1 引言

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

目前，赤潮檢測的方法主要有：觀察法、遙感檢測和光譜檢測。傳統(tǒng)的人工觀察操作過程復雜，對操作人員專業(yè)性要求高。遙感檢測受海面魚鱗光、天氣等自然環(huán)境的影響檢測精度低。光譜技術主要包括吸收光譜、熒光光譜和高光譜成像（HSI）技術。吸收光譜技術測量范圍廣，但靈敏度低，抗干擾能力差。熒光光譜技術靈敏度高，但檢測設備價格昂貴。HSI是一種對圖像和光譜進行融合的技術，具有較高的檢測精度，為微藻種類鑒別和細胞濃度檢測提供了一種快速、準確的測量方法。

赤潮藻細胞內含有多種色素，不同色素種類和比例都會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，利用光譜技術對其進行鑒別的研究鮮有報道。光譜也廣泛運用于濃度測量中，但受到濃度大小和范圍的限制，在低濃度赤潮藻檢測中運用較少，而多用于高濃度經濟微藻的檢測。

針對甲藻、硅藻和針胞藻的光譜檢測困難，且低細胞濃度藻液的光譜預測模型精度較低的問題，搭建HSI系統(tǒng)，采集了大量甲藻（強壯前溝藻）、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)，對比了不同光譜預處理手段、波段篩選算法與建模方法的交互影響及其對藻種鑒別和藻細胞濃度測量的影響。

2 實驗方法

2.1 藻種和培養(yǎng)條件

選擇福建省周邊海域常見的4種赤潮藻為檢測樣本，分別為強壯前溝藻、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量

取指數(shù)增長期的藻種（104~106cells·mL-1）加入人工海水進行稀釋，每個藻種設置不少于10個濃度梯度（稀釋1、2、3、4、5、6、7、8、9、10倍），稀釋到接近赤潮發(fā)生時的基準濃度。藻細胞濃度用血球計數(shù)板和浮游植物計數(shù)框在顯微鏡下獲得。每個濃度設置不少于5個平行樣本，每個樣本采集兩次取平均，4個藻種樣本總數(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、鹵素光源、背景板、培養(yǎng)皿、暗箱和電腦。將藻液樣品充分攪拌均勻，用移液槍取樣5mL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%標準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測集?；瘜W計量學算法和數(shù)字圖像處理技術主要由Matlab2018a、Unscramblerversion10.4、OriginPro2021軟件實現(xiàn)。

2.3 預測模型建立

光譜預測模型建立包括光譜數(shù)據(jù)預處理、特征波段提取和模型建立三個步驟。

2.3.1光譜數(shù)據(jù)預處理

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，在提取特征波段進行建模時，這種噪聲的影響可能會導致建模效果差、魯棒性低。光譜預處理可以減少噪聲對特征波段提取以及建模的影響，從而提高預測模型的精度。表1所示為篩選的7種預處理方法及其特點。

表１ 所選光譜預處理方法及其特點

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，且檢測對象的目標特性也不盡相同，因此，兩者間的關系具有不確定性。光譜建模算法各有優(yōu)勢，需要針對不同的應用對象，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行藻種鑒別和濃度測量，不同建模方法的特點如表2所示。

表２ 所選光譜建模方法及其特點

2.3.4模型評估

藻種鑒別模型利用準確率進行評價，而濃度測量模型則通過決定系數(shù)（R2）、平均絕對誤差（MAE）和平均相對誤差（MARE）來評價，R²、MAE和MARE的值可由式（2）、式（3）和式（4）計算得到

i為第i個樣品的真值，y_pre，i為第i個樣品的模型預測值，y_mean所有樣品真值的平均值，n為樣品個數(shù)。

式中，n為樣本個數(shù)，yi為第i個樣本真值，Yy_i為第i個樣本預測值，MAE和MARE都大于0，其值越小，表示模型預測結果越好。

3 結果與討論

3.1 高光譜圖像的采集和黑白校正

赤潮發(fā)生時赤潮藻會消耗水中的溶解氧，導致動物窒息性死亡，造成經濟損失，影響海洋漁業(yè)的發(fā)展。如表3所示，強壯前溝藻（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）對生態(tài)環(huán)境的影響各不相同。所以，通過光譜分析來實現(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)分別顯示強壯前溝藻（細胞濃度在1.05×10³~1.05×10⁴cells·mL^-1之間）、赤潮異灣藻（細胞濃度在1.05×10⁴~ 2.51×10⁵cells·mL^-1之間）、中肋骨條藻（細胞濃度在1.13×10⁴~ 2.38×10⁵cells·mL^-1之間）和三角褐指藻（細胞濃度在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分別存在一個較大的反射谷和反射峰?？赡艿脑蚴菑妷亚皽显搴椭欣吖菞l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。可能的原因是赤潮異灣藻與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系，以達到鑒別藻種的目的。

圖2 原始光譜曲線

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

3.2 藻種鑒別結果分析

將原始光譜（Raw）數(shù)據(jù)和經過7種預處理（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和反向傳播神經網絡（BPNN）進行建模，其結果如圖3所示。由圖3（a）可知基于Savitzky-Golay平滑的二階導數(shù)結合GA（SG+2nd-GA）的組合方法在采用SVM和BPNN兩種建模方法時都獲得了100%的準確率，由圖3（b）可知SG+2nd-SPA組合方法在采用SVM和BPNN兩種建模方法時也分別取得了98.5%和96.2%的準確率。結果表明恰當?shù)念A處理方法可以提升波段篩選的準確率，從而提高建模的精度。采用SG+2nd的預處理方法可以提高波段篩選和建模的準確率，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(a)GA和(b)SPA提取特征波段的鑒別的結果

從圖3中還可以看出波段篩選方法對模型準確率有關鍵性的影響，采用GA波段篩選方法時，不同的預處理與建模方法對模型預測精度的影響較?。蚀_率在93.9%~100.0%之間），而采用SPA波段篩選方法時，不同預處理與建模方法對模型預測精度的影響較大（準確率在18.9%~100.0%之間）。為了進一步分析原因，表4列出了基于不同預處理算法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，這些波段位于藻細胞中不同色素對光的吸收波段范圍內（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光譜探測范圍的兩端，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確率的關鍵。

表4 不同預處理算法處理后 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胞內色素種類和比例有關。其中547.8nm可能與巖藻黃素吸收有關，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）同藻種不同生長周期色素含量不同；

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

3.3 藻細胞濃度預測模型結果分析

根據(jù)前面的描述，SG+2nd-GA的組合方式對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。圖4標記了4個藻種SG+2nd-GA處理后的特征波段，其中，強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。不同色素對特定波長處的光吸收度是進行濃度預測的可靠指標，利用葉綠素在684nm處對光的吸收度曾被用來測量近頭狀尖胞藻的細胞濃度，且模型預測R²達到0.9998。四種赤潮藻的濃度預測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，這與許多學者認為Chla在675nm處有光譜吸收峰相一致。此外，577.4nm[如圖4（a）所示]作為強壯前溝藻細胞濃度特征波段，可能與強壯前溝藻富含有Chlc有關，根據(jù)2.2中特征波段出現(xiàn)微偏移可能的原因，對四種赤潮藻濃度進行預測時選擇的波段還與Ballardo等使用677nm處的吸收系數(shù)預測三角褐指藻的濃度相符合。

圖4 SG+2nd預處理后4種微藻的光譜曲線(紅點標記處為 GA所選特征波段)

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

進行藻種濃度測量時，濃度范圍與測量誤差是考量模型價值的重要因素。如表5所示，應用了三種建模方法（分別是多元線性回歸（MLR）、PLS和支持向量回歸（SVR））對四種赤潮藻建立濃度預測模型，結果表明四種赤潮藻的SVR建模集和預測集R²均大于0.98。其中，強壯前溝藻和中肋骨條藻模型濃度預測范圍分別在1.05×10³~1.05×10⁴和1.13×10⁴~2.38×10⁵cells·mL^-1，最低濃度達到該藻種發(fā)生赤潮時的基準濃度。相比商業(yè)型藻種（如小球藻、螺旋藻等），赤潮藻的細胞濃度較低，且葉綠素含量也較低，造成光譜反射率波動范圍小，建模難度大，且建模精度將隨著細胞濃度的下降而急劇下降，這也是應用光譜測量手段探測初期赤潮遇到的瓶頸。Ballardo等應用分光光度計實現(xiàn)了三角褐指藻藻種濃度的預測，達到的最低預測濃度為1.37×106cells·mL-1，而本工作應用高光譜探測的手段實現(xiàn)對該藻種最低濃度1.06×105cells·mL-1的預測，說明本文提出的SG+2nd-GA-SVR建模方法具有一定的先進性。

表5 SG+2nd-GA處理后不同建模方法細胞濃度預測結果

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寮毎麧舛阮A測模型主要建立微藻細胞內色素濃度與吸收系數(shù)之間的關系。由于“包絡效用”使色素濃度與赤潮藻吸收系數(shù)之間并不是簡單的線性關系，而是一種復雜的非線性變化，如Chla與光譜反射率之間存在冪指數(shù)關系。

4 結論

采用高光譜測量手段對強壯前溝藻、赤潮異灣藻、中肋骨條藻和三角褐指藻四種赤潮藻種進行鑒別和細胞濃度測量。比較了7種預處理方法和2種數(shù)據(jù)降維方法，結果表明SG+2nd-GA的組合方式對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，通過提取5個波段與SVM或BPNN結合能100%鑒別這四種微藻。藻細胞模型濃度預測結果表明色素是判斷赤潮濃度的一個重要因素。此外，SG+2nd-GA-SVR在三種濃度預測模型中預測結果最好，四種藻預測模型R²均大于0.98，其中強壯前溝藻和中肋骨條藻最低預測濃度達到該藻種發(fā)生赤潮時的基準濃度，三角褐指藻突破了現(xiàn)有光譜技術對其預測的最低濃度。本研究所建立的高光譜反射系統(tǒng)藻種鑒別和濃度預測方法，為快速、無損探測赤潮提供了新方法，為赤潮監(jiān)測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)學醫(yī)療、精準農業(yè)、礦物地質勘探等領域的最新產品，主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內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，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據(jù)用戶需求更換物鏡。