米兰体育app下载 使用卷积神经网络从光谱图像中解析浮游植物色素

引用

Salmi P、Pölönen I、Beckmann DA、Calderini ML、May L、Olszewska J、Perozzi L、Pääkkönen S、Taipale S 和 Hunter P (2024) 使用卷积神经网络从光谱图像中解析浮游植物色素。湖泊学和海洋学：方法，22 (1)，第 1-13 页。 https://doi.org/10.1002/lom3.10588

摘要
出于对内陆水域浮游植物进行快速、可靠监测的需求，本文介绍了一种基于移动光谱成像仪的协议，用于评估水样中的浮游植物色素。该方案包括（1）样品浓缩； (2)光谱成像； (3) 卷积神经网络 (CNN)，用于解析叶绿素 a (Chl a)、类胡萝卜素和藻蓝蛋白的浓度。该协议通过来自苏格兰 20 个湖泊的样本进行了验证，特别是蓝藻频繁繁殖的利文湖。同时，制备样品用于通过高效液相色谱法观察叶绿素和类胡萝卜素以及通过分光光度法观察藻蓝蛋白。通过每次从模型训练中排除每个湖并将排除的数据用作独立的测试数据来研究 CNN 的鲁棒性。对于利文湖，叶绿素 a 的中位绝对百分比差异 (MAPD)​​ 为 15%，类胡萝卜素为 36%。 MAPD 估计的藻蓝蛋白浓度较高（102%）；然而，该系统能够表明蓝藻爆发的可能性。在其他湖的留一法测试中，叶绿素 a 的 MAPD 为 26%，类胡萝卜素为 27%，藻蓝蛋白为 75%。藻蓝蛋白的较高误差可能是由于数据分布和参考观察的变化造成的。结论是，该协议可以通过使用叶绿素 a 和类胡萝卜素作为生物量的代理来支持浮游植物监测。更多地关注训练数据的分布和数量将改善藻蓝蛋白的估计。

期刊
湖泊学和海洋学：方法：第 22 卷，第 1 期

• 已发布版本