论文部分内容阅读
环境中微塑料的污染正在引起全世界的关注,近几十年内关于海洋与陆地微塑料污染的研究和报告在逐渐增多。目前,微塑料颗粒可以通过拉曼光谱或傅里叶变换红外光谱精确检测,然而,检查过程必须对粒子单独分析,并先在视觉上识别可疑微塑料粒子。为了获得关于环境中微塑料污染物存在的可靠研究,必须分析大量的颗粒,使用目前的光谱检测技术将会消耗大量的时间。鉴于此,迫切地需要开发一种新检测技术,用于快速准确地确定和绘制海洋和土壤中微塑料的分布。本研究中使用高光谱成像技术作为检测方法,对土壤和海水中的微塑料污染物进行了直接有效的识别分类。研究使用波长范围为400-1000 nm的高光谱成像系统,获取包含不同材料的土壤样品高光谱图像。使用三种监督分类算法,支持向量机(Support Vector Machine,SVM),马氏距离(Mahalanobis Distance,MD)和最大似然(Maximum Likelihood,ML)算法在高光谱图像上将微塑料识别出来。为了研究微塑料粒径和颜色的影响,本研究从土壤中提取了两种不同粒度范围(1-5 mm和0.5-1 mm)的白色和黑色聚乙烯(Polyethylene,PE)微塑料颗粒。结果表明,SVM是最适用于土壤中白色PE微塑料检测的算法,对粒径为1-5 mm和0.5-1 mm的白色PE微塑料颗粒的平均识别精度分别为84%和77%。最后,使用饮料瓶、瓶盖、橡胶、包装袋、衣架、塑料夹等6种家用聚合物验证本研究开发的SVM方法,对粒径为1-5 mm和0.5-1 mm的微塑料聚合物颗粒的识别分类精度分别为79%-100%和86%-99%。检测海水中微塑料时,本研究使用波长范围为900-1700 nm的高光谱成像系统。使用SVM作为从高光谱图像中识别微塑料的机器算法,它在分析非线性和高维数据时具有良好的性能,并且可以削减休斯效应对分类识别结果的影响。分别采集海水中和过滤海水后微塑料样品的高光谱图像,使用SVM算法处理高光谱图像,量化和鉴定海水和过滤海水后样品中的微塑料,来研究海水对模型识别微塑料的影响。结果表明,去除海水的影响后高光谱成像系统对微塑料的检测限会提高到0.2 mm。然后,研究了可能影响SVM模型精度的其他因素,包括有机颗粒,聚合物类型和颗粒尺寸。SVM模型对样品中的八种纯聚合物和家用聚合物的微塑料识别精确度都在90%以上,并且具有高度稳定性,可用于检测不同类型、粒径和颜色的微塑料。结果表明,高光谱成像技术是一种有潜力的微塑料检测方法,可以直接地确定并可视化的反应土壤表面和海水中的微塑料颗粒。