仲玉晶 文靜

摘 要：分析在紫外、可見光波譜中可用作地表水遙感條件下硬度檢測的資源，并利用卷積神經(jīng)網(wǎng)絡(luò)排除該檢測過程中的不穩(wěn)定性。經(jīng)過仿真測試，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;可見光波譜;吸收譜線;卷積神經(jīng)網(wǎng)絡(luò);水質(zhì)硬度檢測

中圖分類號：X832 文獻標識碼：A ? ? 文章編號：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，一般需要在全國各地布局水文站，通過現(xiàn)場采集水樣實驗室化驗的方式進行水樣分析。且該分析過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。該化驗方式相關(guān)儀器操作較為復雜，儀器較為昂貴，并非每個水文站都可以配備，所以水樣一般需要集中送交到省級水文管理單位進行集中化驗。這一過程要消耗大量的人力，工作效率較低，檢測水樣的管理難度較大，容易造成數(shù)據(jù)更新不及時，且水樣采集點也很難覆蓋全國各地的地表水水體，存在一定的統(tǒng)計學幸存者偏差效應。

衛(wèi)星遙感圖像用于地表水水質(zhì)硬度檢測的相關(guān)技術(shù)實踐，在20世紀中后期已經(jīng)開始實踐，但近年來隨著高分衛(wèi)星工程民用化進程的推進，民營企業(yè)逐漸開始研究如何利用衛(wèi)星遙感圖像的可見光（400～780nm）、近紫外（200～400nm）、遠紫外（4～200nm）進行地表水硬度檢測，應用于水產(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）離子的濃度含量測定，成為該技術(shù)的重點。

該研究重點就基于高分衛(wèi)星遙感圖像的水質(zhì)硬度檢測方案進行研究，對衛(wèi)星數(shù)據(jù)進行深度挖掘，將其反射廣譜信息和紅外紫外信息用作水質(zhì)檢測，提出一種更簡便、迅速、穩(wěn)定的可用于民營企業(yè)水質(zhì)硬度檢測的監(jiān)測方法。該方法可以在每次相關(guān)衛(wèi)星飛掠中國國內(nèi)區(qū)域時均進行全面檢測，數(shù)據(jù)無死角，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)來源及干擾

衛(wèi)星對地遙感，根據(jù)傳感器類型，可以在電磁波全波段中選擇任意觀測波段接收地面反射。這些電磁波的特定波長，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)的化學成分反射光線中的吸收波長，即如果地表水中存在對應物質(zhì)，根據(jù)其實際含量，對應波段的特定波長反射率會有所降低。但是，地表水中的絕大部分物質(zhì)成分為H和O，此時需要排除H和O吸收波長給衛(wèi)星遙感設(shè)備帶來的干擾。且還應考慮到陽光穿過大氣層時，大氣層中相關(guān)物質(zhì)成分帶來的吸收波長干擾，以及大氣層中較為濃厚的平流層頂和對流層頂（云頂）帶來的反射吸收波長特性。該過程如圖1所示。

圖1中，太陽光穿透大氣層的耗散層、平流層、對流層照射水體，此時已經(jīng)失去了絕大部分紫端輻射能，即宇宙空間中太陽光屬于白偏藍光，但到地面照射得到徑流水水體時，大部分紫端光已經(jīng)被吸收，此時水面反射出的光線為藍偏黃色。此時，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)過水體反射后到達衛(wèi)星感光元件，這也會導致水體“變色”，影響水體反射光的顏色構(gòu)型。同時，太陽光為光源，需要依次發(fā)生平流層的層頂反射、耗散、吸收，以及對流層的層頂反射、耗散、吸收，衛(wèi)星運行的耗散層中也有可能產(chǎn)生光線特定波長的耗散和吸收。這些都會給衛(wèi)星遙感帶來直接干擾。所以，該算法必須充分考慮到這些干擾才可以達到理想的評價效果。

1.2 離子吸收波長分布情況

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光子擊中電子云后，電子云會吸收并發(fā)生向高能級躍遷。此時，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位置，會發(fā)現(xiàn)已知離子在可見光（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;在遠紫外線（4～200nm）條件下的8條譜線，如表3所示。當前已知118種元素中，有75種可以通過該方案進行檢測。

表1中多為小原子量的常見元素，其中對水質(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元素的大部分，特別是對水質(zhì)硬度影響較大的Ca、Al、Mg、Ag、Fe和P離子等，均在該監(jiān)測范圍內(nèi)。

表3中包含最強吸收譜線在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，但在高分13號衛(wèi)星之后可以實現(xiàn)該檢測技術(shù)，其中包含了對水質(zhì)硬度影響較大的S離子、I離子、C離子、Zn離子等。遠紫外線吸收波譜技術(shù)的應用，是對衛(wèi)星遙感水質(zhì)硬度檢測的重要技術(shù)補充。

2 吸收光譜檢測方法革新

前文分析中，衛(wèi)星遙感完成水質(zhì)檢測的過程，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造成，如果構(gòu)建模糊矩陣等較為直接的剛性算法，很難對相關(guān)干擾逐一處理。因為這些干擾的實際發(fā)生機制難以確定，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)的機器學習人工智能算法。神經(jīng)網(wǎng)絡(luò)算法的特點即是在不完備數(shù)據(jù)條件下，可以使用深度挖掘計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、可見光波譜內(nèi)的可檢測元素已經(jīng)達到了75個，但仍不能實現(xiàn)對所有可能元素的含量精準分析。傳統(tǒng)模式下，針對特定譜線，應考慮到極限相當濃度、徑向檢測極限、信號相對強度、信噪比、實測信號強度、大氣散射印象、云層反射影響、相對論效應、速度紅移效應等多種干擾因素，這些干擾因素中的大部分均無法有效測定。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)分析落點控制在置信區(qū)間內(nèi)。故需要在實驗室中構(gòu)建足夠大量的訓練數(shù)據(jù)，對一列卷積神經(jīng)網(wǎng)絡(luò)形成的機器學習水質(zhì)硬度判斷模塊進行訓練，最終達到更精準的水質(zhì)硬度判斷方案。

神經(jīng)網(wǎng)絡(luò)采用單模塊設(shè)計，輸入端為精選的至少75條譜線，為加強分析效果，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條譜線的實測值。

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

圖2中，對圖像進行逐像素掃描，提取像素信息后，根據(jù)其色彩信息進行色譜反算（因為不同衛(wèi)星傳感器的波長感應器構(gòu)成不同，需要使用高分工程開發(fā)工具包內(nèi)置軟件完成），得到的色譜結(jié)果為一個Q-λ直方圖，在直方圖上讀取上述150個λ特征點的Q值，作為神經(jīng)網(wǎng)路的輸入值。

神經(jīng)網(wǎng)絡(luò)的統(tǒng)計學意義是將150個在Q-λ直方圖讀取的雙精度浮點型變量進行卷積降維，使其形成1個雙精度浮點型變量，用于標記該區(qū)域的水硬度，所以，其應采用相關(guān)文獻中常用的卷積降維節(jié)點函數(shù)六階多項式回歸函數(shù)進行設(shè)計。其函數(shù)如公式（1） ：

式中：Xij為上一層神經(jīng)網(wǎng)絡(luò)傳導的第i個輸入值;Y為該節(jié)點輸出值;j為多項式階數(shù);Aj為第j階多項式的待回歸系數(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4層隱藏層并經(jīng)輸出層1個節(jié)點進行數(shù)據(jù)整理輸出后，得到1個雙精度浮點型變量，該變量的可能落點在（-∞，+∞）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，通過判斷最終輸出值是否在[0，1]區(qū)間來判斷神經(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，即可實現(xiàn)對該輸出值的解釋。

3 算法效能仿真測試

水質(zhì)數(shù)據(jù)可以通過現(xiàn)場采集數(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，所以使用質(zhì)譜儀數(shù)據(jù)作為評判標準，通過現(xiàn)場采樣并進行實驗室分析得到水硬度結(jié)果對該神經(jīng)網(wǎng)絡(luò)進行訓練并充分收斂，進而使用針對Ca、Mg離子吸收波長直接測算法以及該研究革新算法進行效能仿真測試比較，如表5所示。

表5中，革新方法較傳統(tǒng)Ca、Mg譜線法在測量標差方面有了顯著提升，且以實驗室抽樣結(jié)果為參照，傳統(tǒng)Ca、Mg譜線法較實驗室結(jié)果偏差6.60%，而革新方法較實驗室結(jié)果偏差2.43%;Ca、Mg譜線法的數(shù)據(jù)集標差達到9.2mg/L，而革新方法的數(shù)據(jù)集標差僅為2.1mg/L，可見革新方法的數(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離子比重為標記，但影響水質(zhì)硬度的核心原因在于水中溶解無機鹽的總比重。采用文章革新方法對水質(zhì)硬度進行檢測，引入基于神經(jīng)網(wǎng)絡(luò)的機器學習人工智能算法，考慮到了75種可溶無機鹽離子的影響，雖然其數(shù)據(jù)具有不完備性，但通過神經(jīng)網(wǎng)絡(luò)算法對數(shù)據(jù)不完備進行了適應性深度迭代回歸，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、可見光波譜水硬度分析方面有積極意義。

參考文獻

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

[2]王賽林.遙感技術(shù)在水資源管理中的應用[J].水利科技與經(jīng)濟，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)測方法研究[J].測繪與空間地理信息，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遙感反演研究[J].地理與地理信息科學，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)指標的河流水質(zhì)遙感監(jiān)測方法[J].上海航天（中英文），2020，37（05）：92-97+104.

[6]聞亮，李勝，陳清，等.基于無人機遙感的水質(zhì)監(jiān)測信息集成與應用[J].江蘇水利，2020（10）：35-40.