CN111339498B - 一种荧光溶解有机质数据的快速校正方法及*** - Google Patents
一种荧光溶解有机质数据的快速校正方法及*** Download PDFInfo
- Publication number
- CN111339498B CN111339498B CN202010186230.7A CN202010186230A CN111339498B CN 111339498 B CN111339498 B CN 111339498B CN 202010186230 A CN202010186230 A CN 202010186230A CN 111339498 B CN111339498 B CN 111339498B
- Authority
- CN
- China
- Prior art keywords
- data
- fdom
- salinity
- turbidity
- correction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012937 correction Methods 0.000 title claims abstract description 33
- 239000005446 dissolved organic matter Substances 0.000 title claims abstract description 18
- 230000000630 rising effect Effects 0.000 claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 239000000523 sample Substances 0.000 abstract description 18
- 239000000463 material Substances 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract 1
- 238000005070 sampling Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004177 carbon cycle Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Organic contamination in water
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种荧光溶解有机质数据的快速校正方法，包括如下过程：步骤一：分别从FDOM探头、盐度探头和浊度探头接收FDOM数据、盐度数据及浊度数据；步骤二：根据FDOM探头布设区域的潮汐类型推算每日涨退潮的潮时，并按照FDOM探头所采集数据的时间进行区分归类；步骤三：建立每个涨退潮区间内FDOM数据及盐度数据的回归模型，即，FDOM＝a×盐度+b；步骤四：根据FDOM及盐度的决定系数(R2)及浊度值判断是否进行重新运算及校正。该快速校正方法不但能够快速而准确地对数据进行校正检验，而且还能够节省大量人力物力，提高校正效率。
Description
技术领域
本发明涉及河口区域的溶解有机质检测领域，并且更具体地涉及一种荧光溶解有机质数据的快速校正方法及***。
背景技术
溶解有机质是全球碳循环的重要组成部分，其中的不饱和基团在吸光后可以产生荧光，称为荧光溶解有机质(FDOM)，FDOM可以有效地应用于研究全球/区域碳循环。每年全球河流向海洋输出2.5亿吨的溶解有机碳(DOC)，河口作为沟通陆-海物质交换的重要界面，其复杂多变的动态环境会改变河流DOC的输出过程，使得常规的船载采样监测无法获得足够时空分辨率的数据。在河口使用FDOM探头进行高频监测能够获得长周期且高分辨率的监测数据，然而，中国的大多数河口区都存在水体浊度较高的现象。当水体浊度增高时，由于颗粒对光的散射和折射，FDOM探头的监测效率将会降低，探头测定结果将会较实际数值偏低。
传统的FDOM探头数据校正需要在现场进行多次采样，采集不同时期、不同浊度的水体样品，然后对比去除颗粒前后的FDOM值建立校正公式进行校正。这样现场采样，无论是样品采集过程，还是后期的测定工作都会耗费大量的人力物力。由于传统数据校正方式的局限性，因此需要一种低成本，快捷的FDOM数据校正方式。
发明内容
针对上述存在的问题，本发明提供了一种荧光溶解有机质数据的快速校正方法，包括如下过程：步骤一：接收FDOM数据、盐度数据及浊度数据；步骤二：根据FDOM数据的采集区域的潮汐类型推算每日涨退潮的潮时，并按照FDOM数据的采集时间进行区分归类；步骤三：建立每个涨退潮区间内FDOM数据与盐度数据的回归模型，即：FDOM＝a×盐度+b；步骤四：根据步骤三中的回归模型计算得到相应的决定决定系数(R2)，根据FDOM及盐度的决定系数(R2)及潮周期内的平均浊度值判断是否直接输出数据或者进行重新运算及校正后输出数据。
优选地，该快速校正方法进一步包括，在步骤四中：设置标准决定系数(R2)和平均浊度阈值，以回归模型每计算一次数据为一个循环，若计算得到的决定系数大于标准决定系数且计算得到的平均浊度小于平均浊度阈值，并且循环次数小于或等于1则输出数据，此外，则剔除浊度最高数据及其所对应的FDOM数据并重新按照步骤三的回归模型建立回归方程，若符合标准则输出数据，否则重复上述操作直至数据输出。
优选地，该标准决定系数和平均浊度阈值的设定是根据FDOM在当地河口的混合模式下进行设定的。
本发明还公开了一种荧光溶解有机质数据的快速校正***，该快速校正***包括水质监测浮标组、数据预处理模块，其中水质监测浮标组用于采集步骤一所需的FDOM数据、盐度数据及浊度数据，并将FDOM数据、盐度数据及浊度数据实时传输至数据预处理模块；数据预处理模块用于执行如上所述的荧光溶解有机质数据的快速校正方法的步骤。
本发明的有益效果在于：
一：简单快速，无需进行繁琐的采样工作及后期实验即可对FDOM数据进行校正，无需浪费较多的人力物力；
二：本方法的校正结果可靠有效。本方法已应用于九龙江河口FDOM探头数据校正，所校正的FDOM信号衰减程度与浊度二者间的对数递减关系与传统方法十分接近(图3)，可认为本校正方法较为可靠。
附图说明
在下文中，将参照附图更详细地解释本发明。在所有附图中，相同的附图标记表示相同或等同的特征：
图1为根据本发明的一种荧光溶解有机质数据的快速校正方法的流程图；
图2为图1中基于河口化学原理的FDOM数据校正原理图；
图3a为根据本发明的快速校正方法对九龙江口FDOM浮标数据校正后所得的FDOM信号衰减百分比与浊度关系图；
图3b为使用传统校正方法对九龙江口FDOM浮标数据校正后所得的FDOM信号衰减百分比与浊度关系图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。
参考图1，图1为根据本发明的一种荧光溶解有机质数据的快速校正方法的流程图。该快速校正方法，包括如下过程：步骤一：分别从FDOM探头、盐度探头和浊度探头接收FDOM数据、盐度数据及浊度数据。步骤二：根据FDOM探头布设区域的潮汐类型推算每日涨退潮的潮时，并按照FDOM探头的所采集数据的时间进行区分归类，以厦门地区为例，其每日涨退潮的计算公式为：
农历初一到十五：涨潮时间＝0.8h×[农历日期-1]+高潮间隙
农历十六到三十：涨潮时间＝0.8h×[农历日期-16]+高潮间隙
此部分计算过程所涉及的阴阳历转化及潮时计算可由提前设置的Python程序完成。步骤三：建立每个涨退潮区间内FDOM数据及盐度数据的回归模型，根据溶解有机质在河口区保守混合的基本原理，FDOM丰度与盐度在河口区主要受到稀释等物理混合过程的影响，因此二者应形成良好的线性关系如图2所示，即：FDOM＝a×盐度+b，其中a为回归方程的斜率，为常数，b为回归方程的截距，为常数，表示0盐度处(x＝0，即河水)的FDOM丰度。步骤四：根据FDOM及盐度的决定系数(R2)及浊度值判断是否进行重新运算及校正，此条件应根据不同应用环境进行调整，其中决定系数(R2)反应因变量的全部变异能通过回归关系被自变量解释的比例。通俗的来说就是用于评价回归方程的拟合完整度或者优度。步骤五：根据当地河口环境条件设置标准决定系数和平均浊度阈值，若计算得出的决定系数大于标准决定系数且计算得到的平均浊度小于平均浊度阈值，并且循环次数小于或等于1则输出数据，反之剔除浊度最高数据及其所对应的FDOM数据，并重新建立回归方程。理论上只需进行一次循环就可以校正浊度对FDOM探头工作效率的影响。同样以厦门地区九龙江河口为例。①：当FDOM与盐度二者的回归方程的决定系数>0.9且本次涨/退潮内水体平均浊度<50NTU时，即认为数据有效并输出数据。②：当决定系数<0.9或平均浊度>50NTU时，则剔除最高浊度数据及其所对应的FDOM数据并重新建立回归方程，若此次所建立的回归方程的决定系数及平均浊度符合条件①，则根据新的回归方程使用盐度计算FDOM并导出所有FDOM数据。
参考图3，图3a和图3b分别为根据本发明的快速校正方法与使用传统校正方法对九龙江口FDOM浮标数据校正结果图。如图3a所示，使用本方法对九龙江口FDOM浮标数据进行校正，当浊度高于50NTU后FDOM探头所得的信号开始有较大幅度的衰减，而当水体浊度>200后，FDOM信号衰减进入平台期，其衰减幅度提升较小。与Downing et al.(2012)等人建立的传统采样校正方法在美国康涅狄格河的实验校正相比，二者FDOM光学信号衰减程度对于水体浊度的响应弹性有所不同，这是由于不同河流的颗粒粒径、性质等都有所不同所导致的。
根据本发明另一优选的实施例，还提供了一种荧光溶解有机质数据的快速校正***，该快速校正***用于处理上述荧光溶解有机质数据的快速校正方法的步骤。在具体的应用中，该快速校正***包括水质监测浮标组、数据预处理模块。水质监测浮标组用于对放置在至少一处河口水域中的水质进行实时监测，并将FDOM数据、盐度数据及浊度数据实时传输至数据预处理模块。数据预处理模块用于将接收到的FDOM数据、盐度数据及浊度数据进行区分归类，然后发送至远程控制中心。
该快速校正***还包括移动终端，例如手机或者笔记本，移动终端用于实时接收运算和校正结果并通过操作界面显示。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。
Claims (4)
1.一种荧光溶解有机质数据的快速校正方法，其特征在于，包括如下过程：
步骤一：接收FDOM数据、盐度数据及浊度数据；
步骤二：根据FDOM数据的采集区域的潮汐类型推算每日涨退潮的潮时，并按照FDOM数据的采集时间进行区分归类；
步骤三：建立每个涨退潮区间内FDOM数据与盐度数据的回归模型，即FDOM=a×盐度+b，其中a为回归方程的斜率，为常数，b为回归方程的截距，为常数，表示0盐度处的FDOM丰度；
步骤四：根据步骤三中的回归模型计算得到相应的决定系数R2，根据FDOM及盐度的决定系数R2及潮周期内的平均浊度值判断是否直接输出数据或者进行重新运算及校正后输出数据，其中， S0：设置标准决定系数和平均浊度阈值，以回归模型每计算一次数据为一个循环，若计算得到的决定系数大于标准决定系数且计算得到的平均浊度小于平均浊度阈值，并且循环次数小于或等于1则输出数据，此外，剔除浊度最高数据及其所对应的FDOM数据并重新按照步骤三的回归模型建立回归方程，
若符合标准则输出数据；否则重复上述操作S0，直至数据输出。
2.根据权利要求1所述的荧光溶解有机质数据的快速校正方法，其特征在于，所述标准决定系数和平均浊度阈值的设定是根据FDOM在当地河口的混合模式下进行设定的。
3.一种荧光溶解有机质数据的快速校正***，其特征在于，所述快速校正***包括水质监测浮标组、数据预处理模块，其中水质监测浮标组用于采集步骤一所需的FDOM数据、盐度数据及浊度数据，并将FDOM数据、盐度数据及浊度数据实时传输至数据预处理模块；数据预处理模块用于执行如权利要求1-2中任一项所述的荧光溶解有机质数据的快速校正方法的步骤。
4.根据权利要求3所述的荧光溶解有机质数据的快速校正***，其特征在于，所述快速校正***还包括移动终端，所述移动终端用于实时接收运算和校正结果并通过操作界面显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186230.7A CN111339498B (zh) | 2020-03-17 | 2020-03-17 | 一种荧光溶解有机质数据的快速校正方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186230.7A CN111339498B (zh) | 2020-03-17 | 2020-03-17 | 一种荧光溶解有机质数据的快速校正方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111339498A CN111339498A (zh) | 2020-06-26 |
| CN111339498B true CN111339498B (zh) | 2022-11-15 |
Family
ID=71182441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010186230.7A Active CN111339498B (zh) | 2020-03-17 | 2020-03-17 | 一种荧光溶解有机质数据的快速校正方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111339498B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107924612A (zh) * | 2015-08-28 | 2018-04-17 | 日产自动车株式会社 | 探测数据收集方法以及探测数据收集装置 |
| CN108519472A (zh) * | 2018-08-03 | 2018-09-11 | 中国科学院烟台海岸带研究所 | 一种海洋牧场多水层水质环境多参数原位在线监测*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8121788B2 (en) * | 2007-12-21 | 2012-02-21 | Schlumberger Technology Corporation | Method and system to automatically correct LWD depth measurements |
-
2020
- 2020-03-17 CN CN202010186230.7A patent/CN111339498B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107924612A (zh) * | 2015-08-28 | 2018-04-17 | 日产自动车株式会社 | 探测数据收集方法以及探测数据收集装置 |
| CN108519472A (zh) * | 2018-08-03 | 2018-09-11 | 中国科学院烟台海岸带研究所 | 一种海洋牧场多水层水质环境多参数原位在线监测*** |
Non-Patent Citations (1)
| Title |
|---|
| Tidally Driven Export of Dissolved Organic Carbon, Total Mercury, and Methylmercury from a Mangrove-Dominated Estuary;Brian A. Bergamaschi;《Environmental Science & Technology 2012》;20111229;第46卷(第3期);原文第1371-1376页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111339498A (zh) | 2020-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bjørnsen | Automatic determination of bacterioplankton biomass by image analysis | |
| Leonardsson et al. | Theoretical and practical aspects on benthic quality assessment according to the EU-Water Framework Directive–examples from Swedish waters | |
| CN111562242A (zh) | 一种城市排水***的雨天溢流污水来源的快速识别方法 | |
| CN109544533A (zh) | 一种基于深度学习的金属板缺陷检测和度量方法 | |
| CN112345759B (zh) | 一种用于荧光强度峰检测的方法 | |
| CN102759526B (zh) | 一种金标银染定量检测汞离子的方法及其试剂盒 | |
| CN113203691A (zh) | 一种基于小波分析的水质污染物溯源方法 | |
| CN116485615A (zh) | 环境污染物生态毒性效应阈值浓度测算方法 | |
| CN115188434A (zh) | 一种流域尺度水体非点源污染分类分区识别方法 | |
| CN111339498B (zh) | 一种荧光溶解有机质数据的快速校正方法及*** | |
| CN117150437B (zh) | 多源卫星海面风场数据融合方法、装置、设备及介质 | |
| CN113533369B (zh) | 一种输电线路巡检装置 | |
| CN111242909B (zh) | 一种基于卷积神经网络的建筑弃土粒度分布快速识别方法 | |
| CN117591978A (zh) | 一种环境污染检测方法、***、设备及存储介质 | |
| CN116596308B (zh) | 河流、湖泊沉积物重金属生态毒性风险的综合评价方法 | |
| CN112630202A (zh) | 一种城市排水***的雨天溢流污水来源的识别方法 | |
| CN104122194A (zh) | 金属表面腐蚀速率检测方法 | |
| CN102507501B (zh) | 特种蛋白测试方法及测试装置 | |
| CN115266774B (zh) | 基于人工智能的焊缝射线检测评片方法 | |
| CN115219472B (zh) | 一种定量识别混合水体多污染源的方法及*** | |
| CN116359185A (zh) | 流式点阵数据分析方法、装置及计算机设备 | |
| CN115019252B (zh) | 混凝土质量检测方法、装置及监控设备 | |
| CN114323162B (zh) | 壳菜生长数据在线监测的方法、装置和电子设备 | |
| CN116310771A (zh) | 一种耦合遥感的面源污染源识别方法 | |
| CN103163136B (zh) | 利用拌和过程图像实时判别混凝土工作度的方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wu Yufang Inventor after: Xu Jing Inventor after: Yu Xiuxia Inventor after: Lin Zhiyu Inventor after: Shao Mingfei Inventor after: Guo Weidong Inventor before: Wu Yufang Inventor before: Xu Jing Inventor before: Yu Xiuxia Inventor before: Lin Zhiyu Inventor before: Shao Mingfei Inventor before: Guo Weidong |
|
| CB03 | Change of inventor or designer information |