基于紫外可見(jiàn)光譜的地表水水質(zhì)硬度檢測(cè)方法研究

仲玉晶 文靜

摘 要：分析在紫外、可見(jiàn)光波譜中可用作地表水遙感條件下硬度檢測(cè)的資源，并利用卷積神經(jīng)網(wǎng)絡(luò)排除該檢測(cè)過(guò)程中的不穩(wěn)定性。經(jīng)過(guò)仿真測(cè)試，該算法較傳統(tǒng)的Ca、Mg離子吸收光譜法，在分析精度和結(jié)果數(shù)據(jù)穩(wěn)定性方面有顯著提升。

關(guān)鍵詞：紫外波譜;可見(jiàn)光波譜;吸收譜線;卷積神經(jīng)網(wǎng)絡(luò);水質(zhì)硬度檢測(cè)

中圖分類號(hào)：X832 文獻(xiàn)標(biāo)識(shí)碼：A ? ? 文章編號(hào)：1001-5922（2021）10-0042-04

Research on Surface Water Hardness Detection Method Based on UV Vis Spectrum

Zhong Yujing， Wen Jing

（Qinghai Hydrological And Water Resources Forecasting Center， Xi ning 810001， China）

Abstract：This paper analyzes the resources that can be used to detect the hardness of surface water under the condition of remote sensing in the ultraviolet and visible spectrum， and uses convolution neural network to eliminate the instability in the detection process. The simulation results show that the algorithm is better than the traditional Ca and Mg ion absorption spectrometry in analysis accuracy and data stability.

Key words：ultraviolet spectrum; visible spectrum; absorption spectrum; convolution neural network; water hardness detection

0 引言

早期地表水污染狀態(tài)監(jiān)測(cè)，一般需要在全國(guó)各地布局水文站，通過(guò)現(xiàn)場(chǎng)采集水樣實(shí)驗(yàn)室化驗(yàn)的方式進(jìn)行水樣分析。且該分析過(guò)程需要使用到色譜儀或者質(zhì)譜儀，甚至要用到蛋白質(zhì)電泳顯影化驗(yàn)。該化驗(yàn)方式相關(guān)儀器操作較為復(fù)雜，儀器較為昂貴，并非每個(gè)水文站都可以配備，所以水樣一般需要集中送交到省級(jí)水文管理單位進(jìn)行集中化驗(yàn)。這一過(guò)程要消耗大量的人力，工作效率較低，檢測(cè)水樣的管理難度較大，容易造成數(shù)據(jù)更新不及時(shí)，且水樣采集點(diǎn)也很難覆蓋全國(guó)各地的地表水水體，存在一定的統(tǒng)計(jì)學(xué)幸存者偏差效應(yīng)。

衛(wèi)星遙感圖像用于地表水水質(zhì)硬度檢測(cè)的相關(guān)技術(shù)實(shí)踐，在20世紀(jì)中后期已經(jīng)開(kāi)始實(shí)踐，但近年來(lái)隨著高分衛(wèi)星工程民用化進(jìn)程的推進(jìn)，民營(yíng)企業(yè)逐漸開(kāi)始研究如何利用衛(wèi)星遙感圖像的可見(jiàn)光（400～780nm）、近紫外（200～400nm）、遠(yuǎn)紫外（4～200nm）進(jìn)行地表水硬度檢測(cè)，應(yīng)用于水產(chǎn)養(yǎng)殖、水質(zhì)管理等，已經(jīng)成為技術(shù)發(fā)展新方向。特別是對(duì)水質(zhì)硬度影響最大的Na+（589.592nm） 離子、K+（766.490nm） 離子、Ca2+（317.933nm）離子的濃度含量測(cè)定，成為該技術(shù)的重點(diǎn)。

該研究重點(diǎn)就基于高分衛(wèi)星遙感圖像的水質(zhì)硬度檢測(cè)方案進(jìn)行研究，對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行深度挖掘，將其反射廣譜信息和紅外紫外信息用作水質(zhì)檢測(cè)，提出一種更簡(jiǎn)便、迅速、穩(wěn)定的可用于民營(yíng)企業(yè)水質(zhì)硬度檢測(cè)的監(jiān)測(cè)方法。該方法可以在每次相關(guān)衛(wèi)星飛掠中國(guó)國(guó)內(nèi)區(qū)域時(shí)均進(jìn)行全面檢測(cè)，數(shù)據(jù)無(wú)死角，更新也較為迅速。

1 衛(wèi)星水質(zhì)遙感的基本原理

1.1 衛(wèi)星遙感的數(shù)據(jù)來(lái)源及干擾

衛(wèi)星對(duì)地遙感，根據(jù)傳感器類型，可以在電磁波全波段中選擇任意觀測(cè)波段接收地面反射。這些電磁波的特定波長(zhǎng)，代表著反射物的具體成分。該研究梳理了地表水中大部分可能出現(xiàn)的化學(xué)成分反射光線中的吸收波長(zhǎng)，即如果地表水中存在對(duì)應(yīng)物質(zhì)，根據(jù)其實(shí)際含量，對(duì)應(yīng)波段的特定波長(zhǎng)反射率會(huì)有所降低。但是，地表水中的絕大部分物質(zhì)成分為H和O，此時(shí)需要排除H和O吸收波長(zhǎng)給衛(wèi)星遙感設(shè)備帶來(lái)的干擾。且還應(yīng)考慮到陽(yáng)光穿過(guò)大氣層時(shí)，大氣層中相關(guān)物質(zhì)成分帶來(lái)的吸收波長(zhǎng)干擾，以及大氣層中較為濃厚的平流層頂和對(duì)流層頂（云頂）帶來(lái)的反射吸收波長(zhǎng)特性。該過(guò)程如圖1所示。

圖1中，太陽(yáng)光穿透大氣層的耗散層、平流層、對(duì)流層照射水體，此時(shí)已經(jīng)失去了絕大部分紫端輻射能，即宇宙空間中太陽(yáng)光屬于白偏藍(lán)光，但到地面照射得到徑流水水體時(shí)，大部分紫端光已經(jīng)被吸收，此時(shí)水面反射出的光線為藍(lán)偏黃色。此時(shí)，水邊建筑物及植被都可能產(chǎn)生炫光，炫光部分直射衛(wèi)星感光元件，部分經(jīng)過(guò)水體反射后到達(dá)衛(wèi)星感光元件，這也會(huì)導(dǎo)致水體“變色”，影響水體反射光的顏色構(gòu)型。同時(shí)，太陽(yáng)光為光源，需要依次發(fā)生平流層的層頂反射、耗散、吸收，以及對(duì)流層的層頂反射、耗散、吸收，衛(wèi)星運(yùn)行的耗散層中也有可能產(chǎn)生光線特定波長(zhǎng)的耗散和吸收。這些都會(huì)給衛(wèi)星遙感帶來(lái)直接干擾。所以，該算法必須充分考慮到這些干擾才可以達(dá)到理想的評(píng)價(jià)效果。

1.2 離子吸收波長(zhǎng)分布情況

每種離子均有特定的一系列吸收光譜，其原理在于特定波長(zhǎng)光子擊中電子云后，電子云會(huì)吸收并發(fā)生向高能級(jí)躍遷。此時(shí)，每種離子均可能形成數(shù)十條吸收光譜線，但每種元素均有最低能級(jí)狀態(tài)下的躍遷譜線被稱作該種離子的第一推薦譜線。根據(jù)第一推薦譜線的波長(zhǎng)位置，會(huì)發(fā)現(xiàn)已知離子在可見(jiàn)光（400～780nm）條件下的12條譜線，如表1所示;在近紫外線（200～400nm）條件下的55條譜線，如表2所示;在遠(yuǎn)紫外線（4～200nm）條件下的8條譜線，如表3所示。當(dāng)前已知118種元素中，有75種可以通過(guò)該方案進(jìn)行檢測(cè)。

表1中多為小原子量的常見(jiàn)元素，其中對(duì)水質(zhì)硬度構(gòu)成影響較大的K離子、Li離子、Na離子、Cl離子等，也包含較多其他元素。

表2中包含了該方案可檢測(cè)元素的大部分，特別是對(duì)水質(zhì)硬度影響較大的Ca、Al、Mg、Ag、Fe和P離子等，均在該監(jiān)測(cè)范圍內(nèi)。

表3中包含最強(qiáng)吸收譜線在4～200nm的離子，此類離子在早期技術(shù)中并不能被衛(wèi)星遙感有效檢測(cè)，但在高分13號(hào)衛(wèi)星之后可以實(shí)現(xiàn)該檢測(cè)技術(shù)，其中包含了對(duì)水質(zhì)硬度影響較大的S離子、I離子、C離子、Zn離子等。遠(yuǎn)紫外線吸收波譜技術(shù)的應(yīng)用，是對(duì)衛(wèi)星遙感水質(zhì)硬度檢測(cè)的重要技術(shù)補(bǔ)充。

2 吸收光譜檢測(cè)方法革新

前文分析中，衛(wèi)星遙感完成水質(zhì)檢測(cè)的過(guò)程，水體的反射光線可能發(fā)生較大程度的干擾性變化，即其反射光線的譜線并不完全由其自身的光子吸收效應(yīng)造成，如果構(gòu)建模糊矩陣等較為直接的剛性算法，很難對(duì)相關(guān)干擾逐一處理。因?yàn)檫@些干擾的實(shí)際發(fā)生機(jī)制難以確定，所以需要在反射光的極端不完備數(shù)據(jù)條件下的完成衛(wèi)星遙感圖像文件的數(shù)據(jù)處理。這就決定了有必要使用基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)人工智能算法。神經(jīng)網(wǎng)絡(luò)算法的特點(diǎn)即是在不完備數(shù)據(jù)條件下，可以使用深度挖掘計(jì)算方式獲得不完備數(shù)據(jù)中攜帶的干擾因素信息。

綜合分析，在紫外、可見(jiàn)光波譜內(nèi)的可檢測(cè)元素已經(jīng)達(dá)到了75個(gè)，但仍不能實(shí)現(xiàn)對(duì)所有可能元素的含量精準(zhǔn)分析。傳統(tǒng)模式下，針對(duì)特定譜線，應(yīng)考慮到極限相當(dāng)濃度、徑向檢測(cè)極限、信號(hào)相對(duì)強(qiáng)度、信噪比、實(shí)測(cè)信號(hào)強(qiáng)度、大氣散射印象、云層反射影響、相對(duì)論效應(yīng)、速度紅移效應(yīng)等多種干擾因素，這些干擾因素中的大部分均無(wú)法有效測(cè)定。所以，該數(shù)據(jù)屬于不完備數(shù)據(jù)，不完備數(shù)據(jù)的分析結(jié)果誤差較大，且難以將數(shù)據(jù)分析落點(diǎn)控制在置信區(qū)間內(nèi)。故需要在實(shí)驗(yàn)室中構(gòu)建足夠大量的訓(xùn)練數(shù)據(jù)，對(duì)一列卷積神經(jīng)網(wǎng)絡(luò)形成的機(jī)器學(xué)習(xí)水質(zhì)硬度判斷模塊進(jìn)行訓(xùn)練，最終達(dá)到更精準(zhǔn)的水質(zhì)硬度判斷方案。

神經(jīng)網(wǎng)絡(luò)采用單模塊設(shè)計(jì)，輸入端為精選的至少75條譜線，為加強(qiáng)分析效果，可增設(shè)每元素的第二推薦譜線作為參照，即該神經(jīng)網(wǎng)絡(luò)的輸入端為150條譜線的實(shí)測(cè)值。

神經(jīng)網(wǎng)絡(luò)的輸出端為1個(gè)雙精度浮點(diǎn)型變量，投影區(qū)間為[0，1]區(qū)間，即其前置一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模塊，后置一個(gè)函數(shù)解釋輸出模塊，如圖2所示。

圖2中，對(duì)圖像進(jìn)行逐像素掃描，提取像素信息后，根據(jù)其色彩信息進(jìn)行色譜反算（因?yàn)椴煌l(wèi)星傳感器的波長(zhǎng)感應(yīng)器構(gòu)成不同，需要使用高分工程開(kāi)發(fā)工具包內(nèi)置軟件完成），得到的色譜結(jié)果為一個(gè)Q-λ直方圖，在直方圖上讀取上述150個(gè)λ特征點(diǎn)的Q值，作為神經(jīng)網(wǎng)路的輸入值。

神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)學(xué)意義是將150個(gè)在Q-λ直方圖讀取的雙精度浮點(diǎn)型變量進(jìn)行卷積降維，使其形成1個(gè)雙精度浮點(diǎn)型變量，用于標(biāo)記該區(qū)域的水硬度，所以，其應(yīng)采用相關(guān)文獻(xiàn)中常用的卷積降維節(jié)點(diǎn)函數(shù)六階多項(xiàng)式回歸函數(shù)進(jìn)行設(shè)計(jì)。其函數(shù)如公式（1） ：

式中：Xij為上一層神經(jīng)網(wǎng)絡(luò)傳導(dǎo)的第i個(gè)輸入值;Y為該節(jié)點(diǎn)輸出值;j為多項(xiàng)式階數(shù);Aj為第j階多項(xiàng)式的待回歸系數(shù)。

采用40%的卷積壓縮比，該神經(jīng)網(wǎng)絡(luò)的隱藏層架構(gòu)如表4所示。

經(jīng)過(guò)4層隱藏層并經(jīng)輸出層1個(gè)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)整理輸出后，得到1個(gè)雙精度浮點(diǎn)型變量，該變量的可能落點(diǎn)在（-∞，+∞）區(qū)間上，但為了考察神經(jīng)網(wǎng)絡(luò)的收斂特性，僅規(guī)定[0，1]區(qū)間上的輸出值有效，通過(guò)判斷最終輸出值是否在[0，1]區(qū)間來(lái)判斷神經(jīng)網(wǎng)絡(luò)的收斂特性。

假定其有效輸出值為A，則在硬度解釋模塊中將A變換為1000，即可實(shí)現(xiàn)對(duì)該輸出值的解釋。

3 算法效能仿真測(cè)試

水質(zhì)數(shù)據(jù)可以通過(guò)現(xiàn)場(chǎng)采集數(shù)據(jù)并利用質(zhì)譜儀分析得出精確的水質(zhì)硬化成分的檢測(cè)，所以使用質(zhì)譜儀數(shù)據(jù)作為評(píng)判標(biāo)準(zhǔn)，通過(guò)現(xiàn)場(chǎng)采樣并進(jìn)行實(shí)驗(yàn)室分析得到水硬度結(jié)果對(duì)該神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并充分收斂，進(jìn)而使用針對(duì)Ca、Mg離子吸收波長(zhǎng)直接測(cè)算法以及該研究革新算法進(jìn)行效能仿真測(cè)試比較，如表5所示。

表5中，革新方法較傳統(tǒng)Ca、Mg譜線法在測(cè)量標(biāo)差方面有了顯著提升，且以實(shí)驗(yàn)室抽樣結(jié)果為參照，傳統(tǒng)Ca、Mg譜線法較實(shí)驗(yàn)室結(jié)果偏差6.60%，而革新方法較實(shí)驗(yàn)室結(jié)果偏差2.43%;Ca、Mg譜線法的數(shù)據(jù)集標(biāo)差達(dá)到9.2mg/L，而革新方法的數(shù)據(jù)集標(biāo)差僅為2.1mg/L，可見(jiàn)革新方法的數(shù)據(jù)產(chǎn)出更為穩(wěn)定。

4 總結(jié)

水質(zhì)硬度雖然以等效Ca、Mg離子比重為標(biāo)記，但影響水質(zhì)硬度的核心原因在于水中溶解無(wú)機(jī)鹽的總比重。采用文章革新方法對(duì)水質(zhì)硬度進(jìn)行檢測(cè)，引入基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)人工智能算法，考慮到了75種可溶無(wú)機(jī)鹽離子的影響，雖然其數(shù)據(jù)具有不完備性，但通過(guò)神經(jīng)網(wǎng)絡(luò)算法對(duì)數(shù)據(jù)不完備進(jìn)行了適應(yīng)性深度迭代回歸，使該數(shù)據(jù)不完備性得到有效緩解。所以，該革新方法在衛(wèi)星遙感圖像中紫外、可見(jiàn)光波譜水硬度分析方面有積極意義。

參考文獻(xiàn)

[1]劉增賢，劉克強(qiáng)，李勇濤，等.太湖流域水產(chǎn)養(yǎng)殖面積遙感監(jiān)測(cè)及產(chǎn)流模擬分析研究[J].水利規(guī)劃與設(shè)計(jì)，2020（12）：97-102.

[2]王賽林.遙感技術(shù)在水資源管理中的應(yīng)用[J].水利科技與經(jīng)濟(jì)，2020，26（11）：85-88.

[3]王聯(lián)友，林建濤，袁偉儉.基于遙感的城市水環(huán)境監(jiān)測(cè)方法研究[J].測(cè)繪與空間地理信息，2020，43（11）：152-155.

[4]何穎清，馮佑斌，扶卿華，等.珠江河口海水表層鹽度光學(xué)遙感反演研究[J].地理與地理信息科學(xué)，2020，36（06）：40-47.

[5]王歆暉，田華，季鐵梅，等.哨兵2衛(wèi)星綜合水質(zhì)指標(biāo)的河流水質(zhì)遙感監(jiān)測(cè)方法[J].上海航天（中英文），2020，37（05）：92-97+104.

[6]聞亮，李勝，陳清，等.基于無(wú)人機(jī)遙感的水質(zhì)監(jiān)測(cè)信息集成與應(yīng)用[J].江蘇水利，2020（10）：35-40.