CN109766909A - 基于谱图融合的海岸环境微塑料老化行为解析方法 - Google Patents
基于谱图融合的海岸环境微塑料老化行为解析方法 Download PDFInfo
- Publication number
- CN109766909A CN109766909A CN201811440905.5A CN201811440905A CN109766909A CN 109766909 A CN109766909 A CN 109766909A CN 201811440905 A CN201811440905 A CN 201811440905A CN 109766909 A CN109766909 A CN 109766909A
- Authority
- CN
- China
- Prior art keywords
- sample
- micro
- fusion
- matrix
- characteristic
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 title claims abstract description 11
- 230000003595 spectral effect Effects 0.000 title claims description 9
- 229920000426 Microplastic Polymers 0.000 title claims 4
- 239000004033 plastic Substances 0.000 claims abstract description 33
- 229920003023 plastic Polymers 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 238000004383 yellowing Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000002360 preparation method Methods 0.000 claims abstract 2
- 238000000034 method Methods 0.000 claims description 17
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 4
- 238000002329 infrared spectrum Methods 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 claims 1
- 238000011002 quantification Methods 0.000 claims 1
- 238000004566 IR spectroscopy Methods 0.000 abstract description 10
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 abstract description 6
- 230000000877 morphologic effect Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000002596 correlated effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 abstract 1
- 238000003483 aging Methods 0.000 description 9
- 241000209094 Oryza Species 0.000 description 6
- 235000007164 Oryza sativa Nutrition 0.000 description 6
- 235000009566 rice Nutrition 0.000 description 6
- 239000004698 Polyethylene Substances 0.000 description 5
- -1 polyethylene Polymers 0.000 description 5
- 229920000573 polyethylene Polymers 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004971 IR microspectroscopy Methods 0.000 description 1
- 229920001410 Microfiber Polymers 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010410 dusting Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000003658 microfiber Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000000643 oven drying Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000004014 plasticizer Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于谱图融合的海岸环境微塑料老化行为解析方法，包括以下步骤：1.海岸环境收集微塑料样本并分离制备。2.利用红外光谱仪获得微塑料样本的微区形态图像和红外光谱信息。3.对红外光谱信息提取相关特征光谱数据矩阵。4.对微区图像信息利提取纹理特征。5.对微区图像信息获得表面泛黄色度特征。6.建立基于样本表面形态‑分子光谱的特征融合预测模型。7.对预测模型进行校正，得到校正模型。8.提取待测样本的特征融合矩阵，将待测样本的特征融合矩阵输入校正模型中获得相应老化解析结果。本方案通过引入光谱羰基比例，纹理形态泛黄色度等参数，实现复杂环境微塑料老化程度快速解析。
Description
技术领域
本发明涉及复杂海岸环境微塑料污染解析方法,特别一种基于谱图融合的海岸环境微塑料老化行为解析方法。
背景技术
近年来微塑料已成为全球海洋和海岸带环境中一种备受关注的新型污染物。微塑料老化行为是微塑料污染源的溯源分析和微塑料在环境中动态消长模型的重要参数。微塑料样本在老化过程中表面出现明显的色度泛黄、表面裂纹粉化等现象，且与老化行为相关官能团的吸收强度会随着老化程度加剧呈现一定的耦合关系。但在环境样品中分离得到的微塑料由于受到风化作用，表面凹凸不平或附着了大量环境杂质，会导致测量过程中无法获得高信噪比红外光谱。同时老化过程中样本表面颜色还与样本内部残留抗氧化剂的浓度有关，表面裂纹形态与样本增塑剂的挥发程度有关。
由于老化样本的光谱和表面形态受到样本表面粗糙度和样本内部残留添加剂的影响，如果采用单一的红外光谱特征或者单一形态特征建模难以满足复杂环境背景下微塑料样本老化行为的精准解析。
发明内容
为了克服现有技术的上述缺点与不足,提供了一种海岸环境下微塑料样本老化行为的精准解析方法,其采用基于可见-红外波谱融合的方法实现对环境样本在典型海岸环境下的老化行为无损解析,方法便捷且检测结果可靠性高。
一种基于谱图融合的海岸环境微塑料老化行为解析方法包括以下步骤:
a.海岸环境收集具有不同老化程度且粒径1mm以上的微塑料样本并进行分离制备。
b.利用傅里叶变换红外仪采集所述微塑料样本的微区图像信息和红外光谱信息，所述微塑料样本随机分为校正样本和预测样本。
c.采用标准正态变量校正所述红外光谱信息，再提取与老化行为相关的最优特征波长并建立特征光谱数据矩阵K。
d.对获取的微区图像信息利用描述纹理的常用方法：灰度共生矩阵提取纹理特征，分别计算灰度的空间相关特性共生矩阵的能量C1、对比度C2作为表征纹理特征的纹理量化指标，
其中i、j分别为像素灰度坐标，d为像素相隔距离，θ为误差，P(i,j,d,θ)为概率。
e.对获取的微区图像信息利用HSB体系，即颜色模式获得色相、亮度和饱和度参数表征泛黄色度特征。在HSB模式中，H(hues)表示色相，S(saturation)表示饱和度，B(brightness)表示亮度。
f.利用步骤c、d和e分别求得特征光谱数据矩阵K、纹理特征C,泛黄色度特征矩阵P进行特征层融和，得到融合矩阵M，M＝[K C P]。
g.通过引入羰基比例，纹理形态和泛黄色度等参数建立基于表面形态-分子光谱的特征融合预测模型：
对于某个样本的光谱图像老化特征值表示为示为X1,X2至Xn；假设融合后可能的特征矩阵为M，由X1,X2…Xn组成，利用加权平均法进行模型融合，权重可看成不同特征向量贡献率的度量。
h.利用校正样本对步骤f中所述预测模型进行校正，得到校正模型。
i.利用傅里叶变换红外仪采集待测微塑料的图像光谱信息,利用步骤f得到的融合矩阵输入到步骤g得到的融合预测模型中，获得相应老化解析结果。
为完善上述方案，本发明进一步设置为：步骤b中随机选取1/3微塑料样本作为预测样本,2/3微塑料样本作为校正样本。
为完善上述方案，本发明进一步设置为：步骤c中对所述微塑料样本的微区形态图像和红外光谱信息的分析方法为：采用小波去噪处理，多元散射矫正、标准正态变量校正方法对原始光谱数据进行预处理，从而获取高精度的原始数据。
为完善上述方案，本发明进一步设置为：步骤c中针对透明聚乙烯样本筛选1450cm-1和1750cm-1附近的波数的老化行为特征波长。
为完善上述方案，本发明进一步设置为：步骤g中的校正模型精度均方根误差RMSEP<0.15，校正决定系数R2>0.92。
本发明通过引入羰基比例，纹理形态泛黄色度等参数构建基于表面形态-光谱特征的特征融合模型，实现复杂环境微塑料老化程度快速解析。解决采用单一老化特征难以解析实际复杂体系下样本老化行为的问题。所采用的显微红外技无损检测微量样本的光谱图像信息，保障样本老化阶段性的无损重复检测需求，提高样本信息的利用率。本专利方法可以实现复杂海岸环境采集微塑料样本的无损快速精准解析，为我国海岸环境微塑料污染的监管提供科学支撑，对海洋微塑料污染的治理具有重要的意义。
以下结合附图对本发明进行更进一步详细的说明。
附图说明
图1为本发明检测方法流程示意图；
图2为本发明的实施例的老化样本的红外光谱羰基指数图；
图3为本发明的实施例的老化样本的微区表面的色度特征图。
具体实施方式
下面，通过示例性的实施方式对本发明具体描述。然而应当理解，在没有进一步叙述的情况下，一个实施方式中的特征也可以有益地结合到其他实施方式中。
一种基于谱图融合的海岸环境微塑料老化行为解析方法,以环境中分布最广泛的透明聚乙烯为代表样本研究复杂海岸环境下微塑料的老化行为。包括以下步骤:
a.采集浙江省龙湾潮滩表面环境微塑料样本，沿最新高潮线采集约5cm厚的沉积物，通过钢筛筛取收集具有代表性且足够数量的微塑料样本，装入密封袋后运回实验室。利用去离子水对微塑料样品进行冲洗。经过玻璃微纤维滤纸过滤筛分后，放入金属托盘在60摄氏度烘箱干燥，最后装入密封袋置于清洁避光处，得到透明聚乙烯颗粒。
b.将透明聚乙烯样本分为两类。在总样本随机选取1/3样本作为预测样本,2/3样本作为校正样本。具体为：随机挑选出30个样本,共10个作为预测样本,其余20个作为校正样本。
利用实验中显微红外光谱仪器为HYPERION傅里叶变换红外仪，配有红外探测器以及红外波段20X镜头对不同微塑料样本进行信息采集。扫描次数为20，记录的波数范围4000cm-1–600cm-1，光谱分辨率为4cm-1，共得到30个样本的红外光谱和微区图像信息。
c.采用标准正态变量校正对校正样本光谱数据进行预处理，获得高精度的光谱数据。
对获取的聚乙烯样本红外光谱,提取与老化行为相关的最优特征波长并建立光谱数据矩阵。具体方法为：针对全波段光谱信息,筛选1450cm-1、1750cm-1附近的波数的老化行为特征波长。上述附近的特征羰基官能团的吸收强度与老化程度呈现线性耦合关系。
d.对获取的微区图像信息,利用灰度共生矩阵提取纹理形态特征，分别计算对应共生矩阵的能量C1、对比度C2、相关度作为纹理量化指标来表征纹理特征，其中其中其中i,j分别为像素灰度坐标，d为像素相隔距离，θ为误差，P(i,j,d,θ)为概率：
e.获取的微区图像信息利用HSB体系获得H(hues)色相，S(saturation)饱和度，B(brightness)亮度等颜色特征表征泛黄色度特性
v＝max
由于饱和度与亮度的相关性显著，因此在提取颜色特性时只考虑色相H和亮度B两个特征参数。数据显示黄色样本表面的色相为55-75，亮度大于40。褐黄色样本色相与黄色相近,但是亮度只有10-20。黑色样本表面提取色相最高，但是亮度值最低。
f.利用步骤c、d和e分别求得特征光谱数据矩阵K、纹理特征C,泛黄色度特征矩阵P进行特征层融和得到融合矩阵M，M＝[K,C,P]。
g.通过引入羰基比例，纹理形态和泛黄色度等参数建立基于表面形态-分子光谱的特征融合预测模型：
对于某个样本的光谱图像老化特征值表示为X1,X2至Xn；假设融合后可能的特征值为M，由X1,X2…Xn组成，利用加权平均法进行模型融合，权重可看成不同特征向量准确性的度量。
本实施例中所建立的预测模型精度中,预测均方根误差RMSEP＝0.122。
h.利用校正样本对特征融合预测模型进行校正,得到校正模型。
h.利用傅里叶变换红外仪采集待测微塑料的图像光谱信息,利用步骤f得到的融合矩阵输入到步骤g得到的融合预测模型中，获得相应老化解析结果。本具体实施例仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (1)
1.一种基于谱图融合的海岸环境微塑料老化行为解析方法，其特征在于，包括以下步骤:
a.海岸环境收集具有不同老化程度且粒径1mm以上的微塑料样本并进行分离制备；
b.利用傅里叶变换红外仪采集所述微塑料样本的微区图像信息和红外光谱信息，所述微塑料样本随机分为校正样本和预测样本；
c.对获取的红外光谱信息提取采用标准变量方法进行校正，再提取与样本老化行为相关的最优特征波长并建立特征光谱数据矩阵K；
d.对获取的所述微区图像信息利用描述纹理的方法：灰度共生矩阵提取纹理特征，分别计算灰度的空间共生矩阵的能量C1、对比度C2作为表征纹理特征的纹理量化指标，
其中i、j分别为像素灰度坐标，d为像素相隔距离，θ为误差，P(i,j,d,θ)为概率；
e.对获取的所述微区图像信息利用RGB转化HSB体系获得色相、亮度和饱和度参数并提取色度特征矩阵P,在HSB体系中，H表示色相，S表示饱和度，B表示亮度；
f.利用步骤c、d和e分别求得特征光谱数据矩阵K、纹理特征矩阵C,色度特征矩阵P，将三个矩阵进行特征层融和得到融合矩阵：M＝[K C P]；
g.通过引入纹理特征，泛黄色度和特征光谱等参数建立基于表面形态-分子光谱的多源特征融合预测模型：
对于某个样本的光谱图像老化特征值表示为X1,X2至Xn；假设融合后可能的特征矩阵为M，由X1,X2…Xn组成，利用加权平均法进行模型融合，权重为βi为不同特征向量贡献率的度量；
h.利用校正样本对步骤g中得到的预测模型进行校正，得到校正模型；
i.利用傅里叶变换红外仪采集待测微塑料的图像光谱信息,将步骤f得到的融合矩阵输入到步骤g得到的评价预估模型中，获得相应老化解析结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811440905.5A CN109766909B (zh) | 2018-11-29 | 2018-11-29 | 基于谱图融合的海岸环境微塑料老化行为解析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811440905.5A CN109766909B (zh) | 2018-11-29 | 2018-11-29 | 基于谱图融合的海岸环境微塑料老化行为解析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109766909A true CN109766909A (zh) | 2019-05-17 |
| CN109766909B CN109766909B (zh) | 2023-10-17 |
Family
ID=66450186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811440905.5A Active CN109766909B (zh) | 2018-11-29 | 2018-11-29 | 基于谱图融合的海岸环境微塑料老化行为解析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109766909B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111007033A (zh) * | 2019-12-09 | 2020-04-14 | 温州大学 | 基于光谱与功率谱特征融合的痕量乙炔气体浓度检测方法 |
| CN111563622A (zh) * | 2020-04-30 | 2020-08-21 | 西安交通大学 | 一种基于灰度共生矩阵与深度学习的定子线棒绝缘老化程度预测方法 |
| CN112577885A (zh) * | 2020-11-27 | 2021-03-30 | 南京大学 | 一种微塑料的湿度控制原位显微红外表征方法 |
| WO2021205545A1 (ja) * | 2020-04-07 | 2021-10-14 | 株式会社ピリカ | 推定装置、推定方法、および推定プログラム |
| CN114563370A (zh) * | 2022-03-11 | 2022-05-31 | 昆明理工大学 | 一种微塑料老化行为评价方法 |
| CN117554319A (zh) * | 2023-10-20 | 2024-02-13 | 广东省水利水电科学研究院 | 一种微塑料丰度的检测方法、系统、装置及存储介质 |
| US20240125712A1 (en) * | 2022-09-27 | 2024-04-18 | Tongji University | Macro plastic and micro plastic detection method based on rgb and hyperspectral image fusion |
| CN118392815A (zh) * | 2024-06-26 | 2024-07-26 | 四川新康意众申新材料有限公司 | 一种微塑料识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6438261B1 (en) * | 1998-09-03 | 2002-08-20 | Green Vision Systems Ltd. | Method of in-situ focus-fusion multi-layer spectral imaging and analysis of particulate samples |
| CN105486655A (zh) * | 2015-11-23 | 2016-04-13 | 中国科学院南京土壤研究所 | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 |
| CN105699239A (zh) * | 2016-02-23 | 2016-06-22 | 江苏中烟工业有限责任公司 | 采用近红外光谱模型分析烟草、烟草制品保润性能的方法 |
| CN106203510A (zh) * | 2016-07-11 | 2016-12-07 | 南京大学 | 一种基于形态学特征和字典学习的高光谱图像分类方法 |
| CN106645049A (zh) * | 2016-09-30 | 2017-05-10 | 大连海洋大学 | 一种检测海洋生物体内塑料含量的方法 |
| CN108663339A (zh) * | 2018-05-15 | 2018-10-16 | 南京财经大学 | 基于光谱和图像信息融合的霉变玉米在线检测方法 |
-
2018
- 2018-11-29 CN CN201811440905.5A patent/CN109766909B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6438261B1 (en) * | 1998-09-03 | 2002-08-20 | Green Vision Systems Ltd. | Method of in-situ focus-fusion multi-layer spectral imaging and analysis of particulate samples |
| CN105486655A (zh) * | 2015-11-23 | 2016-04-13 | 中国科学院南京土壤研究所 | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 |
| CN105699239A (zh) * | 2016-02-23 | 2016-06-22 | 江苏中烟工业有限责任公司 | 采用近红外光谱模型分析烟草、烟草制品保润性能的方法 |
| CN106203510A (zh) * | 2016-07-11 | 2016-12-07 | 南京大学 | 一种基于形态学特征和字典学习的高光谱图像分类方法 |
| CN106645049A (zh) * | 2016-09-30 | 2017-05-10 | 大连海洋大学 | 一种检测海洋生物体内塑料含量的方法 |
| CN108663339A (zh) * | 2018-05-15 | 2018-10-16 | 南京财经大学 | 基于光谱和图像信息融合的霉变玉米在线检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHOU LONGYIN等: "Distribution of microplastics and its source in the sediments of the Le’an River in Poyang Lake" * |
| 周倩;章海波;李远;骆永明;: "海岸环境中微塑料污染及其生态效应研究进展" * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111007033A (zh) * | 2019-12-09 | 2020-04-14 | 温州大学 | 基于光谱与功率谱特征融合的痕量乙炔气体浓度检测方法 |
| WO2021205545A1 (ja) * | 2020-04-07 | 2021-10-14 | 株式会社ピリカ | 推定装置、推定方法、および推定プログラム |
| CN111563622A (zh) * | 2020-04-30 | 2020-08-21 | 西安交通大学 | 一种基于灰度共生矩阵与深度学习的定子线棒绝缘老化程度预测方法 |
| CN111563622B (zh) * | 2020-04-30 | 2022-04-22 | 西安交通大学 | 一种定子线棒绝缘老化程度预测方法 |
| CN112577885A (zh) * | 2020-11-27 | 2021-03-30 | 南京大学 | 一种微塑料的湿度控制原位显微红外表征方法 |
| CN114563370A (zh) * | 2022-03-11 | 2022-05-31 | 昆明理工大学 | 一种微塑料老化行为评价方法 |
| US20240125712A1 (en) * | 2022-09-27 | 2024-04-18 | Tongji University | Macro plastic and micro plastic detection method based on rgb and hyperspectral image fusion |
| US12480888B2 (en) * | 2022-09-27 | 2025-11-25 | Tongji University | Macro plastic and micro plastic detection method based on RGB and hyperspectral image fusion |
| CN117554319A (zh) * | 2023-10-20 | 2024-02-13 | 广东省水利水电科学研究院 | 一种微塑料丰度的检测方法、系统、装置及存储介质 |
| CN118392815A (zh) * | 2024-06-26 | 2024-07-26 | 四川新康意众申新材料有限公司 | 一种微塑料识别方法 |
| CN118392815B (zh) * | 2024-06-26 | 2024-09-03 | 四川新康意众申新材料有限公司 | 一种微塑料识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109766909B (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109766909A (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
| CN107014763B (zh) | 叶绿素遥感反演装置及方法 | |
| Dierssen et al. | Ocean color remote sensing of seagrass and bathymetry in the Bahamas Banks by high‐resolution airborne imagery | |
| CN107845090B (zh) | 一种硅片检测方法和硅片检测装置 | |
| CN102997856B (zh) | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 | |
| CN105631904B (zh) | 一种富营养化湖泊藻类总存量遥感估算方法 | |
| CN106315856B (zh) | 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法 | |
| Li et al. | Estimation of chlorophyll-a concentrations in a highly turbid eutrophic lake using a classification-based MODIS land-band algorithm | |
| CN105203466B (zh) | 一种富营养化湖泊非藻华条件下藻类总存量遥感估算方法 | |
| CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
| CN105526874B (zh) | 一种基于光谱特征参数的油膜厚度识别方法 | |
| CN105303030B (zh) | 一种富营养化湖泊藻类高斯垂向分布结构参数的modis遥感估算方法 | |
| CN112881293A (zh) | 一种基于高分一号卫星的内陆湖泊清洁水体叶绿素a浓度反演方法 | |
| CN115908864A (zh) | 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 | |
| CN110836870A (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
| CN116337781A (zh) | 一种基于光谱图像重建的高粱品种识别方法 | |
| CN116665057A (zh) | 一种基于图像处理的河道水质监测方法及系统 | |
| CN106290389A (zh) | 一种富营养化湖泊modis影像的藻华和非藻华条件分类方法 | |
| CN115046894A (zh) | 基于辐射传输模拟耦合机器学习技术的云霾探测方法 | |
| Lu et al. | An operational approach for large-scale mapping of water clarity levels in inland lakes using landsat images based on optical classification | |
| CN115015180B (zh) | 一种基于光谱反射率重建技术的水果糖度无损检测方法 | |
| CN119723355B (zh) | 一种基于人工智能的黑臭水体识别方法及系统 | |
| CN120451819A (zh) | 一种基于光学分类和光谱模拟的内陆水体浊度卫星遥感方法 | |
| Abdollahi et al. | Detailed procedure for outdoor measurement of raindrop size distribution using photogrammetry | |
| CN119557834A (zh) | 一种淡水生态系统健康监测方法及系统 |
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 |