浮游植物中叶绿素a提取方法的比较与改进

对水质监测中叶绿素a的提取方法进行改进,采用反复冻融-浸提方法提取叶绿素a,即将过滤水样的滤膜于-20℃冰箱内和室温下反复冻融3～5次后,放进90%丙酮溶液中浸提20h。与标准方法中的研磨法对比,该方法具有人为误差小、稳定性好、结果准确及操作简单安全等优点,适合运用于常规的水质监测。采用该方法时过滤水量对湖水水样的测定结果有影响(P<0.01),对于纯微囊藻液影响不明显(P>0.05)。因此,在对不同叶绿素水平或营养水平的水体采样时,应注意水样的水量。通过方差分析表明该方法中采用醋酸纤维滤膜、微孔滤膜和玻璃纤维滤膜对结果没有显著影响,对这3种滤膜可以进行自由选择。

基于GOCI数据的黄河口高悬浮物浓度海域的叶绿素a提取指数构建与浓度反演

高浓度悬浮物(TSM)的不透光性干扰了叶绿素(Chl-a)浓度的光谱量测,影响了Chl-a浓度的反演精度。本文以黄河口近岸海域为研究对象,根据最大叶绿素指数(MCI)原理,针对GOCI数据构建叶绿素敏感指数(S_(chl))和悬浮物敏感指数(S_(TSM)),进一步构建了Chl-a提取指数(CEI)以削弱TSM对S_(chl)的影响。采用2011-2018年采集的619组实测Chl-a浓度及同期的GOCI遥感反射率,基于随机森林算法对比多种指数构建的Chl-a浓度反演模型,结果显示:在不分区的情况下,采用CEI构建的Chl-a浓度反演模型的平均相对误差(MRE)为45.9%,其精度结果优于S_(chl)(MRE=49.76%)。为进一步验证CEI在高TSM浓度海域的精度,本文根据波谱斜率(R_(6)-R_(4))/(λ_(6)-λ_(4))将研究区分为Chl-a和TSM主导型水体后,分别构建Chl-a浓度反演模型,研究结果显示:Chl-a主导型水体采用S_(chl)构建的反演模型的MRE为35.81%,TSM主导型水体采用S_(chl)与CEI构建的反演模型的MRE分别为60.39%与36.74%,这也证实了在高TSM浓度海域,采用CEI能够有效削弱TSM对S_(chl)的干扰。

铜绿微囊藻液中提取叶绿素a作为基准物用于荧光光度法测定叶绿素含量

用乙醇从铜绿微囊藻中提取叶绿素a并用分光光度法测得提取液中叶绿素a的质量浓度为1 902.5μg·L-1,以叶绿素a作为标准物质,用荧光光度法测定叶绿素含量。叶绿素a的质量浓度在30~1 800μg·L-1范围内与荧光强度呈线性关系。试验表明:该提取液在冰箱4℃条件下保存,5h内其荧光值的相对误差为±2.5%;在pH 3~9范围内应用时,荧光值的相对误差为±5.0%;在温度5℃~30℃范围中使用时,荧光值的相对误差为±3.0%,证明提取液的稳定性能满足使用要求。与叶绿素标准品同时测定了5个水样中的叶绿素含量,经t检验所得结果之间无显著差异,说明可用叶绿素a代替叶绿素标准品作为荧光光度法中的基准物质。

基于高光谱遥感的长江口叶绿素a浓度反演推算

为了解长江口的水质状况,现场测量叶绿素a浓度,结合高光谱遥感影像,运用波段比值模型、一阶微分模型和水体叶绿素a提取指数(Water Chlorophyll-a Index,WCI)对整个研究区域叶绿素a浓度进行反演推算,并进行空间分布评价;利用实测数据和遥感影像的关系建立反演模型,并结合相关系数、均方根误差和平均相对误差分析和评价反演效果。结果显示,波段比值模型和叶绿素a浓度的相关性达到0.91,均方根误差为1.79,平均相对误差为9.09%;一阶微分模型的相关性为0.95,均方根误差为2.21,平均相对误差为15.31%;WCI模型的相关性高达0.98,均方根误差为1.44,平均相对误差为6.20%。利用WCI模型对整个研究区域的叶绿素a浓度进行模拟,可见研究区域的中间部分叶绿素a含量较低,从中间到两边逐渐增大,南部出现最大值,造成此差异的原因可能是因为北接居民生活区,南邻上海青草沙水库,并且附近存在植被。研究表明,WCI模型的反演效果优于波段比值模型和一阶微分模型,是一种计算简单、精度较高的方法,可以有效地提取水体叶绿素a的浓度,未来可广泛应用于水体环境质量监测。