1 引言

赤潮作為一種全球性的海洋災(zāi)害，嚴(yán)重阻礙了海洋生態(tài)和經(jīng)濟(jì)的發(fā)展。隨著全球，特別是我國(guó)近海赤潮頻發(fā)，確定赤潮類型和濃度從而科學(xué)有效地防治和減小赤潮危害，已成為海洋環(huán)境保護(hù)的重要課題。

目前，赤潮檢測(cè)的方法主要有：觀察法、遙感檢測(cè)和光譜檢測(cè)。傳統(tǒng)的人工觀察操作過程復(fù)雜，對(duì)操作人員專業(yè)性要求高。遙感檢測(cè)受海面魚鱗光、天氣等自然環(huán)境的影響檢測(cè)精度低。光譜技術(shù)主要包括吸收光譜、熒光光譜和高光譜成像（HSI）技術(shù)。吸收光譜技術(shù)測(cè)量范圍廣，但靈敏度低，抗干擾能力差。熒光光譜技術(shù)靈敏度高，但檢測(cè)設(shè)備價(jià)格昂貴。HSI是一種對(duì)圖像和光譜進(jìn)行融合的技術(shù)，具有較高的檢測(cè)精度，為微藻種類鑒別和細(xì)胞濃度檢測(cè)提供了一種快速、準(zhǔn)確的測(cè)量方法。

赤潮藻細(xì)胞內(nèi)含有多種色素，不同色素種類和比例都會(huì)引起赤潮藻吸收光譜和熒光光譜的變化?；诖死弥С窒蛄繖C(jī)成功鑒別了海洋卡盾藻、東海原甲藻和球形棕囊藻。但由于某些赤潮藻種所含色素種類相近而難以區(qū)分，如甲藻、硅藻和針胞藻，利用光譜技術(shù)對(duì)其進(jìn)行鑒別的研究鮮有報(bào)道。光譜也廣泛運(yùn)用于濃度測(cè)量中，但受到濃度大小和范圍的限制，在低濃度赤潮藻檢測(cè)中運(yùn)用較少，而多用于高濃度經(jīng)濟(jì)微藻的檢測(cè)。

針對(duì)甲藻、硅藻和針胞藻的光譜檢測(cè)困難，且低細(xì)胞濃度藻液的光譜預(yù)測(cè)模型精度較低的問題，搭建HSI系統(tǒng)，采集了大量甲藻（強(qiáng)壯前溝藻）、硅藻（中肋骨條藻和三角褐指藻）和針胞藻（赤潮異灣藻）的光譜數(shù)據(jù)，對(duì)比了不同光譜預(yù)處理手段、波段篩選算法與建模方法的交互影響及其對(duì)藻種鑒別和藻細(xì)胞濃度測(cè)量的影響。

2 實(shí)驗(yàn)方法

2.1 藻種和培養(yǎng)條件

選擇福建省周邊海域常見的4種赤潮藻為檢測(cè)樣本，分別為強(qiáng)壯前溝藻、赤潮異灣藻、中肋骨條藻和三角褐指藻，使用F/2培養(yǎng)基培養(yǎng)，鹽度為30~35g·L-1，pH為8.0，溫度控制在22℃，光照強(qiáng)度為6300lux，光照周期為14L：10D。

2.2 藻種和培養(yǎng)條件

2.2.1樣本制備和生物量測(cè)量

取指數(shù)增長(zhǎng)期的藻種（104~106cells·mL-1）加入人工海水進(jìn)行稀釋，每個(gè)藻種設(shè)置不少于10個(gè)濃度梯度（稀釋1、2、3、4、5、6、7、8、9、10倍），稀釋到接近赤潮發(fā)生時(shí)的基準(zhǔn)濃度。藻細(xì)胞濃度用血球計(jì)數(shù)板和浮游植物計(jì)數(shù)框在顯微鏡下獲得。每個(gè)濃度設(shè)置不少于5個(gè)平行樣本，每個(gè)樣本采集兩次取平均，4個(gè)藻種樣本總數(shù)為398。

2.2.2光譜采集系統(tǒng)搭建

搭建的高光譜采集系統(tǒng)如圖1所示，包括高光譜相機(jī)、鹵素光源、背景板、培養(yǎng)皿、暗箱和電腦。將藻液樣品充分?jǐn)嚢杈鶆?，用移液槍取?mL放入直徑為35mm培養(yǎng)皿中，通過高光譜數(shù)據(jù)采集系統(tǒng)采樣。

圖１ 高光譜成像系統(tǒng)示意圖

2.2.3高光譜數(shù)據(jù)校正和提取

為了減少系統(tǒng)誤差和外部環(huán)境的不利影響，采用式（1）獲得校正后的高光譜圖像反射率

式（1）中，Rci為校正后的光譜，Sampleci為原始高光譜圖像，Whiteci和Darkci分別為反射率99%標(biāo)準(zhǔn)白板圖像和蓋上鏡頭蓋獲得的暗電流圖像。

原始高光譜圖像通過式（1）校正后，用ENVI5.1選取藻液所在區(qū)域作為感興趣區(qū)域（平均大小為以70pixel為直徑的圓），計(jì)算感興趣區(qū)域光譜反射率的平均值作為樣本的光譜反射率。對(duì)獲取的所有樣本的光譜反射率數(shù)據(jù)，采用SPXY算法（SPXY）按照2：1的比例劃分建模集和預(yù)測(cè)集?；瘜W(xué)計(jì)量學(xué)算法和數(shù)字圖像處理技術(shù)主要由Matlab2018a、Unscramblerversion10.4、OriginPro2021軟件實(shí)現(xiàn)。

2.3 預(yù)測(cè)模型建立

光譜預(yù)測(cè)模型建立包括光譜數(shù)據(jù)預(yù)處理、特征波段提取和模型建立三個(gè)步驟。

2.3.1光譜數(shù)據(jù)預(yù)處理

高光譜圖像采集過程受光源電壓不穩(wěn)定、光線不均勻、儀器精度等因素的影響。采集的光譜往往帶有不同程度的噪聲，在提取特征波段進(jìn)行建模時(shí)，這種噪聲的影響可能會(huì)導(dǎo)致建模效果差、魯棒性低。光譜預(yù)處理可以減少噪聲對(duì)特征波段提取以及建模的影響，從而提高預(yù)測(cè)模型的精度。表1所示為篩選的7種預(yù)處理方法及其特點(diǎn)。

表１ 所選光譜預(yù)處理方法及其特點(diǎn)

2.3.2特征波段選擇

高光譜數(shù)據(jù)量龐大，有效地去除背景信息，提取代表微藻信息的特征波段，有利于提高效率和準(zhǔn)確率。采用2種特征波段提取方法，分別是遺傳算法（GA）和連續(xù)投影算法（SPA）。

2.3.3建模

由于不同波段和類型的光譜特征有所不同，且檢測(cè)對(duì)象的目標(biāo)特性也不盡相同，因此，兩者間的關(guān)系具有不確定性。光譜建模算法各有優(yōu)勢(shì)，需要針對(duì)不同的應(yīng)用對(duì)象，選擇合適的算法。本研究采用兩種分類方法和三種回歸模型分別進(jìn)行藻種鑒別和濃度測(cè)量，不同建模方法的特點(diǎn)如表2所示。

表２ 所選光譜建模方法及其特點(diǎn)

2.3.4模型評(píng)估

藻種鑒別模型利用準(zhǔn)確率進(jìn)行評(píng)價(jià)，而濃度測(cè)量模型則通過決定系數(shù)（R2）、平均絕對(duì)誤差（MAE）和平均相對(duì)誤差（MARE）來評(píng)價(jià)，R²、MAE和MARE的值可由式（2）、式（3）和式（4）計(jì)算得到

i為第i個(gè)樣品的真值，y_pre，i為第i個(gè)樣品的模型預(yù)測(cè)值，y_mean所有樣品真值的平均值，n為樣品個(gè)數(shù)。

式中，n為樣本個(gè)數(shù)，yi為第i個(gè)樣本真值，Yy_i為第i個(gè)樣本預(yù)測(cè)值，MAE和MARE都大于0，其值越小，表示模型預(yù)測(cè)結(jié)果越好。

3 結(jié)果與討論

3.1 高光譜圖像的采集和黑白校正

赤潮發(fā)生時(shí)赤潮藻會(huì)消耗水中的溶解氧，導(dǎo)致動(dòng)物窒息性死亡，造成經(jīng)濟(jì)損失，影響海洋漁業(yè)的發(fā)展。如表3所示，強(qiáng)壯前溝藻（甲藻）、赤潮異灣藻（針胞藻）、中肋骨條藻（硅藻）和三角褐指藻（硅藻）對(duì)生態(tài)環(huán)境的影響各不相同。所以，通過光譜分析來實(shí)現(xiàn)藻種鑒別具有重要意義。

表3 四種赤潮藻的生物和光譜信息

圖2(a)-(d)分別顯示強(qiáng)壯前溝藻（細(xì)胞濃度在1.05×10³~1.05×10⁴cells·mL^-1之間）、赤潮異灣藻（細(xì)胞濃度在1.05×10⁴~ 2.51×10⁵cells·mL^-1之間）、中肋骨條藻（細(xì)胞濃度在1.13×10⁴~ 2.38×10⁵cells·mL^-1之間）和三角褐指藻（細(xì)胞濃度在1.06×105~4.36×106cells·mL-1之間）的原始光譜曲線。如圖2(a)-(c)所示，強(qiáng)壯前溝藻和中肋骨條藻的光譜曲線形狀相似，在400~450和685~710nm分別存在一個(gè)較大的反射谷和反射峰?？赡艿脑蚴菑?qiáng)壯前溝藻和中肋骨條藻色素種類和比例相似（見表3），受到葉綠素a（Chla）和葉綠素c（Chlc）的疊加作用在400~450nm形成一個(gè)較大的反射谷，而685~710nm的反射峰是赤潮水體的特征反射峰。如圖2（b）和（d）所示，赤潮異灣藻和三角褐指藻的光譜曲線形狀相似?？赡艿脑蚴浅喑碑悶吃迮c三角褐指藻色含有大量Chla使得光譜曲線在440和675nm波段附近形成反射谷外，且都含有大量巖藻黃素使得光譜曲線在489~491nm處有反射谷（見表3）。所以，采用原始光譜很難將這四個(gè)種類的赤潮藻區(qū)分開，需要建立模型來表示藻種光譜信息與藻種類別之間的關(guān)系，以達(dá)到鑒別藻種的目的。

圖2 原始光譜曲線

(a):強(qiáng)壯前溝藻;(b):赤潮異灣藻;(c):中肋骨條藻;(d):三角褐指藻

3.2 藻種鑒別結(jié)果分析

將原始光譜（Raw）數(shù)據(jù)和經(jīng)過7種預(yù)處理（見表1）后的數(shù)據(jù)用兩種波段篩選方法（分別是GA和SPA）提取特征波段，然后采用SVM和反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）進(jìn)行建模，其結(jié)果如圖3所示。由圖3（a）可知基于Savitzky-Golay平滑的二階導(dǎo)數(shù)結(jié)合GA（SG+2nd-GA）的組合方法在采用SVM和BPNN兩種建模方法時(shí)都獲得了100%的準(zhǔn)確率，由圖3（b）可知SG+2nd-SPA組合方法在采用SVM和BPNN兩種建模方法時(shí)也分別取得了98.5%和96.2%的準(zhǔn)確率。結(jié)果表明恰當(dāng)?shù)念A(yù)處理方法可以提升波段篩選的準(zhǔn)確率，從而提高建模的精度。采用SG+2nd的預(yù)處理方法可以提高波段篩選和建模的準(zhǔn)確率，適用于低濃度具有相似光譜曲線的赤潮藻種鑒別。

圖3 四種赤潮藻經(jīng)(a)GA和(b)SPA提取特征波段的鑒別的結(jié)果

從圖3中還可以看出波段篩選方法對(duì)模型準(zhǔn)確率有關(guān)鍵性的影響，采用GA波段篩選方法時(shí)，不同的預(yù)處理與建模方法對(duì)模型預(yù)測(cè)精度的影響較小（準(zhǔn)確率在93.9%~100.0%之間），而采用SPA波段篩選方法時(shí)，不同預(yù)處理與建模方法對(duì)模型預(yù)測(cè)精度的影響較大（準(zhǔn)確率在18.9%~100.0%之間）。為了進(jìn)一步分析原因，表4列出了基于不同預(yù)處理算法GA和SPA提取出的特征波段。

由表4可知，GA提取的特征波段位于450.6~837.2nm之間，主要集中在450.6~494.0和552.7~644.7nm，這些波段位于藻細(xì)胞中不同色素對(duì)光的吸收波段范圍內(nèi)（見表3）。而SPA提取的特征波段位于386.2~1032.1nm之間，部分位于386.2~393.3和1032.1nm，這些波段在高光譜相機(jī)光譜探測(cè)范圍的兩端，受噪聲影響大，不適合作為代表藻種信息的特征波段。上述結(jié)果表明GA提取的特征波段更具代表性和有效性，而SPA提取的部分特征波段受噪聲影響大不利于建模。特征波段的代表性和有效性是影響藻種鑒別準(zhǔn)確率的關(guān)鍵。

表4 不同預(yù)處理算法處理后 GA和SPA所提取的特征波段

如表4所示，SG+2nd-GA提取的特征波段為547.8、562.6、644.7、829.4和832.0nm，這可能與不同微藻細(xì)胞內(nèi)色素種類和比例有關(guān)。其中547.8nm可能與巖藻黃素吸收有關(guān)，巖藻黃素是赤潮異灣藻、中肋骨條藻和三角褐指藻主要色素之一，而在強(qiáng)壯前溝藻中不存在（見表3）。562.6nm波段則是受到Chla的影響。644.7nm可能是同時(shí)受到Chla和Chlc的影響。829.4和832.0nm是由于藻液中水的O—H鍵的作用。波段出現(xiàn)稍微偏移的原因可能是：

（1）不同藻種色素種類和比例不同；

（2）同藻種不同生長(zhǎng)周期色素含量不同；

（3）同藻種不同個(gè)體色素含量不同。綜上所述，SG+2nd-GA提取的波段是各藻種中不同色素對(duì)光吸收的特征波段，所以能夠100%成功鑒別強(qiáng)壯前溝藻、赤潮異灣藻、中肋骨條藻和三角褐藻。

3.3 藻細(xì)胞濃度預(yù)測(cè)模型結(jié)果分析

根據(jù)前面的描述，SG+2nd-GA的組合方式對(duì)4種赤潮藻的光譜曲線降噪和篩選特征波段具有一定的優(yōu)勢(shì)。圖4標(biāo)記了4個(gè)藻種SG+2nd-GA處理后的特征波段，其中，強(qiáng)壯前溝藻的特征波段是577.4、667.4、669.9、672.5和675.0nm，赤潮異灣藻的特征波段是654.8、667.4、672.5和675.0nm，中肋骨條藻的特征波段是669.9、672.5和675.0nm，三角褐指藻的特征波段是652.3、680.1和695.3nm。不同色素對(duì)特定波長(zhǎng)處的光吸收度是進(jìn)行濃度預(yù)測(cè)的可靠指標(biāo)，利用葉綠素在684nm處對(duì)光的吸收度曾被用來測(cè)量近頭狀尖胞藻的細(xì)胞濃度，且模型預(yù)測(cè)R²達(dá)到0.9998。四種赤潮藻的濃度預(yù)測(cè)模型波段主要集中在紅光區(qū)域（620~780nm），該區(qū)域是Chla的主要吸收光譜范圍。其中強(qiáng)壯前溝藻、赤潮異灣藻和中肋骨條藻都選擇675nm作為特征波段之一，這與許多學(xué)者認(rèn)為Chla在675nm處有光譜吸收峰相一致。此外，577.4nm[如圖4（a）所示]作為強(qiáng)壯前溝藻細(xì)胞濃度特征波段，可能與強(qiáng)壯前溝藻富含有Chlc有關(guān)，根據(jù)2.2中特征波段出現(xiàn)微偏移可能的原因，對(duì)四種赤潮藻濃度進(jìn)行預(yù)測(cè)時(shí)選擇的波段還與Ballardo等使用677nm處的吸收系數(shù)預(yù)測(cè)三角褐指藻的濃度相符合。

圖4 SG+2nd預(yù)處理后4種微藻的光譜曲線(紅點(diǎn)標(biāo)記處為 GA所選特征波段)

(a):強(qiáng)壯前溝藻;(b):赤潮異灣藻;(c):中肋骨條藻;(d):三角褐指藻

進(jìn)行藻種濃度測(cè)量時(shí)，濃度范圍與測(cè)量誤差是考量模型價(jià)值的重要因素。如表5所示，應(yīng)用了三種建模方法（分別是多元線性回歸（MLR）、PLS和支持向量回歸（SVR））對(duì)四種赤潮藻建立濃度預(yù)測(cè)模型，結(jié)果表明四種赤潮藻的SVR建模集和預(yù)測(cè)集R²均大于0.98。其中，強(qiáng)壯前溝藻和中肋骨條藻模型濃度預(yù)測(cè)范圍分別在1.05×10³~1.05×10⁴和1.13×10⁴~2.38×10⁵cells·mL^-1，最低濃度達(dá)到該藻種發(fā)生赤潮時(shí)的基準(zhǔn)濃度。相比商業(yè)型藻種（如小球藻、螺旋藻等），赤潮藻的細(xì)胞濃度較低，且葉綠素含量也較低，造成光譜反射率波動(dòng)范圍小，建模難度大，且建模精度將隨著細(xì)胞濃度的下降而急劇下降，這也是應(yīng)用光譜測(cè)量手段探測(cè)初期赤潮遇到的瓶頸。Ballardo等應(yīng)用分光光度計(jì)實(shí)現(xiàn)了三角褐指藻藻種濃度的預(yù)測(cè)，達(dá)到的最低預(yù)測(cè)濃度為1.37×106cells·mL-1，而本工作應(yīng)用高光譜探測(cè)的手段實(shí)現(xiàn)對(duì)該藻種最低濃度1.06×105cells·mL-1的預(yù)測(cè)，說明本文提出的SG+2nd-GA-SVR建模方法具有一定的先進(jìn)性。

表5 SG+2nd-GA處理后不同建模方法細(xì)胞濃度預(yù)測(cè)結(jié)果

如表5所示，SVR非線性建模方法，效果優(yōu)于MLR和PLS線性建模效果?？赡艿脑蚴俏⒃寮?xì)胞濃度預(yù)測(cè)模型主要建立微藻細(xì)胞內(nèi)色素濃度與吸收系數(shù)之間的關(guān)系。由于“包絡(luò)效用”使色素濃度與赤潮藻吸收系數(shù)之間并不是簡(jiǎn)單的線性關(guān)系，而是一種復(fù)雜的非線性變化，如Chla與光譜反射率之間存在冪指數(shù)關(guān)系。

4 結(jié)論

采用高光譜測(cè)量手段對(duì)強(qiáng)壯前溝藻、赤潮異灣藻、中肋骨條藻和三角褐指藻四種赤潮藻種進(jìn)行鑒別和細(xì)胞濃度測(cè)量。比較了7種預(yù)處理方法和2種數(shù)據(jù)降維方法，結(jié)果表明SG+2nd-GA的組合方式對(duì)這四種赤潮藻的光譜曲線隆噪和特征波段提取具有一定的優(yōu)勢(shì)，通過提取5個(gè)波段與SVM或BPNN結(jié)合能100%鑒別這四種微藻。藻細(xì)胞模型濃度預(yù)測(cè)結(jié)果表明色素是判斷赤潮濃度的一個(gè)重要因素。此外，SG+2nd-GA-SVR在三種濃度預(yù)測(cè)模型中預(yù)測(cè)結(jié)果最好，四種藻預(yù)測(cè)模型R²均大于0.98，其中強(qiáng)壯前溝藻和中肋骨條藻最低預(yù)測(cè)濃度達(dá)到該藻種發(fā)生赤潮時(shí)的基準(zhǔn)濃度，三角褐指藻突破了現(xiàn)有光譜技術(shù)對(duì)其預(yù)測(cè)的最低濃度。本研究所建立的高光譜反射系統(tǒng)藻種鑒別和濃度預(yù)測(cè)方法，為快速、無損探測(cè)赤潮提供了新方法，為赤潮監(jiān)測(cè)和防治提供了新依據(jù)。

推薦：

便攜式高光譜成像系統(tǒng) iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢(shì)具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價(jià)比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計(jì)，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。