5.根据权利要求1所述的方法,其特征在于,基于峰值挑选法或平行因子法解析所述三维荧光光谱中各荧光组成的相对含量。
6.根据权利要求1所述的方法,其特征在于,所述第一预定波长处的光吸收系数是基于在所述第一预定波长处测得的吸光度的数值经过散射校正后计算得到的。
7.一种测定湖泊水体中溶解性有机碳浓度的装置,其特征在于,包括:
光吸收光谱测定模块,用于测定待测水体的有色可溶性有机物CDOM的光吸收光谱;
光吸收系数和吸光度测定模块,用于基于所述CDOM的光吸收光谱计算所述有色可溶性有机物CDOM在第一预定波长处的光吸收系数a第一预定波长、在第二预定波长处的吸光度和在第三预定波长处的吸光度的比值M;
三维荧光光谱测定模块,用于测定所述待测水体中有色可溶性有机物的三维荧光光谱,所述三维荧光光谱中各荧光组成的相对含量包括:陆源性类腐殖质的相对丰度C1r、微生物作用类腐殖质的相对丰度C2r和类蛋白物质的相对丰度C3r;
解析模块,解析所述三维荧光光谱中各荧光组成的相对含量及所述各荧光组成之间的比值,所述各荧光组成之间的比值包括:陆源性类腐殖质荧光强度C1与微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3;
溶解性有机碳DOC的浓度测定模块,用于基于所述光吸收系数a第一预定波长、所述在第二预定波长处的吸光度与所述在第三预定波长处的吸光度的比值M、所述各荧光组成的相对含量和所述各荧光组成之间的比值,利用训练后的随机森林回归模型计算所述待测水体中溶解性有机碳DOC的浓度。
8.根据权利要求7所述的装置,其特征在于,还包括:
随机森林回归模型训练模块,用于在典型水文季节采集若干份水体样本;
测定所述水体样本的CDOM的多个光学参数和所述溶解性有机碳DOC的浓度实测值;
所述多个光学参数包括水体样本中的所述陆源性类腐殖质的相对丰度C1r、所述微生物作用类腐殖质的相对丰度C2r、所述类蛋白物质的相对丰度C3r、所述陆源性类腐殖质荧光强度C1与所述微生物作用类腐殖质荧光强度C2的比值C1/C2、所述微生物作用类腐殖质荧光强度C2与所述类蛋白物质荧光强度C3的比值C2/C3、所述陆源性类腐殖质荧光强度C1与所述类蛋白物质荧光强度C3的比值C1/C3、所述光吸收系数a第一预定波长和所述吸光度的比值M;
将已知DOC的浓度实测值的所述若干份水体样本按预设比例划分为训练样本和测试样本;
采用所述训练样本的所述多个光学参数和DOC的浓度实测值对初始的随机森林回归模型进行训练,得到训练后的随机森林回归模型;
将所述测试样本的所述多个光学参数输入所述训练后的随机森林回归模型,得到预测的DOC的浓度值,将所述预测的DOC的浓度值与所述测试样本的DOC的浓度实测值进行比较,得到准确率;
根据所述准确率调整所述训练后的随机森林回归模型对应的训练参数,直至所述准确率满足预设准确率为止,得到训练后的随机森林回归模型。
9.根据权利要求7所述的装置,其特征在于,还包括:
荧光组成相对含量计算模块,用于基于峰值挑选法或平行因子法解析所述三维荧光光谱中各荧光组成的相对含量。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110030492.9A CN112881353B (zh) | 2021-01-11 | 2021-01-11 | 一种测定水体中溶解性有机碳浓度的方法和装置 |
PCT/CN2021/141222 WO2022148252A1 (zh) | 2021-01-11 | 2021-12-24 | 一种测定水体中溶解性有机碳浓度的方法和装置 |
GB2208462.8A GB2614769A (en) | 2021-01-11 | 2021-12-24 | Method and apparatus for measuring concentration of dissolved organic carbon in water |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110030492.9A CN112881353B (zh) | 2021-01-11 | 2021-01-11 | 一种测定水体中溶解性有机碳浓度的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112881353A CN112881353A (zh) | 2021-06-01 |
CN112881353B true CN112881353B (zh) | 2022-11-15 |
Family
ID=76046107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110030492.9A Active CN112881353B (zh) | 2021-01-11 | 2021-01-11 | 一种测定水体中溶解性有机碳浓度的方法和装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN112881353B (zh) |
GB (1) | GB2614769A (zh) |
WO (1) | WO2022148252A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112881353B (zh) * | 2021-01-11 | 2022-11-15 | 江西师范大学 | 一种测定水体中溶解性有机碳浓度的方法和装置 |
CN114216884A (zh) * | 2021-11-03 | 2022-03-22 | 湖北文理学院 | 一种养殖废水中腐殖酸含量的测定方法 |
CN114624152B (zh) * | 2022-05-16 | 2022-08-12 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种水体颗粒有机碳来源的测试方法及相关设备 |
CN115541345B (zh) * | 2022-10-25 | 2023-06-09 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种海水溶解有机碳组分分析方法 |
CN115983666B (zh) * | 2022-11-23 | 2023-09-22 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种评估水体来源和贡献的荧光指标 |
CN115824993B (zh) * | 2023-02-14 | 2023-07-18 | 北京英视睿达科技股份有限公司 | 水体化学需氧量的确定方法、装置、计算机设备及介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442441A (zh) * | 2016-09-06 | 2017-02-22 | 中国科学院南京地理与湖泊研究所 | 基于荧光光谱积分比值判定有色可溶性有机物来源的方法 |
CN108776109A (zh) * | 2018-04-17 | 2018-11-09 | 江西省科学院 | 一种定量评估猪场污水处理过程中有机物状况的方法 |
CN108896507A (zh) * | 2018-08-06 | 2018-11-27 | 中国科学院东北地理与农业生态研究所 | 估算河流腐殖化指数的方法 |
CN109142296A (zh) * | 2018-08-16 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 基于多源光谱特征的城市水体黑臭快速识别测定方法 |
CN109540859A (zh) * | 2018-11-27 | 2019-03-29 | 上海交通大学 | 一种水体中抗生素的分析和含量预测方法 |
CN109738397A (zh) * | 2018-11-30 | 2019-05-10 | 南京师范大学 | 一种基于olci传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法 |
CN110398466A (zh) * | 2019-08-05 | 2019-11-01 | 北京绿土科技有限公司 | 基于遥感反演的农作物生长状态监测方法 |
CN110823190A (zh) * | 2019-09-30 | 2020-02-21 | 广州地理研究所 | 基于随机森林的岛礁浅海水深预测方法 |
CN110887790A (zh) * | 2019-11-04 | 2020-03-17 | 华中科技大学 | 基于fvcom和遥感反演的城市湖泊富营养化模拟方法和系统 |
CN110987865A (zh) * | 2019-12-13 | 2020-04-10 | 齐鲁工业大学 | 一种基于近红外光谱检测无花果品质的方法 |
CN111723522A (zh) * | 2020-06-12 | 2020-09-29 | 中国科学院南京地理与湖泊研究所 | 一种湖泊与河流溶解有机碳交换通量的计算方法 |
CN112082979A (zh) * | 2020-09-22 | 2020-12-15 | 中国矿业大学(北京) | 一种地下水中石油烃类有机物的快速检测方法 |
CN112179856A (zh) * | 2020-09-15 | 2021-01-05 | 首都师范大学 | 一种水体不同分子量溶解性有机碳与重金属络合度评价方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8467059B2 (en) * | 2006-10-27 | 2013-06-18 | University Of South Florida | Deep-UV LED and laser induced fluorescence detection and monitoring of trace organics in potable liquids |
CN101576485A (zh) * | 2009-06-04 | 2009-11-11 | 浙江大学 | 一种多源光谱融合水质分析方法 |
JP5631015B2 (ja) * | 2010-01-29 | 2014-11-26 | 新日鐵住金株式会社 | 排水中の特定の油又は特定の含油排水の濃度測定方法及び検知方法並びに装置 |
CN103018225A (zh) * | 2012-12-20 | 2013-04-03 | 中国环境科学研究院 | 一种渗滤液及其污染水体中重金属生物可用性的判断方法 |
CN103901001A (zh) * | 2012-12-26 | 2014-07-02 | 中国环境科学研究院 | 一种确定湖泊沉水植物腐解程度的方法 |
CN103163112B (zh) * | 2013-02-27 | 2015-03-11 | 中国环境科学研究院 | 一种有机质腐殖化水平的综合评价方法 |
CN104198391B (zh) * | 2014-09-26 | 2017-02-15 | 南京大学 | 一种以led发光二极管为光源的紫外荧光双信号水质监测装置及其应用方法 |
US9670072B2 (en) * | 2014-10-29 | 2017-06-06 | Horiba Instruments Incorporated | Determination of water treatment parameters based on absorbance and fluorescence |
CN105004701B (zh) * | 2015-06-03 | 2017-11-28 | 南京大学 | 一种紫外法和荧光法相结合的智能水质监测仪及其使用方法 |
US11079368B2 (en) * | 2016-06-24 | 2021-08-03 | Integral Consulting Inc. | Optical-based monitoring and characterization of natural water |
CN107300542A (zh) * | 2017-05-31 | 2017-10-27 | 中国农业大学 | 一种水产养殖水体中可溶性有机物浓度的检测装置及方法 |
CN108287140A (zh) * | 2018-01-29 | 2018-07-17 | 陕西科技大学 | 一种用于污水处理厂实时在线监测的方法及装置 |
CN108489952B (zh) * | 2018-05-03 | 2021-03-30 | 北京航空航天大学 | 三维荧光光谱结合二次微分检测水体溶解性有机物的方法 |
CN113567401B (zh) * | 2020-04-28 | 2022-09-30 | 中国环境科学研究院 | 一种垃圾填埋场渗滤液污染地下水情况的快速检测方法和应用 |
CN112179880A (zh) * | 2020-09-15 | 2021-01-05 | 首都师范大学 | 一种饮用水源水溶解性有机物来源快速诊断方法 |
CN112881353B (zh) * | 2021-01-11 | 2022-11-15 | 江西师范大学 | 一种测定水体中溶解性有机碳浓度的方法和装置 |
-
2021
- 2021-01-11 CN CN202110030492.9A patent/CN112881353B/zh active Active
- 2021-12-24 WO PCT/CN2021/141222 patent/WO2022148252A1/zh active Application Filing
- 2021-12-24 GB GB2208462.8A patent/GB2614769A/en active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442441A (zh) * | 2016-09-06 | 2017-02-22 | 中国科学院南京地理与湖泊研究所 | 基于荧光光谱积分比值判定有色可溶性有机物来源的方法 |
CN108776109A (zh) * | 2018-04-17 | 2018-11-09 | 江西省科学院 | 一种定量评估猪场污水处理过程中有机物状况的方法 |
CN108896507A (zh) * | 2018-08-06 | 2018-11-27 | 中国科学院东北地理与农业生态研究所 | 估算河流腐殖化指数的方法 |
CN109142296A (zh) * | 2018-08-16 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 基于多源光谱特征的城市水体黑臭快速识别测定方法 |
CN109540859A (zh) * | 2018-11-27 | 2019-03-29 | 上海交通大学 | 一种水体中抗生素的分析和含量预测方法 |
CN109738397A (zh) * | 2018-11-30 | 2019-05-10 | 南京师范大学 | 一种基于olci传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法 |
CN110398466A (zh) * | 2019-08-05 | 2019-11-01 | 北京绿土科技有限公司 | 基于遥感反演的农作物生长状态监测方法 |
CN110823190A (zh) * | 2019-09-30 | 2020-02-21 | 广州地理研究所 | 基于随机森林的岛礁浅海水深预测方法 |
CN110887790A (zh) * | 2019-11-04 | 2020-03-17 | 华中科技大学 | 基于fvcom和遥感反演的城市湖泊富营养化模拟方法和系统 |
CN110987865A (zh) * | 2019-12-13 | 2020-04-10 | 齐鲁工业大学 | 一种基于近红外光谱检测无花果品质的方法 |
CN111723522A (zh) * | 2020-06-12 | 2020-09-29 | 中国科学院南京地理与湖泊研究所 | 一种湖泊与河流溶解有机碳交换通量的计算方法 |
CN112179856A (zh) * | 2020-09-15 | 2021-01-05 | 首都师范大学 | 一种水体不同分子量溶解性有机碳与重金属络合度评价方法 |
CN112082979A (zh) * | 2020-09-22 | 2020-12-15 | 中国矿业大学(北京) | 一种地下水中石油烃类有机物的快速检测方法 |
Non-Patent Citations (2)
Title |
---|
利用CDOM吸收系数估算太湖水体表层DOC浓度;姜广甲等;《环境科学》;20120715(第07期);全文 * |
鄱阳湖CDOM三维荧光光谱的平行因子分析;刘丽贞等;《中国环境科学》;20180120(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022148252A1 (zh) | 2022-07-14 |
GB2614769A (en) | 2023-07-19 |
GB202208462D0 (en) | 2022-07-27 |
CN112881353A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112881353B (zh) | 一种测定水体中溶解性有机碳浓度的方法和装置 | |
Stewart et al. | Separation of river network–scale nitrogen removal among the main channel and two transient storage compartments | |
Koenig et al. | Deconstructing the effects of flow on DOC, nitrate, and major ion interactions using a high‐frequency aquatic sensor network | |
Spencer et al. | Dissolved organic carbon and chromophoric dissolved organic matter properties of rivers in the USA | |
Birkel et al. | Advancing tracer‐aided rainfall–runoff modelling: A review of progress, problems and unrealised potential | |
Kendrick et al. | Linking permafrost thaw to shifting biogeochemistry and food web resources in an arctic river | |
Jaffé et al. | Spatial and temporal variations in DOM composition in ecosystems: The importance of long‐term monitoring of optical properties | |
Tunaley et al. | Linking high‐frequency DOC dynamics to the age of connected water sources | |
Visser et al. | Cosmogenic isotopes unravel the hydrochronology and water storage dynamics of the Southern Sierra Critical Zone | |
Petermann et al. | Determination of groundwater discharge rates and water residence time of groundwater‐fed lakes by stable isotopes of water (18O, 2H) and radon (222Rn) mass balances | |
Winterdahl et al. | Decoupling of carbon dioxide and dissolved organic carbon in boreal headwater streams | |
Zimmer et al. | Temporal variability in nitrate‐discharge relationships in large rivers as revealed by high‐frequency data | |
Birkel et al. | Assessing the value of high‐resolution isotope tracer data in the stepwise development of a lumped conceptual rainfall–runoff model | |
Håkanson | Suspended particulate matter in lakes, rivers, and marine systems | |
Birkel et al. | Integrating parsimonious models of hydrological connectivity and soil biogeochemistry to simulate stream DOC dynamics | |
Le Vu et al. | High-frequency monitoring of phytoplankton dynamics within the European water framework directive: application to metalimnetic cyanobacteria | |
Trifunovic et al. | Carbon dioxide and methane emissions from a temperate salt marsh tidal creek | |
Zhang et al. | Estimation of chlorophyll-a Concentration of lakes based on SVM algorithm and Landsat 8 OLI images | |
Vaughan et al. | Using in situ UV‐Visible spectrophotometer sensors to quantify riverine phosphorus partitioning and concentration at a high frequency | |
Malan et al. | Water quality and wetlands: defining Ecological Categories and links with land-use | |
Li et al. | Assessing the potential to use CDOM as an indicator of water quality for the sediment-laden Yellow river, China | |
Konecky et al. | WaxPSM: A forward model of leaf wax hydrogen isotope ratios to bridge proxy and model estimates of past climate | |
Zwart et al. | Spatially explicit, regional‐scale simulation of lake carbon fluxes | |
Huang et al. | Seasonal dynamics of chromophoric dissolved organic matter in Poyang Lake, the largest freshwater lake in China | |
Schindler et al. | Two‐stage metabolism inferred from diel oxygen dynamics in aquatic ecosystems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |