CN114624152A - 一种水体颗粒有机碳来源的测试方法及相关设备 - Google Patents
一种水体颗粒有机碳来源的测试方法及相关设备 Download PDFInfo
- Publication number
- CN114624152A CN114624152A CN202210526386.4A CN202210526386A CN114624152A CN 114624152 A CN114624152 A CN 114624152A CN 202210526386 A CN202210526386 A CN 202210526386A CN 114624152 A CN114624152 A CN 114624152A
- Authority
- CN
- China
- Prior art keywords
- organic carbon
- water body
- absorption coefficient
- optical absorption
- particles
- 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.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 255
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 255
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 249
- 239000002245 particle Substances 0.000 title claims abstract description 190
- 238000012360 testing method Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000003287 optical effect Effects 0.000 claims abstract description 190
- 238000010521 absorption reaction Methods 0.000 claims abstract description 152
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 239000000049 pigment Substances 0.000 claims description 35
- 238000002835 absorbance Methods 0.000 claims description 22
- 238000004061 bleaching Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 20
- 239000012528 membrane Substances 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 239000008187 granular material Substances 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 239000013618 particulate matter Substances 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- XKZCXMNMUMGDJG-AWEZNQCLSA-N (2s)-3-[(6-acetylnaphthalen-2-yl)amino]-2-aminopropanoic acid Chemical compound C1=C(NC[C@H](N)C(O)=O)C=CC2=CC(C(=O)C)=CC=C21 XKZCXMNMUMGDJG-AWEZNQCLSA-N 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 238000004177 carbon cycle Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000002310 reflectometry Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 241000195493 Cryptophyta Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- OKTJSMMVPCPJKN-OUBTZVSYSA-N Carbon-13 Chemical compound [13C] OKTJSMMVPCPJKN-OUBTZVSYSA-N 0.000 description 1
- WHNWPMSKXPGLAX-UHFFFAOYSA-N N-Vinyl-2-pyrrolidone Chemical compound C=CN1CCCC1=O WHNWPMSKXPGLAX-UHFFFAOYSA-N 0.000 description 1
- 239000005708 Sodium hypochlorite Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000005350 fused silica glass Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000000155 isotopic effect Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- QJGQUHMNIGDVPM-OUBTZVSYSA-N nitrogen-15 Chemical compound [15N] QJGQUHMNIGDVPM-OUBTZVSYSA-N 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 235000013855 polyvinylpyrrolidone Nutrition 0.000 description 1
- 229920000036 polyvinylpyrrolidone Polymers 0.000 description 1
- 229940069328 povidone Drugs 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- SUKJFIGYRHOWBL-UHFFFAOYSA-N sodium hypochlorite Chemical compound [Na+].Cl[O-] SUKJFIGYRHOWBL-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- 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
-
- 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
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开一种水体颗粒有机碳来源的测试方法及相关设备,涉及环境监测技术领域,能够提高水体颗粒有机碳来源的测试精度。水体颗粒有机碳来源的测试方法,包括:根据样本水体内颗粒物的光学吸收系数比,以及所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;基于所述颗粒有机碳来源比例反演模型,根据所述目标光学吸收系数比,得到所述目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定所述目标水体的颗粒有机碳的来源。
Description
技术领域
本申请涉及环境监测技术领域,尤其涉及一种水体颗粒有机碳来源的测试方法及相关设备。
背景技术
目前,内陆水体是全球碳循环中的关键组成部分,影响着水陆生态系统界面的碳迁移转化,对世界范围内碳的源、汇过程和气候变化有显著影响。而POC (ParticulateOrganic Carbon,颗粒有机碳)处在内陆碳循环的中心环节,连接着无机碳循环和有机碳循环。水体中颗粒有机碳的来源非常复杂,其组成可以包含陆地、水生植物、藻类的单个或多个源的混合,其中陆地源主要通过河流输入,也被称为T-POC (Terrestrial POC,外源性有机碳),E-POC (Endogenous POC,内源性有机碳)则包含水生植物源和藻源。湖泊POC来源的复杂性,增加了其测量的不确定性和难度,也成为构建POC光学反演算法的重要阻碍。
然而,现有的水体颗粒有机碳来源的测试方法会受到区域或季节的影响,导致测试精度的可靠性降低甚至失效。
发明内容
本申请实施例提供一种水体颗粒有机碳来源的测试方法及相关设备,能够提高水体颗粒有机碳来源的测试精度。
本申请实施例的第一方面,提供一种水体颗粒有机碳来源的测试方法,包括:
根据样本水体内颗粒物的光学吸收系数比,以及所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;
测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;
基于所述颗粒有机碳来源比例反演模型,根据所述目标光学吸收系数比,得到所述目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定所述目标水体的颗粒有机碳的来源。
在一些实施方式中,所述根据样本水体内颗粒物的光学吸收系数比,以及所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型,包括:
测试多个样本水体内颗粒物的光学吸收系数比,得到多个样本光学吸收系数比,以及测试多个所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,得到多个样本外源性占比;
根据多个所述样本光学吸收系数比,以及多个所述样本外源性占比,得到水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系;
根据水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系,构建所述颗粒有机碳来源比例反演模型。
在一些实施方式中,所述根据水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系,构建所述颗粒有机碳来源比例反演模型,包括:
计算水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关系数;
基于所述相关系数,对多个所述样本光学吸收系数比和多个所述样本外源性占比进行非线性拟合,拟合得到的关系式为所述颗粒有机碳来源比例反演模型。
在一些实施方式中,所述测试多个样本水体内颗粒物的光学吸收系数比,得到多个样本光学吸收系数比,包括:
测试所述样本水体内的悬浮颗粒物的光学吸收系数;
测试所述样本水体内的非色素颗粒物的光学吸收系数;
根据所述样本水体内的所述悬浮颗粒物的光学吸收系数和所述非色素颗粒物的光学吸收系数,得到所述样本水体内的色素颗粒物的光学吸收系数;
根据所述样本水体内的所述色素颗粒物的光学吸收系数和所述非色素颗粒物的光学吸收系数,得到所述样本光学吸收系数比。
在一些实施方式中,所述测试所述样本水体内的悬浮颗粒物的光学吸收系数,包括:
对所述样本水体进行过滤;
对过滤后的水样进行吸光度测试,得到总悬浮物吸光度;
根据所述总悬浮物吸光度、过滤膜上总悬浮物覆盖的有效面积和所述样本水体的体积,得到所述样本水体内的悬浮颗粒物的光学吸收系数。
在一些实施方式中,所述测试所述样本水体内的非色素颗粒物的光学吸收系数,包括:
将测试所述悬浮颗粒物的光学吸收系数所用到的所述过滤膜置入漂白液体内进行漂白;
将漂白后的液体进行过滤,得到漂白水样和漂白过滤膜;
对所述漂白水样进行吸光度测试,得到漂白悬浮物吸光度;
根据所述漂白悬浮物吸光度、所述漂白过滤膜上总悬浮物覆盖的有效面积和所述漂白水样的体积,得到所述样本水体内的所述非色素颗粒物的光学吸收系数。
在一些实施方式中,所述光学吸收系数比是由吸收的光学波长确定的;
所述方法,还包括:
利用平均绝对百分比误差和/或均方根误差,验证所述颗粒有机碳来源比例反演模型的精度。
本申请实施例的第二方面,提供一种水体颗粒有机碳来源的测试装置,包括:
构建模块,用于根据样本水体内颗粒物的光学吸收系数比,以及所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;
监测模块,用于测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;
测定模块,用于基于所述颗粒有机碳来源比例反演模型,根据所述目标光学吸收系数比,得到所述目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定所述目标水体的颗粒有机碳的来源。
本申请实施例的第三方面,提供一种电子设备,包括:
存储器,所述存储器中存储有计算机程序;
处理器,所述处理器用于执行所述计算机程序时实现如第一方面所述的水体颗粒有机碳来源的测试方法。
本申请实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的水体颗粒有机碳来源的测试方法。
本申请实施例提供的水体颗粒有机碳来源的测试方法及相关设备,通过采集样本水体内颗粒物的光学吸收系数比,以及样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型,水体内颗粒物的光学吸收系数属于固有光学量,相较于现有的颗粒有机碳来源的测量通常通过水体反射光谱的计算得到,水体反射率属于表观光学量,利用固有光学量不会受到区域和季节等外界环境的影响,使得获取的颗粒有机碳来源的精度更高,得到的颗粒有机碳来源比例反演模型更能够反映真实的水体有机碳颗粒来源。另外本申请实施例对于固有光学量的利用,填补现有基于固有光学量估算颗粒有机碳来源的技术空白。颗粒有机碳来源比例反演模型构建完成后,通过将需要测定颗粒有机碳来源的目标水体的目标光学吸收系数比输入至颗粒有机碳来源比例反演模型中,可以输出目标水体对应的外源性有机碳在颗粒有机碳总量中的占比,根据目标水体的外源性有机碳在颗粒有机碳总量中的占比可以判断出目标水体的颗粒有机碳来源。本申请实施例利用颗粒有机碳来源比例反演模型测定水体颗粒有机碳来源,通过测试目标水体的光学吸收系数比即可估算出水体的颗粒有机碳来源,既可以用于地面测试,也可以用于卫星影像进行空间反演,极大提升了水体颗粒有机碳来源的测试便捷性。
附图说明
图1为本申请实施例提供的一种水体颗粒有机碳来源的测试方法的示意性流程图;
图2为本申请实施例提供的一种样本外源性占比的分布图;
图3为本申请实施例提供的一种样本光学吸收系数比与样本外源性占比的相关系数示意图;
图4为本申请实施例提供的一种aph(675)/anap(647)与T/E-POC的相关系数散点图;
图5为本申请实施例提供的一种颗粒有机碳来源比例反演模型的精度验证示意图;
图6为本申请实施例提供的一种水体颗粒有机碳来源的测试装置的示意性结构框图;
图7为本申请实施例提供的一种电子设备的示意性结构框图;
图8为本申请实施例提供的一种计算机可读存储介质的示意性结构框图。
具体实施方式
为了更好的理解本说明书实施例提供的技术方案,下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明,应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明,而不是对本说明书技术方案的限定,在不冲突的情况下,本说明书实施例以及实施例中的技术特征可以相互组合。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“两个以上”包括两个或大于两个的情况。
目前,内陆水体是全球碳循环中的关键组成部分,影响着水陆生态系统界面的碳迁移转化,对世界范围内碳的源、汇过程和气候变化有显著影响。而POC处在内陆碳循环的中心环节,连接着无机碳循环和有机碳循环。水体中颗粒有机碳的来源非常复杂,其组成可以包含陆地、水生植物、藻类的单个或多个源的混合,其中陆地源主要通过河流输入,也被称为T-POC,E-POC则包含水生植物源和藻源。湖泊POC来源的复杂性,增加了其测量的不确定性和难度,也成为构建POC光学反演算法的重要阻碍。然而,现有的水体颗粒有机碳来源的测试方法会受到区域或季节的影响,导致测试精度的可靠性降低甚至失效。
有鉴于此,本申请实施例提供一种水体颗粒有机碳来源的测试方法及相关设备,能够提高水体颗粒有机碳来源的测试精度
本申请实施例的第一方面,提供一种水体颗粒有机碳来源的测试方法,图1为本申请实施例提供的一种水体颗粒有机碳来源的测试方法的示意性流程图。如图1所示,本申请实施例提供的水体颗粒有机碳来源的测试方法,包括:
S100:根据样本水体内颗粒物的光学吸收系数比,以及样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型。样本水体可以来自于江、河、湖等水域,每个水域可以取样多次,同一个水域的不同区域的取样可以作为一个样本,本申请实施例均不作具体限定。水体内颗粒物的光学吸收系数属于固有光学量,可以通过吸光度的测量获得。现有的颗粒有机碳来源的测量通常通过水体反射光谱的计算得到,但水体反射率属于表观光学量,相较于固有光学量,表观光学量会随着外界环境的改变而改变,还会受到水体中叶绿素、悬浮物、有色可溶性有机物浓度等的影响,这些因素均会导致颗粒有机碳来源的测量在实际操作过程中的区域和季节迁移性较差,使得获取的颗粒有机碳来源的精度可靠性降低甚至失效。样本水体的外源性有机碳在颗粒有机碳总量中的占比可以通过稳定同位素技术来测定,本申请不作具体限定。
S200:测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比。目标水体可以是当前需要测试颗粒有机碳来源的水体,目标水体内颗粒物的光学吸收系数比,可以与样本水体的颗粒物的光学吸收系数比的测试方式相同,得到目标水体对应的目标光学吸收系数比。
S300:基于颗粒有机碳来源比例反演模型,根据目标光学吸收系数比,得到目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定目标水体的颗粒有机碳的来源。颗粒有机碳来源比例反演模型构建完成后,可以将需要测定颗粒有机碳来源的目标水体的目标光学吸收系数比输入至颗粒有机碳来源比例反演模型中,可以输出目标水体对应的外源性有机碳在颗粒有机碳总量中的占比,根据目标水体的外源性有机碳在颗粒有机碳总量中的占比可以判断出目标水体的颗粒有机碳来源。
现有的稳定同位素组成和C/N(碳和氮的比值)都可以用来区分POC的来源,从而达到计算出T-POC、E-POC在总POC中占比的目的,其对精确地了解湖泊地球化学环境变化过程有着十分重要的意义。然而,稳定同位素测定需要借助稳定同位素质谱仪进行测定,而高精度的同位素质谱仪长期依赖于从外国进口,仪器设备成本高昂。在实际测量过程中,基于同位素方法的POC来源比例测试需要基于大量的野外样品采集,数据时空连续性较差。C/N法也可以定量获取T-POC、E-POC在总POC中的占比,该方法最早源于海洋研究,是基于陆生生物体内的碳和氮的比值量与海洋生物存在差异而建立的。有研究表明,悬浮物中的C/N>12时,表明湖泊有机物中具有明显的陆源性;当C/N<12时,表明有机质主要源于水生生物。也有研究表明,陆地高等植物的C/N一般大于20;而浮游植物则相对富集氮素,C/N一般为7左右;细菌的C/N介于3~4之间。C/N法在早期来源示踪上有着广泛的用途,但是由于其是经验性的总结,具有易变性,有时无法提供准确的物源信息。这就迫切需要建立一种更为直接经济的方法开展对POC来源的测定,以解决上述问题。
当前,随着水色遥感技术的兴起,也涌现了一些对POC来源占比进行探索的光学算法。例如SPOC指数法(),该方法的基本原理是利用波长范围为660nm ~ 680nm(λ2)对应的水体反射谷到水体两个反射峰(λ1波长范围为550nm~580nm,λ3波长范围为680nm至710nm)连线的距离与POC来源比例的经验关系作为函数模型,从而实现仅采用水体反射光谱即可计算POC来源。这种方法极大便利了T-POC、E-POC在总POC中的占比的测量。然而,SPOC指数所使用的Rrs(λ)(水体反射率)为表观光学量,相较于固有光学参数,表观光学量会随着外界光场的改变而变化。同时,水体表观光学量还受到水体中叶绿素、悬浮物、有色可溶性有机物浓度的影响。以上因素都可能导致SPOC指数在实际操作过程中区域和季节迁移性较差,使得获取的POC来源精度可靠性降低甚至失效。本申请实施例基于POC来源与固有光学特性间的关系,本发明构建了一种基于固有光学信号的T-POC、E-POC在总POC中占比的测量方法。固有光学信号不受到外界光场的变化而改变,因此相较于已有技术,本发明所述技术的适用性更强,精度更高,可操作性更强。本技术填补了基于固有光学特性估算POC来源的空白,既可用于地面测量也可用于卫星影像进行空间反演,极大提升了POC来源测量的便捷性。
本申请实施例提供的水体颗粒有机碳来源的测试方法,通过采集样本水体内颗粒物的光学吸收系数比,以及样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型,水体内颗粒物的光学吸收系数属于固有光学量,相较于现有的颗粒有机碳来源的测量通常通过水体反射光谱的计算得到,水体反射率属于表观光学量,利用固有光学量不会受到区域和季节等外界环境的影响,使得获取的颗粒有机碳来源的精度更高,得到的颗粒有机碳来源比例反演模型更能够反映真实的水体有机碳颗粒来源。另外本申请实施例对于固有光学量的利用,填补现有基于固有光学量估算颗粒有机碳来源的技术空白。颗粒有机碳来源比例反演模型构建完成后,通过将需要测定颗粒有机碳来源的目标水体的目标光学吸收系数比输入至颗粒有机碳来源比例反演模型中,可以输出目标水体对应的外源性有机碳在颗粒有机碳总量中的占比,根据目标水体的外源性有机碳在颗粒有机碳总量中的占比可以判断出目标水体的颗粒有机碳来源。本申请实施例利用颗粒有机碳来源比例反演模型测定水体颗粒有机碳来源,通过测试目标水体的光学吸收系数比即可估算出水体的颗粒有机碳来源,既可以用于地面测试,也可以用于卫星影像进行空间反演,极大提升了水体颗粒有机碳来源的测试便捷性。
在一些实施方式中,步骤S100,可以包括:
测试多个样本水体内颗粒物的光学吸收系数比,得到多个样本光学吸收系数比,以及测试多个样本水体的外源性有机碳在颗粒有机碳总量中的占比,得到多个样本外源性占比。
根据多个样本光学吸收系数比,以及多个样本外源性占比,得到水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系。每个样本水体对应一个样本光学吸收系数比和一个样本外源性占比,组成一组样本数据,多个样本光学吸收系数比和多个样本外源性占比可以按照样本水体形成多组样本数据,根据对多组数据的分析,可以得到样本光学吸收系数比与样本外源性占比的相关关系。示例性的,可以通过采集200个样本水体得到200组样本数据,例如,样本水体可以来自于太湖、巢湖、洪泽湖、高邮湖、鄱阳湖和千岛湖等多个湖泊的水体采样,本申请实施例不作具体限定。
根据水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系,构建颗粒有机碳来源比例反演模型。
本申请实施例提供的水体颗粒有机碳来源的测试方法,通过测量多个样本水体内颗粒物的光学吸收系数比和测试多个样本水体的外源性有机碳在颗粒有机碳总量中的占比,进而根据多个样本光学吸收系数比,以及多个样本外源性占比,得到水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系,根据相关关系构建颗粒有机碳来源比例反演模型,可以通过数据分析得到两种数据之间的相关关系,利用相关关系建立模型,可以得到较为精准的反演模型,更利于利用颗粒有机碳来源比例反演模型对水体颗粒有机碳来源进行测定。
在一些实施方式中,颗粒有机碳来源比例反演模型建立完成后,还可以利用新的样本水体对颗粒有机碳来源比例反演模型进行学习训练,以对颗粒有机碳来源比例反演模型进行修正,可以得到更为精准的反演模型。
在一些实施方式中,所述根据水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系,构建所述颗粒有机碳来源比例反演模型,包括:
计算水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关系数。
基于相关系数,对多个样本光学吸收系数比和多个样本外源性占比进行非线性拟合,拟合得到的关系式为颗粒有机碳来源比例反演模型。示例性的,非线性拟合可以得到二元二次方程,二元二次方程中的样本光学吸收系数比可以作为变量,样本外源性占比可以作为求取的未知量。
在一些实施方式中,所述测试多个样本水体内颗粒物的光学吸收系数比,得到多个样本光学吸收系数比,包括:
测试样本水体内的悬浮颗粒物的光学吸收系数。
具体的,所述测试所述样本水体内的悬浮颗粒物的光学吸收系数,可以包括:
对样本水体进行过滤。可以取体积为v的样本水体进行过滤,过滤可以采用QFT(定量滤膜技术)对湖泊悬浮颗粒物的吸收系数进行测定,根据水体浑浊度的差异,量取50~500ml样本水体进行过滤,过滤体积记为v,所使用的滤膜直径为25 毫米的GF/F膜。
对过滤后的水样进行吸光度测试,得到总悬浮物吸光度。对过滤后的水样进行吸光度测量,同时同一处理步骤的空白滤膜作为空白平行样本,对紫外分光光度计750 nm处的吸光度进行零点校正。
根据总悬浮物吸光度、过滤膜上总悬浮物覆盖的有效面积和样本水体的体积,得到样本水体内的悬浮颗粒物的光学吸收系数。
具体的可以通过公式(1)获得样本水体的ap值。示例性的,固有光学量可以为悬浮物颗粒物的光学吸收系数ap(λ)、色素颗粒物的光学吸收系数aph(λ)及非色素颗粒物的光学吸收系数anap(λ)。
光学吸收系数比是由吸收的光学波长确定的,即固有光学量均是与光学波长λ相关的数据。
测试样本水体内的非色素颗粒物的光学吸收系数。非色素颗粒物的光学吸收系数的测试可以参考悬浮颗粒物的光学吸收系数的测试方式。
具体的,所述测试所述样本水体内的非色素颗粒物的光学吸收系数,可以包括:
将测试悬浮颗粒物的光学吸收系数所用到的过滤膜置入漂白液体内进行漂白。示例性的,可以将过滤后GF/F膜置入次氯酸钠溶液(浓度为1%)中浸润15~20min,直至膜上色素物质被完全漂白,即可获取非色素颗粒物。
将漂白后的液体进行过滤,得到漂白水样和漂白过滤膜;
对漂白水样进行吸光度测试,得到漂白悬浮物吸光度;
根据漂白悬浮物吸光度、漂白过滤膜上总悬浮物覆盖的有效面积和漂白水样的体积,得到样本水体内的非色素颗粒物的光学吸收系数。具体计算公式可参考公式(1),可以得到非色素颗粒物的光学吸收系数anap(λ)。
根据样本水体内的悬浮颗粒物的光学吸收系数和非色素颗粒物的光学吸收系数,得到样本水体内的色素颗粒物的光学吸收系数。
由于色素与非色素颗粒物吸收系数之和等于总颗粒物吸收系数,因此可以采用公式(2)获取水体中aph(λ)的值。
根据样本水体内的色素颗粒物的光学吸收系数和非色素颗粒物的光学吸收系数,得到样本光学吸收系数比。
示例性的,光学吸收系数比可以是aph(λ)/anap(λ)。
示例性的,基于稳定同位素技术的POC来源测量,具体的,POC稳定性碳同位素组成测定采用熔封石英管高温燃烧法。取1毫克过滤样片与2克线装CuO混合装入石英管内,经真空线系统抽出真空后进行熔封,并在马弗炉内进行4小时850℃的燃烧,待样品温度降至常温后将管内的二氧化碳气体导出,经过纯化系统进行纯化后使用气体稳定同位素质谱仪测定δ13CPOC(碳13的同位素)的含量。有机质的δ13CPOC的测量以维也纳Peedee Belemnite(VPDB)的13C/12C作为标准,分析后的测量误差精度应不得小于0.2‰。δ15NPOC(氮15同位素)采用来氮元素分析仪、DELTAPLUSXP同位素比值质谱仪进行测定。可以利用公式(3)计算稳定同位素:
其中Rsample是样品的同位素比,Rstandard是标准品的同位素比。
测量样本水体的T-POC在总POC中占比通过公式(4)计算得到:
其中,T/E-POC为测量样本水体的外源性有机碳在颗粒有机碳总量中占比,即T-
POC在总POC中占比,即陆源性POC比例。为测量样品的同位素值,δ13CE为内源性POC
同位素背景值,δ13CT为陆源性POC同位素背景值。相应的,E/T-POC表示测量样本水体的E-
POC在总POC中占比,即内源性POC比例,其与T/E-POC之和为1。
示例性的,可以在太湖、巢湖、洪泽湖、高邮湖、鄱阳湖、千岛采集样本水体,合计测量点位200个。示例性的,图2为本申请实施例提供的一种样本外源性占比的分布图。如图2所示,纵坐标是T/E-POC值在各个数值范围内的频率百分比,通过对比分析发现野外原位采集的200个点位T/E-POC总体均值为0.45。有62.5%的点位对应的T/E-POC <0.5,说明样本水体的POC均以外源性POC为主导。然而,湖泊中的POC主要包含色素和非色素物质,所以对于水体光学特性而言,POC必然与代表色素和非色素物质的色素颗粒物的光学吸收系数aph(λ)及非色素颗粒物的光学吸收系数anap(λ)相关。因此对aph(λ)与anap(λ)的比值(光学吸收系数比:aph(λ)/anap(λ)进行迭代运算,λ的范围可以为可见光范围400nm~790nm,并且分析迭代运算后的比值与T/E-POC的相关关系。图3为本申请实施例提供的一种样本光学吸收系数比与样本外源性占比的相关系数示意图;图4为本申请实施例提供的一种aph(675)/anap(647)与T/E-POC的相关系数散点图。如图3和图4所示,分析结果表明,aph(λ)/anap(λ)与T/E-POC在400nm~790nm范围内,相关系数介于0.30~0.90之间。其中aph(675)/anap(647)与T/E-POC的相关系数最高,相关系数R最高值为0.90,因此可利用此关系构建基于固有光学特性的T/E-POC反演模型,即颗粒有机碳来源比例反演模型。
具体的,如图3所示。aph(675)/anap(647)与T/E-POC之间的R2(决定系数)高达0.81,T/E-POC的反演公式为y=-0.0307x2-0.1072x+0.8511,其中x为测量得到的aph(675)/anap(647)值,y为估算的T/E-POC值(外源性POC在总POC中的占比)。
基于颗粒有机碳来源比例反演模型y=-0.0307x2-0.1072x+0.8511,将目标光学吸收系数比作为x带入y=-0.0307x2-0.1072x+0.8511,得到的y为目标水体的外源性有机碳在颗粒有机碳总量中的占比,y也是针对目标水体预测的T/E-POC值,y的数值可以确定目标水体的颗粒有机碳的来源。
在一些实施方式中,所述方法,还包括:
利用平均绝对百分比误差和/或均方根误差,验证所述颗粒有机碳来源比例反演模型的精度。
示例性的,图5为本申请实施例提供的一种颗粒有机碳来源比例反演模型的精度验证示意图。如图5所示,可以采用地面测量的aph(675)和anap(647),代入到y=-0.0307x2-0.1072x+0.8511中,获取预测的T/E-POC值,并将预测值和实测T/E-POC进行比较以验证模型精度。验证指标为MAPE(Mean Absolute Percentage Error,平均绝对百分比误差)和RMSE(Root Mean Square Error,均方根误差)。MAPE的计算公式为公式(5):
RMSE的计算公式为公式(6):
如图5所示,基于太湖、巢湖、洪泽湖、高邮湖、鄱阳湖、千岛湖采集的200个野外数据验证结果表明,采用aph(675)/anap(647)反演T/E-POC的精度较好。其R2=0.88,MAPE=15.29%,RMSE为0.07,所有精度数据均优于现有的光学测量技术,满足实际应用需求。基于固有光学量的反演办法较表观光学量精度更高,不受外界光场变化的影响。
本申请实施例的第二方面,提供一种水体颗粒有机碳来源的测试装置,图6为本申请实施例提供的一种水体颗粒有机碳来源的测试装置的示意性结构框图。如图6所示,本申请实施例提供的水体颗粒有机碳来源的测试装置,包括:
构建模块400,用于根据样本水体内颗粒物的光学吸收系数比,以及样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;
监测模块500,用于测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;
测定模块600,用于基于颗粒有机碳来源比例反演模型,根据目标光学吸收系数比,得到目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定目标水体的颗粒有机碳的来源。
本申请实施例提供的水体颗粒有机碳来源的测试装置,通过采集样本水体内颗粒物的光学吸收系数比,以及样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型,水体内颗粒物的光学吸收系数属于固有光学量,相较于现有的颗粒有机碳来源的测量通常通过水体反射光谱的计算得到,水体反射率属于表观光学量,利用固有光学量不会受到区域和季节等外界环境的影响,使得获取的颗粒有机碳来源的精度更高,得到的颗粒有机碳来源比例反演模型更能够反映真实的水体有机碳颗粒来源。另外本申请实施例对于固有光学量的利用,填补现有基于固有光学量估算颗粒有机碳来源的技术空白。颗粒有机碳来源比例反演模型构建完成后,通过将需要测定颗粒有机碳来源的目标水体的目标光学吸收系数比输入至颗粒有机碳来源比例反演模型中,可以输出目标水体对应的外源性有机碳在颗粒有机碳总量中的占比,根据目标水体的外源性有机碳在颗粒有机碳总量中的占比可以判断出目标水体的颗粒有机碳来源。本申请实施例利用颗粒有机碳来源比例反演模型测定水体颗粒有机碳来源,通过测试目标水体的光学吸收系数比即可估算出水体的颗粒有机碳来源,既可以用于地面测试,也可以用于卫星影像进行空间反演,极大提升了水体颗粒有机碳来源的测试便捷性。
本申请实施例的第三方面,提供一种电子设备,图7为本申请实施例提供的一种电子设备的示意性结构框图。如图7所示,本申请实施例提供的电子设备,包括:
存储器700,存储器700中存储有计算机程序;
处理器800,处理器800用于执行计算机程序时实现如第一方面所述的水体颗粒有机碳来源的测试方法。
本申请实施例提供的水体颗粒有机碳来源的测试方法,包括如下步骤:
根据样本水体内颗粒物的光学吸收系数比,以及样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;
测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;
基于颗粒有机碳来源比例反演模型,根据目标光学吸收系数比,得到目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定目标水体的颗粒有机碳的来源。
本申请实施例的第四方面,提供一种计算机可读存储介质,图8为本申请实施例提供的一种计算机可读存储介质的示意性结构框图。如图8所示,所述计算机可读存储介质上存储有计算机程序900,所述计算机程序900被处理器执行时实现如第一方面所述的水体颗粒有机碳来源的测试方法。
本申请实施例提供的水体颗粒有机碳来源的测试方法,包括如下步骤:
根据样本水体内颗粒物的光学吸收系数比,以及样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;
测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;
基于颗粒有机碳来源比例反演模型,根据目标光学吸收系数比,得到目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定目标水体的颗粒有机碳的来源。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可读程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,当计算机软件指令在处理设备上运行时,使得处理设备执行水体颗粒有机碳来源的测试方法的流程。
计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
尽管已描述了本说明书的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。
显然,本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样,倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内,则本说明书也意图包含这些改动和变型在内。
Claims (10)
1.一种水体颗粒有机碳来源的测试方法,其特征在于,包括:
根据样本水体内颗粒物的光学吸收系数比,以及所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;
测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;
基于所述颗粒有机碳来源比例反演模型,根据所述目标光学吸收系数比,得到所述目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定所述目标水体的颗粒有机碳的来源。
2.根据权利要求1所述的水体颗粒有机碳来源的测试方法,其特征在于,所述根据样本水体内颗粒物的光学吸收系数比,以及所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型,包括:
测试多个样本水体内颗粒物的光学吸收系数比,得到多个样本光学吸收系数比,以及测试多个所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,得到多个样本外源性占比;
根据多个所述样本光学吸收系数比,以及多个所述样本外源性占比,得到水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系;
根据水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系,构建所述颗粒有机碳来源比例反演模型。
3.根据权利要求2所述的水体颗粒有机碳来源的测试方法,其特征在于,所述根据水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关关系,构建所述颗粒有机碳来源比例反演模型,包括:
计算水体内颗粒物的光学吸收系数比与外源性有机碳在颗粒有机碳总量中占比的相关系数;
基于所述相关系数,对多个所述样本光学吸收系数比和多个所述样本外源性占比进行非线性拟合,拟合得到的关系式为所述颗粒有机碳来源比例反演模型。
4.根据权利要求2所述的水体颗粒有机碳来源的测试方法,其特征在于,所述测试多个样本水体内颗粒物的光学吸收系数比,得到多个样本光学吸收系数比,包括:
测试所述样本水体内的悬浮颗粒物的光学吸收系数;
测试所述样本水体内的非色素颗粒物的光学吸收系数;
根据所述样本水体内的所述悬浮颗粒物的光学吸收系数和所述非色素颗粒物的光学吸收系数,得到所述样本水体内的色素颗粒物的光学吸收系数;
根据所述样本水体内的所述色素颗粒物的光学吸收系数和所述非色素颗粒物的光学吸收系数,得到所述样本光学吸收系数比。
5.根据权利要求4所述的水体颗粒有机碳来源的测试方法,其特征在于,所述测试所述样本水体内的悬浮颗粒物的光学吸收系数,包括:
对所述样本水体进行过滤;
对过滤后的水样进行吸光度测试,得到总悬浮物吸光度;
根据所述总悬浮物吸光度、过滤膜上总悬浮物覆盖的有效面积和所述样本水体的体积,得到所述样本水体内的悬浮颗粒物的光学吸收系数。
6.根据权利要求5所述的水体颗粒有机碳来源的测试方法,其特征在于,所述测试所述样本水体内的非色素颗粒物的光学吸收系数,包括:
将测试所述悬浮颗粒物的光学吸收系数所用到的所述过滤膜置入漂白液体内进行漂白;
将漂白后的液体进行过滤,得到漂白水样和漂白过滤膜;
对所述漂白水样进行吸光度测试,得到漂白悬浮物吸光度;
根据所述漂白悬浮物吸光度、所述漂白过滤膜上总悬浮物覆盖的有效面积和所述漂白水样的体积,得到所述样本水体内的所述非色素颗粒物的光学吸收系数。
7.根据权利要求1-6中任一项所述的水体颗粒有机碳来源的测试方法,其特征在于,所述光学吸收系数比是由吸收的光学波长确定的;
所述方法,还包括:
利用平均绝对百分比误差和/或均方根误差,验证所述颗粒有机碳来源比例反演模型的精度。
8.一种水体颗粒有机碳来源的测试装置,其特征在于,包括:
构建模块,用于根据样本水体内颗粒物的光学吸收系数比,以及所述样本水体的外源性有机碳在颗粒有机碳总量中的占比,构建颗粒有机碳来源比例反演模型;
监测模块,用于测试目标水体内颗粒物的光学吸收系数比,得到目标光学吸收系数比;
测定模块,用于基于所述颗粒有机碳来源比例反演模型,根据所述目标光学吸收系数比,得到所述目标水体的外源性有机碳在颗粒有机碳总量中的占比,以确定所述目标水体的颗粒有机碳的来源。
9.一种电子设备,其特征在于,包括:
存储器,所述存储器中存储有计算机程序;
处理器,所述处理器用于执行所述计算机程序时实现如权利要求1-7中任一项所述的水体颗粒有机碳来源的测试方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的水体颗粒有机碳来源的测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210526386.4A CN114624152B (zh) | 2022-05-16 | 2022-05-16 | 一种水体颗粒有机碳来源的测试方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210526386.4A CN114624152B (zh) | 2022-05-16 | 2022-05-16 | 一种水体颗粒有机碳来源的测试方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114624152A true CN114624152A (zh) | 2022-06-14 |
CN114624152B CN114624152B (zh) | 2022-08-12 |
Family
ID=81907123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210526386.4A Active CN114624152B (zh) | 2022-05-16 | 2022-05-16 | 一种水体颗粒有机碳来源的测试方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114624152B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116893146A (zh) * | 2023-06-12 | 2023-10-17 | 华能澜沧江水电股份有限公司 | 水体颗粒磷浓度的确定方法、装置、设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013087A (zh) * | 2007-02-05 | 2007-08-08 | 同济大学 | 光吸收比差—连续流动测定痕量铜离子的方法 |
AU2007355782A1 (en) * | 2007-06-22 | 2008-12-31 | Lutra Limited | A method of calculating a water treatment chemical dose |
CN103698253A (zh) * | 2013-12-11 | 2014-04-02 | 中国科学院南京地理与湖泊研究所 | 一种分离颗粒物中浮游植物吸收系数的方法 |
CN106501196A (zh) * | 2016-10-13 | 2017-03-15 | 中国科学院南京地理与湖泊研究所 | 一种基于水体吸收系数的湖泊富营养化评价方法 |
CN106501195A (zh) * | 2016-10-13 | 2017-03-15 | 中国科学院南京地理与湖泊研究所 | 基于水体悬浮颗粒物吸收系数的湖泊富营养化评价方法 |
CN107589075A (zh) * | 2017-09-07 | 2018-01-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊固有光学参数的olci遥感监测方法 |
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 |
CN110749568A (zh) * | 2019-12-19 | 2020-02-04 | 中国科学院南京地理与湖泊研究所 | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 |
CN112362544A (zh) * | 2020-10-14 | 2021-02-12 | 南京吉泽信息科技有限公司 | 基于高光谱遥感的颗粒有机碳监测方法及系统 |
CN112630189A (zh) * | 2020-09-18 | 2021-04-09 | 浙江大学 | 一种基于改进qaa算法的内陆水体水质反演方法 |
CN112881353A (zh) * | 2021-01-11 | 2021-06-01 | 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 |
CN113670437A (zh) * | 2021-10-22 | 2021-11-19 | 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 | 水体颗粒有机碳来源示踪方法、设备和可读存储介质 |
CN113820295A (zh) * | 2021-11-22 | 2021-12-21 | 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 | 水体颗粒有机碳端元浓度确定方法、设备和存储介质 |
-
2022
- 2022-05-16 CN CN202210526386.4A patent/CN114624152B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013087A (zh) * | 2007-02-05 | 2007-08-08 | 同济大学 | 光吸收比差—连续流动测定痕量铜离子的方法 |
AU2007355782A1 (en) * | 2007-06-22 | 2008-12-31 | Lutra Limited | A method of calculating a water treatment chemical dose |
CN103698253A (zh) * | 2013-12-11 | 2014-04-02 | 中国科学院南京地理与湖泊研究所 | 一种分离颗粒物中浮游植物吸收系数的方法 |
CN106501196A (zh) * | 2016-10-13 | 2017-03-15 | 中国科学院南京地理与湖泊研究所 | 一种基于水体吸收系数的湖泊富营养化评价方法 |
CN106501195A (zh) * | 2016-10-13 | 2017-03-15 | 中国科学院南京地理与湖泊研究所 | 基于水体悬浮颗粒物吸收系数的湖泊富营养化评价方法 |
CN107589075A (zh) * | 2017-09-07 | 2018-01-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊固有光学参数的olci遥感监测方法 |
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 |
CN110749568A (zh) * | 2019-12-19 | 2020-02-04 | 中国科学院南京地理与湖泊研究所 | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 |
CN112630189A (zh) * | 2020-09-18 | 2021-04-09 | 浙江大学 | 一种基于改进qaa算法的内陆水体水质反演方法 |
CN112362544A (zh) * | 2020-10-14 | 2021-02-12 | 南京吉泽信息科技有限公司 | 基于高光谱遥感的颗粒有机碳监测方法及系统 |
CN112881353A (zh) * | 2021-01-11 | 2021-06-01 | 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 |
CN113670437A (zh) * | 2021-10-22 | 2021-11-19 | 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 | 水体颗粒有机碳来源示踪方法、设备和可读存储介质 |
CN113820295A (zh) * | 2021-11-22 | 2021-12-21 | 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 | 水体颗粒有机碳端元浓度确定方法、设备和存储介质 |
Non-Patent Citations (5)
Title |
---|
姜广甲等: "太湖中颗粒有机碳对水体固有光学特性的影响", 《环境科学研究》 * |
张思敏等: "富营养化水体中黑水团的吸收及反射特性分析", 《环境科学》 * |
张杰等: "内陆湖泊颗粒有机碳反演及日变化初步研究", 《武汉大学学报 信息科学版》 * |
徐杰: "湖泊颗粒有机碳浓度及其来源的遥感估算研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》 * |
朱建华等: "黄东海非色素颗粒与黄色物质的吸收系数", 《海洋技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116893146A (zh) * | 2023-06-12 | 2023-10-17 | 华能澜沧江水电股份有限公司 | 水体颗粒磷浓度的确定方法、装置、设备及存储介质 |
CN116893146B (zh) * | 2023-06-12 | 2024-03-29 | 华能澜沧江水电股份有限公司 | 水体颗粒磷浓度的确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114624152B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kothawala et al. | Inner filter correction of dissolved organic matter fluorescence | |
Kowalczuk et al. | Modeling absorption by CDOM in the Baltic Sea from season, salinity and chlorophyll | |
Twardowski et al. | Microscale quantification of the absorption by dissolved and particulate material in coastal waters with an ac-9 | |
Carter et al. | Freshwater DOM quantity and quality from a two-component model of UV absorbance | |
Wen et al. | Quantifying the trophic status of lakes using total light absorption of optically active components | |
Avagyan et al. | Application of high-resolution spectral absorbance measurements to determine dissolved organic carbon concentration in remote areas | |
Xu et al. | Tracking spatio-temporal dynamics of POC sources in eutrophic lakes by remote sensing | |
Hu et al. | Decoupling of greenness and gross primary productivity as aridity decreases | |
CN114624152B (zh) | 一种水体颗粒有机碳来源的测试方法及相关设备 | |
Gara et al. | Leaf to canopy upscaling approach affects the estimation of canopy traits | |
EP1287333B1 (en) | Photometric analysis of natural waters | |
CN108830253B (zh) | 筛选模型建立方法、光谱筛选装置及方法 | |
Shang et al. | Remote estimates of CDOM using Sentinel-2 remote sensing data in reservoirs with different trophic states across China | |
Liu et al. | Process-oriented estimation of column-integrated algal biomass in eutrophic lakes by MODIS/Aqua | |
CN113945527B (zh) | 基于卫星数据得到水质总磷参数反演最优模型的方法 | |
Bernardo et al. | Retrieval of suspended particulate matter in inland waters with widely differing optical properties using a semi-analytical scheme | |
Lefering et al. | Optical closure in marine waters from in situ inherent optical property measurements | |
CN112362544A (zh) | 基于高光谱遥感的颗粒有机碳监测方法及系统 | |
CN110887800B (zh) | 一种用于光谱法水质在线监测系统的数据校准方法 | |
Konovalov et al. | Determination of the concentration of mineral particles and suspended organic substance based on their spectral absorption | |
Hang et al. | Estimation of chlorophyll-a concentration in Lake Taihu from Gaofen-1 wide-field-of-view data through a machine learning trained algorithm | |
Davies‐Colley et al. | Weak numerical comparability of ISO‐7027‐compliant nephelometers. Ramifications for turbidity measurement applications | |
Cascone et al. | AbspectroscoPY, a Python toolbox for absorbance-based sensor data in water quality monitoring | |
Martinez-Vicente et al. | Sensitivity of a satellite algorithm for harmful algal bloom discrimination to the use of laboratory bio-optical data for training | |
Watanabe et al. | Landsat-based remote sensing of the colored dissolved organic matter absorption coefficient in a tropical oligotrophic reservoir |
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 |