新型水质藻类传感器及遥测预警系统研究new

新型水质藻类传感器及遥测预警系统研究new

ID:34513873

大小:932.05 KB

页数:4页

时间:2019-03-07

新型水质藻类传感器及遥测预警系统研究new_第1页
新型水质藻类传感器及遥测预警系统研究new_第2页
新型水质藻类传感器及遥测预警系统研究new_第3页
新型水质藻类传感器及遥测预警系统研究new_第4页
资源描述:

《新型水质藻类传感器及遥测预警系统研究new》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第31卷第6期水电能源科学Vol.31No.62013年6月WaterResourcesandPowerJun.2013文章编号:1000-7709(2013)06-0192-04新型水质藻类传感器及遥测预警系统研究范鸿杰,周密(河海大学水文水资源学院,江苏南京210098)摘要:为满足我国主要湖泊及河流藻类污染实时监测预警需求,研发了一套新型水质藻类遥测预警系统,采用基于暗激光束的单个粒子监测方法(IPSA)对藻类进行监测,借助新型水质藻类遥测预警系统的传感器、遥测设备、应用软件、系统集成等核心技术对藻类信息进行分析。试

2、验结果表明,该系统实时性强、精度高,为预防水华现象的发生提供了及时的预报和监控。关键词:藻类传感器;藻类遥测预警系统;系统集成;IPSA中图分类号:TV882.9;X853文献标志码:A[3]随着中国经济的持续发展,大量污水的排放术,为预防藻类水质灾害提供了条件。导致河流湖泊污染严重,越来越多的湖泊、水库水体逐渐从贫营养、中营养向富营养状态转化,湖泊1新型水质藻类传感器[1]富营养化和淡水水华事件频频发生。对淡水环境蓝藻水华、海洋环境硅藻和甲藻赤潮动态变化1.1水质藻类信息传感技术现况进行自动监测,实现早期灾害预警的需求非

3、常迫我国水质藻类在线监测系统主要检测浊度、切。研发新型水质藻类分析和传感设备、建设水叶绿素、氨氮等指标以间接测量藻类生长状况,多质藻类遥测预警系统,已成为我国水环境保护的参数水质传感器对藻类的类型、密度,群落大小和[4]当务之急。我国水环境污染的主要形式是水质藻组成结构等指标不能精确测量。采用侧面光散类污染,对浮游植物和有害藻华的定性定量监测射(TSS)的测量技术不够准确,测量结果易受粒主要采用藻类孢子显微计数、叶绿素含量测定技子的大小和折射率等因素影响。术和卫星遥感信息分析技术。传统的计数测定方水质自动监测站通过采集分析

4、常规5参数、法和叶绿素含量测量方法,采集水样均要在试验COD、TP、TN、TOC、叶绿素、蓝绿藻等更多的水室操作,分析时间较长,降低了生物监测的时效质参数来监测藻类生长状态,建站成本和地理条[2][5]性,并延误了对藻类水华灾害的监测和预警。件要求都很高,不适宜于大范围监测。卫星遥感监测技术易受天气条件影响,藻类细胞1.2新型藻类传感器基本原理累积到已发生藻华的程度才能监测到,不能满足新型藻类传感系统通过激光束高速扫描被测连续监测和预警的功能。而目前我国水质藻类污粒子,不受折射率影响,直接获得稳定的低至15染的实时在线自动

5、遥测技术,主要还是采用叶绿nm精度的亚微米级粒子光学感应测量信号,采素、氨氮等间接的藻类监测参数,监测的超标数据用人工智能算法及专家系统技术将感应信号转换[6]已是藻类的爆发期,不能及早准确预测藻类污染成颗粒大小、数量和类型数据。新型藻类传感事件。鉴此,本文针对目前对湖泊藻类监测技术系统基于暗激光束机制的单个粒子感测方法很难实现实时监控且存在监测周期过长、精度不(IPSA)基本原理见图1。高等缺陷,研发了一套新型水质藻类遥测预警系新型藻类传感系统的IPSA采用由2个前向统;以研发新型水质藻类传感器为技术突破点,结散射检测器

6、和1个后向散射检测器构成的3检测合当前最新的通讯技术,并整合水文、气象、藻类单元系统同时对单个粒子进行检测。源激光束L生长、计算机网络、云计算等多学科综合理论和技被准直透镜E校准和放大后,通过暗光束产生器收稿日期:2012-09-18,修回日期:2012-10-27作者简介:范鸿杰(1986-),男,硕士研究生,研究方向为水利信息化,E-mail:498934156@qq.com通讯作者:周密(1964-),男,副研究员,研究方向为水利信息化,E-mail:1021672525@qq.com第31卷第6期范鸿杰等:新型水质

7、藻类传感器及遥测预警系统研究·193·图1基于暗激光束的单个粒子感测方法原理图Fig.1SchematicdiagrambasedonIPSAM,转换成非高斯暗光束,暗光束通过光束分割器B后经聚焦镜组P聚焦后,与位于测量单元流体内的颗粒发生作用,暗光束然后透过远端的缝隙形成散射暗区,被前向散射检测器D1和D2感图2光谱特征曲线测。后束散射光被B反射后通过采集镜被后向Fig.2Spectralcharacteristiccurve散射检测器D3感测。信号采集、人工智能分析子等其他粒子的感应信号特征图,通过人工智能和处理主要按

8、以下三个步骤执行。自学习系统的机制和算法即可分析粒子的类型,步骤1一束暗光束线性扫描流体样本。以辨识藻类的类型。步骤2携带颗粒全部信息的感应信号被31.3新型藻类传感器特点对比分析个散射检测器感测。新型藻类传感器可直接获得低至15nm的步骤3感应信号模数转换后被先进的藻类被测粒子光学测量精度,输出藻类大

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。